• Mauricio Sáez Rojas - UAI

TOOLSGROUP: Analítica Avanzada versus Inteligencia Artificial.


Para las empresas con Advanced Analytics o Artificial Intelligence (AI) en el futuro, Gartner - empresa consultora y de investigación de las tecnologías de la información con sede en Stamford, Connecticut, Estados Unidos, Fort Myers Florida y otras oficinas ubicadas en Reino Unido, Asia e Hispanomérica - acaba de publicar un informe útil con tres hallazgos que aclaran la diferencia entre las dos tecnologías y ofrece información sobre su uso para aumentar o automatizar la toma de decisiones de la cadena de suministro.


Advanced Analytics es más amplio que la Inteligencia Artificial


La gente a menudo usa estos dos términos indistintamente, pero Gartner dice que no son sinónimos. Su reciente informe titulado Aumenta y Automatiza la Toma de Decisiones en Cadena de Suministro con Advanced Analytics and Artificial Intelligence (30 de marzo de 2018, Noha Tohamy) dice que el análisis avanzado es el término general para una variedad de tecnologías subyacentes, mientras que AI es un subconjunto de análisis avanzados.


Como se muestra en el cuadro anterior, existen tres tipos de tecnologías analíticas avanzadas. El más básico, y el más utilizado, es el análisis predictivo que emplea tecnologías como el modelado estadístico y la simulación. Gartner dice que el modelado estadístico es más común porque la simulación requiere más esfuerzo para desarrollar y mantener modelos.

El siguiente paso es el análisis prescriptivo, que emplea optimización, heurística y "sistemas expertos" basados ​​en reglas, con reglas comerciales definidas por los humanos para resolver un problema en la cadena de suministro.


La inteligencia artificial es la forma más avanzada de análisis avanzado que incluye aprendizaje automático, aprendizaje profundo, procesamiento del lenguaje natural y "asesores cognitivos" que son soluciones basadas en inteligencia artificial que interactúan con los usuarios de negocios a través del lenguaje natural. Gartner encuentra que el aprendizaje profundo todavía está emergiendo debido a sus requisitos intensivos de ciencia de datos. Curiosamente, la encuesta de Gartner a 260 usuarios descubrió que, a excepción del aprendizaje en profundidad, todas las demás categorías de inteligencia artificial ya son ahora más utilizadas que la heurística y los sistemas expertos.


Los análisis avanzados son más comúnmente utilizados en el lado de la demanda


El informe de Gartner identifica una amplia gama de funciones de la cadena de suministro en las que se emplean análisis avanzados, incluidas las actividades relacionadas con la oferta, como la programación de producción y la gestión de proveedores. Pero las áreas de mayor uso están todas enfocadas en la demanda, la demanda, la detección y la configuración.

La investigación de Gartner coincide con lo que estamos viendo. Las empresas están buscando formas de emplear el aprendizaje automático para detectar la demanda y preguntar:


- ¿Qué datos hay disponibles? Clima.

- Sensibilización social (Facebook, Twitter).

- Sentimiento consumidor.

- Macroeconómica.

- Demografía.

- ¿Cómo puedo aprovecharlo?


Buscan causa y efecto para la precisión del pronóstico a corto plazo y la resiliencia de la cadena de suministro a más largo plazo. Una discusión reciente con un analista de la cadena de suministro de la industria minorista también se alineó con este hallazgo. Dijo que si bien el lenguaje en torno a la IA se estaba acelerando de múltiples maneras, el área de mayor actividad era la previsión promocional.


Aumentar y automatizar son dos objetivos diferentes.


Gartner hace una distinción entre el uso de la tecnología para aumentar la toma de decisiones mediante la generación de ideas y recomienda acciones, en comparación con la automatización de la toma de decisiones para ejecutar decisiones sin intervención humana. Lo que tiene prioridad, dice Gartner, depende de las circunstancias. "Áreas como el cumplimiento de pedidos, la planificación de producción y la previsión de la demanda son candidatos fuertes para una mayor automatización", dice Tohamy, "mientras que los procesos de colaboración como S & OP y gestión de riesgos seguirán siendo mejores para el aumento de la toma de decisiones".


Una vez más, la investigación de Gartner coincide con nuestras propias experiencias aquí. Cada vez más empresas se preguntan por qué los planificadores necesitan pasar tanto tiempo cuidando su sistema de planificación. Las grandes empresas preguntan: "¿Qué hay de malo en mi proceso que necesito ejércitos de planificadores?". Las crecientes empresas de crecimiento del mercado medio preguntan: "¿Por qué tengo que seguir añadiendo tantos gastos generales?" Peor aún, las empresas se preguntan si todo esto no el esfuerzo de valor agregado les impide alcanzar niveles más altos de madurez. Vemos mucho menos de este tipo de discusión en S & OP y Integrated Business Planning (IBP).


En este momento, los análisis avanzados todavía se usan más para aumentar, no automatizar, procesar la toma de decisiones. Sin embargo, Gartner dice que la diferencia en el uso se reducirá significativamente en los próximos dos años. Esto coincide con el mensaje que hemos escuchado de otros analistas del mercado: la toma de decisiones automatizada es lo más importante con cada analista que describamos.


Tohamy cree que el cambio hacia la automatización es atribuible a "mejoras anticipadas en tecnología y calidad de datos y mayor apertura organizacional hacia la automatización de procesos". Concluye que los ejecutivos de la cadena de suministro deben "trabajar con los líderes empresariales para comprender y diseñar la visión para la automatización y mantenerse al tanto de los avances en las tecnologías para apoyar el objetivo de la automatización acelerada de procesos con inteligencia artificial ".

SÍGUENOS:

  • Facebook Social Icon
  • LinkedIn Social Icon