サプライチェーンの成功のためにAIと機械学習を活用する方法

主な内容

• 新しいテクノロジー（コグニティブ・コンピューティング、AI、機械学習など）は、サプライチェーンをどれくらい変革するのか？
  • 意思決定支援ツールの現状（具体例の列挙アリ）
  • 新しいテクノロジーにより、“感知＆テスト＆学習” が実現する
    
  • 例外ベースで対処するのではなく、｢人間の代わりに意思決定したり、何をすべきかアドバイスしたりしてくれるマシン｣ を手にすることになる
    
  • もっと多くの自動化や、もっと多くのアルゴリズム駆動型サプライチェーンを目にすることになる。
    
• 新しいテクノロジーについての顧客の理解度は？
  • 市場では用語の定義が混沌としており、テクノロジーに関する宣伝・期待が過剰
    
  • ソリューション・ベンダー側も適切な疑問提起をしていない
    
  • 人々の受け入れ態勢を整えるには、“ミッショナリー・セリング” (≒普及啓発活動) が必要
    
• 新しいテクノロジーの導入の推進要因は？現行の意思決定システムに対するリプレース圧力の原因は？
  • 顧客の購入チャネルの爆発的増大？／新たな次元 (検討要因) が増えすぎたから？（⇒違う）
    
  • その必要性は、もっと大きな課題（医療の改善、スマートシティにおける交通の劇的な改善、自動運転車の操縦、ビジネスプロセスの再定義といった課題）に由来している。
    
  • 現状、サプライチェーンの中核部分では、感知せずに、ただ反応しているだけで、洞察の活用が不十分。
    
    • 抜本的な再定義が必要。それに対するオープンな姿勢も必要。
      
    • 買い手が将来展望を描けるように、SAS のようなテクノロジー企業がソリューションをパッケージ化することも必要。
      
• 新しいテクノロジーの活用方法は？（その1）
  • 今後は、サプライチェーン全域にわたって様々なデータポイントを連携させ、様々なシナリオを検討することが必要になる。それこそが、AI やコグニティブ・コンピューティングが事業管理の向上に貢献できる領域。
  • 機械学習の手始めとして適している領域はマスターデータ。今は「サプライチェーンのマスターデータ」を適切に統制・管理できていない。パターン認識が役立つはず。
  • 現在はメモリの制約がなくなり、処理パワーも増大しており、様々なサプライチェーン業務の在り方を再考・再定義できる余地がある。
    • プランナーの仕事内容や、必要なプランナーの人数も激減するかもしれない。ただし、そのレベルの自動化に達するには、“テスト＆学習＆進化” が必要。
• 新しいテクノロジーに関して想定される展開
  • コグニティブ・コンピューティングが自動運転の領域から飛び出して更なる進化を始め、やがて意思決定支援にも応用されるようになる。
    • 人々が新しいテクノロジーの "微妙な意味合い" まで理解できるかどうかはともかく、最初のハードルは越えるだろう。
• ビジネス変革の取り組みにおいて、新しいテクノロジーを最初に導入しつつあるのは、どのような業界／企業か？
  • 様々な業界で実際に利用され始めているが、状況は業界によって異なる（具体例の列挙あり）。
  • １つの業界内でも相当なバラツキが見られ、１つの企業内でさえ部署によって相当なバラツキがある。
  • ロボティクスも有望な領域の1つだろう。デジタル製造を推進する目的でロボティクスの導入が進めば、それが人々の学習を促進し、更なる応用が広がっていくだろう。
• 新しいテクノロジーの活用方法は？（その2）
  • 目的が何であれ、「必要なデータを抽出し、それ以外のデータは無視して分析を実行し、その結果に素早く反応できるようになる」ためには、機械学習やパターン認識のような、より強力な機能が必要になる。
  • センチメント分析、非構造化データのマイニング、パターン認識に関する一部の取り組みも、企業での開始点に適している。
  • SASには、非構造化データと既存の構造化データを組み合わせた分析の成功事例がいくつもある（ソーシャメディア・データ活用の具体例の列挙あり）。
• 新しいテクノロジーによる変革を進める上での課題など
  • サプライチェーン部門とデジタルマーケティング部門の協働の開始（ローラ氏の興味深いエピソード）
  • 「効率的なサイロ群を作る」という枠組みから脱却する必要がある。“効率的なサイロ群” は、効果的なサプライチェーンを生み出さない。
  • 我々は今、データを ｢インサイド・アウト｣ で活用しているが、“傾聴” には ｢アウトサイド・イン｣ が必要。
• 企業はこの変革にどこから着手すればよいか？
  • 最初のステップは自分達の現在地を理解すること（リッチ氏）
    • 業務機能横断チームが重要な役割を果たす。
    • このプロセスにデータサイエンティストを参加させることも重要
  • 見識あるリーダーは困難な問題から着手するだろう（ローラ氏）。
    • 問題を定義した上でチームに担当させ、明確な ROI を設定することなく、その問題を解決させる。
    • 既存のパラダイムにはめ込むのではなく、真のプロセス・イノベーションが機能するよう委ねる。
  • 意思決定支援ツールの再定義という岐路に立っている状況では、自分に正直になる必要がある（ローラ氏）。
    • ツールの陳腐化が不可避である以上、ツールを素早く陳腐化させることを目指すべき。今まさに、そこに大きなチャンスがあるのだから。