VCM Oktober_converted.pdf OK

FORECASTING

Veranderende rollen Zeker in sectoren zoals de retail, waar bedrijven duizenden producten met een korte levenscyclus vervaardigen, is inno vatie erg belangrijk. “Organisaties hebben er te maken met wekelijkse voorraadveranderingen en hun geïntegreerde sales- en operations planning schiet vaak tekort, met een mismatch tussen de realiteit en wat vooropgesteld was tot gevolg”, klinkt het. “Om dat recht te trekken, zijn er flink wat menselijke tussenkomsten nodig en botst ook de uitvoering van de voor opgestelde verkoop en operations op zijn limieten. Innovatie met behulp van AI kan niet alleen een rol spelen bij het voor spellen van de vraag en consumentenvoorkeuren, maar kan ook voor verbeteringen zorgen op het vlak van ‘product lifecy cle management’. Zo zal het in de nabije toekomst bijvoorbeeld mogelijk zijn snelle aanpassingen door te voeren met prompts die via generatieve AI tot stand komen.” Vaak horen we dat AI jobs zal vervangen. Geldt dat ook voor medewerkers die bij forecasting en vraagplanning betrokken zijn? Christoph Bergmeir: “Hun rol zal veranderen. De kennis die vandaag aanwezig is, kan de basis vormen voor de ontwikke ling van een chatbot waaraan medewerkers simpelweg vragen stellen om vervolgens commando’s uit te voeren. We moeten dus ook nadenken over de manier waarop we vandaag kennis overbrengen en welke skills in de toekomst nodig zullen zijn. Functieomschrijving, jobinhoud, levenslang leren: we zullen alles moeten herdenken.” Menselijke expertise behouden is cruciaal. Het risico bestaat dat de afhankelijkheid van AI de vaardigheden van medewer kers om probleemoplossend te denken aantast. Dat geldt ook in de academische wereld, waar AI en tools zoals ChatGPT het onderzoek en de vaardigheden van studenten beïnvloeden. De voornaamste uitdaging bestaat er volgens de experts dan ook in vooral geen expertise te verliezen, ook wanneer forecasting en vraagplanning in 95 procent van de gevallen volledig auto matisch verlopen met behulp van AI. De vergelijking tussen een vliegtuigpiloot en de automatische pilootfunctie is snel gemaakt. De implementatie en het gebruik van AI in forecasting is daarnaast een kwestie van veranderingsmanagement. Zijn organisaties die bijvoorbeeld hun eerste statische model len net op poten hebben gezet ook klaar om meteen een volgende stap te zetten, richting het gebruik van AI? Experts wijzen erop dat het belangrijk is op microniveau met lokale initiatieven te beginnen en voortrekkers te vinden

Abe Eshkenazi, CEO van ASCM: “De logistieke sector heeft nieuwe technologieën altijd snel omarmd. Bij AI ligt de uitdaging vooral in de integratie van de mogelijk heden in de brede organisatie.”

de mogelijkheid om snel en zelfstandig te handelen en te expe rimenteren zonder dat daar een verhoging van de ‘headcount’ tegenover staat.” Specifiek voor forecasting en vraagplanning staat vast dat menselijke tussenkomst nodig is om te bepalen welke data er in de AI-modellen horen en welke niet. “Vraag- en supply planning kunnen grotendeels automatisch verlopen, waarbij menselijke tussenkomst in theorie enkel bij uitzonderingen vereist is. Wanneer algoritmes foutieve uitkomsten produce ren, is het nodig bepaalde metrics te herbekijken. Bovendien mag je niet op een enkele voorspelling vertrouwen en moeten medewerkers in staat zijn verschillende uitkomsten naast elkaar te leggen en te interpreteren”, zegt Sven Crone.

23

VALUE CHAIN MANAGEMENT -OKTOBER 2024