AIによるサプライチェーン衝撃の防止：620億ドル規模の機会

 (linkedin.com)
6 ポイント 投稿者 GN⁺ 2024-10-11 | 1件のコメント | WhatsAppで共有
  • 新型コロナウイルスのパンデミックは、世界のサプライチェーンがいかに脆弱であるかを示した
  • 家具業界では、パンデミック初期の販売量は記録的だったが、コンテナ不足、原材料不足、主要部品の受領遅延により、最近では複数の企業が破綻した
  • 最大のサプライチェーン危機は過ぎたものの、今ではある程度の分断と混乱が日常化している
  • サプライチェーン障害により、この数年間で約1.6兆ドルの損失が発生したと推定されている
  • 10年分のサプライチェーン障害データを見ると、平均して企業は1年分の利益の半分ほどを失いうる

サプライチェーン混乱の3つの要因

  1. 非構造化データに依存するコミュニケーションツール

    • メール、テキスト、スキャン文書などの非構造化データには重要な情報が含まれているが、体系的に抽出・分析することが難しく、サプライヤーとの意思疎通が複雑になる
    • 例：テスラはチップ不足に関する情報がメール内で見過ごされ、生産遅延に見舞われ、2021年第3四半期に19万台の生産支障が発生した

  2. 旧式で導入状況にばらつきのあるEDIシステム

    • EDIは1960年代に導入された業務文書向けのファイル交換システムで、1990年代には大手製造業者が多く採用した
    • 例：La-Z-Boyのような大企業は、EDIで海外サプライヤーに革張りソファ5万台の発注依頼を出し、調達チームが入札価格を比較する
    • 一方で中小企業はEDIの導入が難しく、海外サプライヤーと複数のチャネルやプラットフォームで何日も交渉するのに苦労している

  3. 多数のソフトウェア管理システム利用によるデータサイロ

    • ERP、WMS、TMSなど複数のソフトウェアを使うことで、エンドツーエンドのサプライチェーン可視化を妨げるデータサイロが生じる
    • 例：ユニリーバでは、ERPとWMS間の連携不足により在庫不一致が発生し、2022年には世界全体で欠品が23%増加し、過剰在庫は17%増加した

AIで実現可能な620億ドルの市場機会

  • Gartnerによれば、サプライチェーン管理ソフトウェアへの年間支出は2023年の290億ドルから2028年には620億ドルへ、CAGR 16.3%で成長すると見込まれている
  • この市場は、適切にポジショニングされた革新的で機動力のあるAIスタートアップが先行獲得できる可能性がある
  • AIは、視覚、数値、テキストのデータを分類し、複雑なシナリオを高精度でモデリングできる
  • 例：コンピュータビジョンシステムは組立ラインで製品を検査し、人間よりも一貫して欠陥を特定できる
  • 機械学習アルゴリズムは、過去の購買パターンから政治的混乱、労働条件、天候に至るまであらゆる要素を分析し、前例のない精度で需要を予測できる

AI導入が最も有望な3つの領域

  1. 調達（Procurement）：企業運営に必要な製品をソーシングして確保すること
  2. サプライヤーインテリジェンス（Supplier Intelligence）：サプライヤーとの関係を評価・最適化するためのデータ収集
  3. 需要計画（Demand Planning）：最適な供給のために将来の顧客需要を予測すること

調達自動化に最適な理由

  • 調達は、原材料の安定供給、サプライヤーとの関係維持、利益率改善に重要である
  • Tonkean のようなスタートアップは、契約更新や請求書処理など、調達プロセスのかなりの部分を自動化している
  • RPAはルールベースで入力プロセスを自動化するが、非構造化データは処理できない
  • Didero、Lighthouz AI、Soff などのAIスタートアップは、メールやPDFに埋もれた洞察を抽出する
  • Pulse AI は、サプライチェーンに関する質問に答えるため、非構造化データを検索する検索エンジンを構築している
  • Mandel AI は、サプライヤーのリードタイムと価格変動に応じてERPを自動更新するサプライチェーンエージェントを開発している

