The COO Imperative: Como a GenAI promoverá uma mudança radical em direção às cadeias de suprimentos autônomas?

Reconhecendo seu potencial, as empresas veem a GenAI como um recurso essencial para se manterem competitivas no futuro e estão investindo nela. Três quartos estão planejando implantar a GenAI em suas cadeias de suprimentos e 80% acreditam que ela pode reinventar as cadeias de suprimentos e estão fazendo disso uma alta prioridade. Além disso, 69% acreditam que a não integração da GenAI em suas cadeias de suprimentos os colocará em desvantagem competitiva.

As organizações que estão mais à frente na jornada rumo às cadeias de suprimentos autônomas (Front-runners) criaram bases digitais sólidas que lhes permitem adotar e aproveitar a GenAI rapidamente. Esse impulso provavelmente aumentará a exclusão digital, a menos que os que estão atrás (seguidores) tomem medidas imediatas.

Os pioneiros — os 20% de empresas mais adiantadas em sua jornada de cadeia de suprimentos autônoma — também são os que demonstram maior sucesso na implantação da IA e da GenAI em sua cadeia de suprimentos: eles têm 3,5 vezes mais chances de ter alcançado um sucesso significativamente maior do que o esperado com a IA e 5,2 vezes mais chances com a GenAI.

Os primeiros colocados são:

A GenAI está oferecendo às organizações um caminho mais rápido para a cadeia de suprimentos autônoma. Os pioneiros são mais ambiciosos quanto ao uso da GenAI nos próximos dois anos, prevendo a implementação da GenAI em 12 casos de uso para a cadeia de suprimentos, em média, em comparação com oito para os seguidores. Os pioneiros estão voltados para o exterior, indo além da cadeia de suprimentos para se alinharem mais estreitamente com outras funções de negócios e partes externas, além de impulsionar a visibilidade de ponta a ponta em toda a cadeia de suprimentos. 

Está claro que a integração da GenAI no gerenciamento da cadeia de suprimentos não é apenas uma questão de implementação de tecnologia avançada. Para realmente criar uma cadeia de suprimentos mais autônoma, é necessária uma perspectiva estratégica que englobe todo o ecossistema de negócios. Para muitas empresas, a introdução da GenAI desencadeou um repensar de seus roteiros de tecnologia e relacionamentos com fornecedores.

"Antes da GenAI, dependíamos de fornecedores que incorporavam a IA em seus equipamentos de fabricação", diz o CIO de um fabricante global de produtos eletrônicos. "Quando o generative foi lançado, ele mudou toda a equação para nós."

Considerar a adoção da GenAI como parte de uma estratégia mais ampla de transformação digital significa envolver as partes interessadas de vários departamentos, incluindo TI — operações, finanças e atendimento ao cliente, bem como parceiros externos — como fornecedores, distribuidores e clientes. Somente assim as organizações poderão criar um fluxo contínuo de informações que resulte em uma cadeia de suprimentos mais responsiva, resiliente e ágil.

"&Nem todos os motivadores da GenAI estão relacionados à tecnologia", diz o diretor de P&D de uma empresa global de Ciências da Vida. "Estamos usando a GenAI para ajudar a cumprir nossa meta de sustentabilidade de sermos neutros em carbono até 2030. É isso que está orientando as decisões de investimento."

Casos de uso atuais

A maioria das cadeias de suprimentos das organizações (82%) está usando IA e GenAI em uma ampla gama de casos de uso para aproveitar seus pontos fortes diferentes e, muitas vezes, complementares. A IA tradicional é baseada em regras, exigindo conjuntos de dados preparados e lógica predefinida para resolver problemas de negócios. A GenAI é excelente para ambientes ricos em texto e dados não estruturados, criando novo conteúdo com base nos dados em que foi treinada.

Por exemplo, as empresas que usam a IA tradicional para previsão de demanda e otimização da qualidade estão descobrindo que uma camada de GenAI melhora a precisão e democratiza a adoção das ferramentas.

