VCM Oktober_converted.pdf OK

FORECASTING

komt vandaag in vele vormen voor”, aldus Sven Crone, profes sor aan de Lancaster University Management School. “Veel bedrijven hebben pilootprojecten lopen of hebben een ‘proof of concept’ klaar, andere doen de eerste testen met AI in hun productieomgeving.” Bedrijven als Hapag-Lloyd en Beiersdorf zijn al meer dan tien jaar met artificiële intelligentie bezig en wisten een voor sprong op te bouwen door AI in hun forecastingmodellen te gebruiken. Onder meer Johnson & Johnson en AB InBev hebben interessante casestudies lopen waarbij AI consumententrends helpt voorspellen aan de hand van gegevens uit het verle den. Uit recente forecastingcompetities, georganiseerd door het International Institute of Forecasters, bijvoorbeeld, blijkt telkens opnieuw dat statische forecastingmethodes zonder Statische forecastingmethodes zonder AI leggen op korte termijn de duimen voor methodes mét AI. Kantelmoment De meeste bedrijven bevinden zich nog in de beginfase van de implementatie van machine learning in hun forecasting modellen. “De uitdagingen zijn talrijk: van een gebrek aan AI-vaardigheden en de beschikbaarheid van nauwkeurige data, tot de kosten van bijhorende software en systemen, naast de nauwkeurigheid van de uiteindelijke AI-algoritmen”, zegt Sven Crone. “We zien ook dat leveranciers van AI-software vaak enthousiaster zijn dan de klanten omdat die laatsten de basis beginselen vaak nog niet of slechts gedeeltelijk onder de knie hebben. Dat vertaalt zich onder meer in de selectie van de meetgegevens. Ook proefprojecten die vroegtijdig stoppen of geen vervolg kennen, zijn meer regel dan uitzondering.” AI op korte termijn de concurrentie van methodes mét AI niet meer zullen doorstaan.

gauw zit aan te komen. Modellen op basis van machine learning worden almaar slimmer en accurater, maar ook toegankelijker. “Vandaag bevinden we ons op het kantelpunt. De druk voor bedrijven om op de trein te springen is nog net niet hoog genoeg, ook omdat er geen snelle en grote winsten mee te behalen zijn”, stelt Christoph Bergmeir, die als onderzoeker verbonden is aan het departement computerwetenschappen en artificiële intelligentie aan de universiteit van Granada. Data, mensen en skills De experts zien nog een aantal redenen waarom bedrijven voorlopig eerder terughoudend zijn. In de eerste plaats menen ze dat de data waarover de bedrijven beschikken die bedrijven zelf in de weg staan. “Zelfs met een spreadsheet in Excel kan AI voor toegevoegde waarde zorgen, maar vooral voor meer nauwkeurigheid dan wanneer je zelf met de gegevens aan de slag gaat om voorspellingen te doen”, aldus Nicolas Vandeput, auteur en oprichter van SKU Science, een onlineplatform voor supply chain forecasting. “Bedrijven die menen dat hun data niet goed genoeg zijn om met behulp van machine learning aan forecasting te doen, kunnen ook niets beginnen met tools voor data-analyse”, meent hij. Dat brengt ons bij het punt dat bedrijven over de juiste kennis en vaardigheden moeten beschikken om zelf met de basisdata aan de slag te gaan. Sven Crone: “Bedrijven als Beiersdorf zetten hier al meer dan tien jaar op in. Momenteel doorloopt de organisatie een verbe tertraject omdat ze vaststelde dat haar ERP-systemen nog niet voldoende datagedreven waren om historische data, maar ook andere gegevens zoals weersvoorspellingen, maximaal te benutten.” Het noopt hem tot de conclusie dat systemen en data op de eerste plaats komen, gevolgd door de juiste mensen met de juiste skills. Geen magische black box Heel wat bedrijven zien AI als dé oplossing voor tal van proble men. Hoewel het enthousiasme zeker niet onterecht is, moeten ze hun verwachtingen temperen. “Er zijn miljoenen manieren om AI te gebruiken om businesscases op te lossen, maar niet alles werkt”, weet Christoph Bergmeir. “Bedrijven mogen niet verwachten dat AI een zwarte doos is die alles oplost. Voor veel projecten zijn bijkomende interne en externe midde len nodig. Dat zien we ook bij bedrijven die al over een team van data-ingenieurs beschikken. Investeren in die middelen is nodig, maar tegelijk moeten bedrijven niet alles zelf willen doen en verticaal integreren.” Een mogelijke oplossing ligt in het inzetten van multidisciplinaire en ‘agile’ teams. “Die bieden

Volgens de experts lijdt het toch geen twijfel dat een breed gedragen gebruik van forecastingmodellen gebaseerd op AI er

22

WWW.VALUECHAIN.BE