AIでサプライヤーインテリジェンスを強化する方法

  • 最適なサプライヤーを見つけるには、コンプライアンス要件、見積もり、市場変化などをすべて考慮しなければならない
  • また、複数のサプライヤーを確保しておくことで、新型コロナやロシア・ウクライナ戦争のような衝撃に対するサプライチェーンのレジリエンスが高まる
  • AIは、単純な検索窓とは異なり、インテリジェントなサプライヤーマッピングとマッチングを可能にする
  • Altana はこの分野のリーダーであり、さまざまなサプライチェーン階層にまたがるインテリジェントなバリューチェーンを構築し、特定サプライヤーに関する問い合わせ向けのLLMアシスタントを提供している
  • Keelvar、Fairmarkit なども、調達チームがサプライヤーを容易にソーシングできるAIベースのプラットフォームを提供している
  • 最近では、Kipo AI、Terra などの新興企業が、企業とサプライヤーをマッチングするプラットフォームを構築している

需要計画は過去データを超える

  • 供給と需要の変化を予測できれば、サプライチェーン障害が消費者に影響を及ぼすのを防ぐことができる
  • 従来の計画ソフトウェアは主に過去データに依存して予測するため、急変する市場や地政学的状況では不十分な場合がある
  • AIは、過去データと現在の市場トレンドの両方を考慮することで、計画能力を向上させられる
  • 研究によれば、AIは外れ値を特定して関連性のあるものとして分類し、パンデミック時のトイレットペーパー買い占めのような「パニック買い」の事例を検出できる
  • McKinseyによれば、自律型サプライチェーン計画により売上は最大4%増加し、コストは最大10%削減できる
  • Ikigai は、特許取得済みの大規模グラフィックモデルを使って分断されたデータソースを接続し、予測とシナリオを生成する
  • Spherecast などの新興企業も、複数チャネルを管理し、さまざまな粒度レベルの需要予測を生成するエンジンを構築して計画領域に参入している

AIでサプライチェーンを革新する

  • サプライチェーン分野には、AIスタートアップにとって魅力的な2つの要素がある。サイロ化されたソフトウェア管理システムと膨大な非構造化データだ
  • 調達、サプライヤーインテリジェンス、需要計画のいずれの領域であっても、AIは今後数年にわたりサプライチェーンを変革し、強化していくとみられる

GN⁺の見解

  • サプライチェーン管理ソフトウェアにAI技術を組み込むスタートアップが数多く登場している。これはAIの進化とあわせて、分断され非効率だった従来のサプライチェーン管理を革新できる新たな機会をもたらしている
  • とりわけ調達、サプライヤーインテリジェンス、需要計画の領域では、AI技術が既存プロセスの自動化と最適化に大きく貢献すると見込まれる。非構造化データ処理と複雑なシナリオモデリングがAIの強みだからである
  • ただしサプライチェーンは非常に複雑で、多様な利害関係者が絡む分野であるため、AI導入にあたってはデータ品質管理、アルゴリズムのバイアス防止、人間とAIの協働体制構築など、慎重に検討すべき事項が多い
  • 何よりもAIは意思決定を支援するツールにすぎず、最終責任は依然として人間にあるという点を忘れてはならない。AIが示すインサイトを盲目的に追うのではなく、専門家の経験と洞察に基づいてバランスの取れた意思決定を下すことが重要だ
  • 総合すると、AI技術はサプライチェーン管理の非効率を解消し最適化を可能にするゲームチェンジャーになりうるが、技術そのものを過信するのではなく、ビジネス目標に合致した戦略的活用が求められる

関連記事

1件のコメント

 
colus001 2024-10-11

AIでこれをどうやって実現するというのでしょうか？ うーん……あまり共感できませんね。サプライチェーンは物理的・実体的、そして政治的な問題なのに、それをソフトウェアで直すというのは少し不思議に思えます。