Att AI är vår tids mest betydelsefulla transformerande teknologi råder det inget tvivel om. Inte heller att olika varianter av artificiell intelligens redan gör nytta i många branscher och arbetsprocesser – inte minst inom supply chain och logistik. Införandet och användningen av AI ser dock väldigt olika ut inom olika delområden i supply chain. Och även där AI införts är det ofta svårt att få ut den nytta och det affärsvärde som förväntats.
AV STEFAN KARLÖF
I en uppmärksammad studie från MIT, ”The GenAI Divide: State of AI in Business 2025”, konstateras att hela 95 procent av alla AI-projekt inte skapar det affärsvärde som avsetts. Det vill säga att även om tekniken fungerar så uteblir oftast påverkan på produktivitet och finansiella nyckeltal. Detta uppges bero på dålig integration i arbetsflöden och en avsaknad av en genomtänkt samverkan mellan teknik, människor och verksamhetsprocesser. Kort sagt: AI läggs ovanpå befintliga processer, i avsaknad av ett ”människa-maskin-tänkande” och än så länge är de flesta AI-satsningar pilotprojekt och experiment som inte skalas upp eller driver en bredare transformation. MIT-studien framhåller ett otillräckligt lärande som orsak till detta.
AI-projekten är än så länge till stor del isolerade pilotprojekt som inte skalas upp och därför sällan resulterar i ett betydande värdeskapande. De fem procent som faktiskt lyckas fokuserar på specifika problem, integrerar AI-teknik i sina arbetsflöden, har tydliga KPI:er och använder sig av externa lösningar och partners för att säkerställa värdeskapandet, konstateras i MIT-studien.
Både långsamt och snabbt
Inom supply chain och logistik går AI-tillämpningen ganska snabbt inom områden som prognostisering och planering, ruttoptimering och ruttplanering, leveranssupport/kundtjänst samt inom lagerautomation, där AI används för att optimera plockning och sortering. Betydligt långsammare går AI-tillämpningen för autonoma fordon, där avsaknaden av infrastruktur samt omfattande regleringar saktar ner utvecklingen. Användningen av AI försvåras även i fragmenterade supply chains med många aktörer och där regleringar kan försvåra införandet av AI. Generellt fördröjs AI-tillämpningen även när en verksamhet har föråldrade IT- system, präglas av organisatorisk tröghet eller har otillräckliga resurser för att investera. Slutsatsen blir att införandet av AI för närvarande går både långsamt och snabbt i supply chain.
Typiskt utvecklingsmönster
Men många transformativa tekniker har präglats av ett relativt långsamt förlopp som snabbt har förbytts i ett plötsligt och utbrett genombrott. Oavsett om det har handlat om elektriciteten, internet eller om elbilar så finns det ett typiskt utvecklingsmönster som präglas av en långsam start – därefter en utdragen process tills en brytpunkt nås där teknik, värde och ekonomi möts – för att slutligen resultera i en explosiv förändring.
Det hela påminner om citatet ur Hemingways The Sun Also Rises där karaktären Mike Campbell får frågan: ”How did you go bankrupt?” och han svarar: ”Two ways. Gradually, then suddenly.”
—
Stefan Karlöf är chefredaktör för Supply Chain Effect