"A implementação do GenAI melhorou a precisão da previsão de demanda em 50% nos últimos seis meses", diz o chefe de distribuição de uma empresa global de produtos eletrônicos de consumo. "Estamos vendo um sucesso considerável em toda a cadeia de suprimentos."

Espera-se um crescimento substancial da GenAI

Prevê-se um crescimento substancial da GenAI  nos próximos dois anos. Como os pioneiros já usam mais a IA tradicional, estão mais avançados com a GenAI e mais confiantes em relação ao crescimento futuro, é provável que isso aumente a diferença em relação aos seguidores.

Analisando de forma mais ampla onde os pioneiros estão concentrando a primeira onda de casos de uso, aqueles com alta implementação da GenAI hoje e com previsão de uso alto e contínuo em dois anos, podem incluir:

• Projeto do produto (fabricação)
• Projeto de rede logística (logística)
• Otimização do comércio global (logística)
• Previsão de demanda (planejamento)

Essas são áreas em que a IA tradicional está disponível há muito tempo, mas tem sido limitada pela necessidade de cientistas de dados altamente treinados para se manter, o que a torna fora de alcance e muito cara para muitos. O benefício da GenAI está no fornecimento de uma camada interpretativa de linguagem natural que pode se tornar uma força democratizante que coloca essas ferramentas nas mãos da força de trabalho. Essas áreas também são funções da cadeia de suprimentos com conjuntos de dados bem definidos, uma alta porcentagem de dados não estruturados e alto valor a ser obtido.

A próxima onda de casos de uso, aqueles com menor implantação da GenAI atualmente, mas com grande previsão de uso em dois anos, inclui potencialmente:

• Gerenciamento de fornecedores (compras)
• Otimização do rendimento da produção ou da qualidade (fabricação)
• Gerenciamento de riscos (planejamento)
• Chatbots de atendimento ao cliente e treinamento de produtos (pré/pós-venda)

Por exemplo, os chatbots de atendimento ao cliente e o treinamento de produtos são ambientes ricos em linguagem, nos quais as organizações podem treinar a GenAI em gravações de voz e transcrições de chamadas anteriores de clientes para expandir rapidamente o número de consultas que os chatbots podem resolver. Com o treinamento de produtos, a GenAI pode acelerar enormemente o acesso às principais informações armazenadas nos manuais dos produtos.

Essas áreas de alto crescimento também oferecem retornos comerciais claros, seja melhorando a velocidade do atendimento ao cliente por meio de chatbots ou reduzindo custos por meio da otimização da qualidade na fabricação. A previsão de demanda é outra área importante de foco da GenAI. Percebe-se que é um caso de uso que resolverá muitos pontos problemáticos da cadeia de suprimentos e oferece métricas claras que podem facilitar a venda do caso de negócios para o CEO e a diretoria.  

Muitos desses casos de uso sofrem com desafios de back-end ao usar a IA tradicional (otimização da qualidade, manutenção preditiva) e exigem soluções sob medida. Os chatbots de atendimento ao cliente também apresentam um alto grau de risco, dada a interação direta dos chatbots com o público. Ambos os fatores podem estar contribuindo para o horizonte de tempo sugerido aqui.

Ao comparar o crescimento previsto da GenAI em dois anos, os dados da pesquisa mostram que os Front-runners são mais propensos a prever uma progressão mais rápida da implementação da GenAI em logística, fabricação e pré/pós-venda, em comparação com os Followers. Isso provavelmente se deve ao fato de que os pioneiros já estão obtendo mais sucesso em outras áreas, estão mais integrados de ponta a ponta e, portanto, têm uma base de dados melhor, o que lhes dá mais confiança para avançar mais rapidamente e acelera a distância em relação aos seguidores. Por exemplo, o projeto de rede logística é uma área que evoluiu de um projeto único a cada cinco anos para uma tarefa dinâmica que é reavaliada a cada seis meses. As empresas líderes estão desenvolvendo esse recurso para preparar suas organizações para o futuro.

Exemplos de uso da GenAI atualmente

A implementação da GenAI na cadeia de suprimentos envolve uma interação complexa de desafios técnicos, organizacionais e operacionais. As organizações devem adotar as seguintes medidas para avançar em sua jornada rumo à cadeia de suprimentos autônoma e explorar todo o potencial da GenAI.

1. Alinhar pessoas e investimentos à visão estratégica

Para os pioneiros, os principais fatores de sucesso nas implementações de GenAI são a garantia de apoio da liderança (67%), a criação de apoio de terceiros (65%) e a disponibilidade de talentos técnicos (64%). As maiores lacunas entre os pioneiros e os seguidores estão na priorização da visão estratégica (62% dos pioneiros contra 39% dos seguidores) e no suporte de terceiros (65% dos pioneiros contra 47% dos seguidores), o que destaca a importância de uma visão coesa e do suporte externo para garantir que os pilotos e as implementações da GenAI estejam focados na entrega de valor comercial.

"Meu conselho é que você faça sua lição de casa. Será que o que há de mais novo no mercado realmente agregará valor?", diz o Diretor de Operações Globais de um fabricante de produtos de consumo. "E examine minuciosamente os parceiros externos em um nível técnico para verificar suas alegações."

As lacunas de habilidades são um desafio reconhecido durante a implementação para os entrevistados da pesquisa, ficando em segundo lugar depois da prontidão dos dados. Fatores humanos ditarão a velocidade da adoção, portanto, planos robustos de aprimoramento de habilidades, juntamente com talentos direcionados e planos de contratação, são essenciais. Os pioneiros estão lidando com isso colocando a GenAI com controles apropriados nas mãos de seus funcionários (uma prioridade para 51% dos pioneiros contra 33% dos seguidores). Isso é especialmente pertinente, considerando os resultados da Pesquisa EY Work Reimagined, em que quase metade (49%) dos funcionários já está usando ou espera usar a GenAI nos próximos 12 meses. No entanto, poucos (17% dos funcionários e 22% dos empregadores) estão fazendo do treinamento em habilidades de GenAI uma prioridade máxima.

Uma visão coesa e estratégica pode esclarecer as prioridades de investimento em relação à lista aparentemente interminável de casos de uso da GenAI, minimizar o risco de várias unidades de negócios duplicarem os investimentos e melhorar os resultados da IA, orientando a ampliação de modelos de linguagem grandes (LLMs) com padrões algorítmicos reutilizáveis, como a geração aumentada por recuperação. 

2. Priorizar a prontidão dos dados ao considerar os casos de uso

As demandas da GenAI estão chamando a atenção para as inúmeras complexidades do gerenciamento de dados corporativos. Apesar de a disponibilidade, a qualidade e a privacidade dos dados serem as principais preocupações ao priorizar os casos de uso, as organizações ainda têm dificuldades. Manter a qualidade dos dados é o principal desafio de implementação citado pelos entrevistados (38%), sendo que o acesso aos dados (33%) também é um dos principais desafios.

Isso destaca os desafios de dados específicos das cadeias de suprimentos, em que os dados são fragmentados em diferentes sistemas da organização e em partes externas. Os problemas resultantes incluem volumes enormes, dados incompletos, normas de privacidade de dados, arquitetura de dados, integração com outras tecnologias, gerenciamento de acesso e outros riscos interconectados.

Dada a importância fundamental dos dados para a IA, não é de surpreender que os pioneiros sejam campeões em dados.

"Vemos a GenAI como a chave para navegar pelos enormes volumes de dados de clientes que possuímos e extraí-los para obter insights", diz o diretor de distribuição de uma empresa global de produtos eletrônicos de consumo. "A GenAI revelou que estávamos armazenando meio bilhão de registros de clientes que não haviam interagido com a empresa além da venda inicial."

Colocar em prática a arquitetura de dados, as ferramentas e as políticas corretas é um investimento que vale a pena, pois esses recursos são fundamentais para a implementação eficaz da GenAI.

"Você precisa de conjuntos de dados em tempo real para acionar algoritmos preditivos", diz o CIO de um fabricante global de produtos eletrônicos. "Mas coletamos dados mensalmente; ainda não temos um ritmo de dados em tempo real na cadeia de suprimentos."

Qualquer organização que deseje competir na GenAI precisa colocar sua casa de dados em ordem, priorizando a limpeza, a padronização, os sistemas e a engenharia de dados para reduzir a latência e aprimorar os metadados para que os dados possam ser consumidos pelos sistemas RAG (Retrieval Augmented Generation) para melhorar a precisão dos resultados da GenAI.

3. Maximizar o valor da GenAI atenuando os riscos cibernéticos e de dados

A GenAI é uma tecnologia incipiente, portanto, não é surpreendente encontrar 40% dos entrevistados dizendo que suas organizações não entendem totalmente os novos riscos e desafios da GenAI na cadeia de suprimentos. Embora isso deva aumentar com o tempo, há dois lados para maximizar o valor das iniciativas de GenAI: reduzir os riscos e otimizar as oportunidades.

A GenAI apresenta novas vulnerabilidades, por exemplo, por meio de ataques de injeção imediata projetados para fazer com que os LLMs vazem dados confidenciais ou manipulem seus resultados. Os pioneiros são mais propensos do que os seguidores a se concentrar nos novos riscos que a GenAI representa, como imprecisões e alucinações, exposição à responsabilidade legal por violação de propriedade intelectual, dependência excessiva de tecnologia não testada, danos à marca ou à reputação e insegurança no emprego.

"Nosso piloto do chatbot GenAI teve um bom desempenho, mas as alucinações surgiram após uma atualização do modelo", diz o chefe de tecnologia de um mercado on-line global. "Reavaliamos cada caso de uso, alteramos os modelos de alguns e descartamos outros que não agregavam mais valor."

A necessidade de uma segurança cibernética mais forte, um dos principais riscos e desafios de implementação por si só, é fundamental à medida que as organizações buscam implementar a GenAI. A análise de agrupamento de tópicos do estudo 2024 Global Cybersecurity Leadership Insights Study mostra que as vulnerabilidades da cadeia de suprimentos dobraram nos últimos cinco anos. Embora as funções de segurança cibernética estejam expandindo o uso da IA para se manter à frente das ameaças, os líderes da cadeia de suprimentos e de operações precisam trabalhar em estreita colaboração com as equipes de segurança cibernética desde o início para ajudar na adoção segura da GenAI na cadeia de suprimentos. Isso inclui a incorporação da equipe cibernética na identificação e governança de casos de uso para garantir que o potencial de valor da GenAI na cadeia de suprimentos seja maximizado.

Encontrando sua estrela do norte

O sonho de uma cadeia de suprimentos autônoma gera uma gama de reações dos líderes de operações e da cadeia de suprimentos — desde a empolgação com a mudança radical que a GenAI representa até o ceticismo de que a autonomia total será possível de ponta a ponta.

Ainda assim, ele representa o auge da conquista. Mesmo que as organizações nunca alcancem a autonomia de ponta a ponta, é uma meta "North Star" que vale a pena alinhar com a estratégia da organização, pois cada passo mais próximo das cadeias de suprimentos autônomas aumenta a resiliência ao melhorar a visibilidade e a agilidade. É provável que a automação continue como tem feito até agora, peça por peça, bolso por bolso.

A GenAI já está provando que pode ser um divisor de águas para a cadeia de suprimentos, e espera-se que essa tecnologia nascente se estabeleça firmemente na cadeia de suprimentos nos próximos dois anos. Para que as organizações aproveitem todo o potencial da GenAI, a agilidade será fundamental.