هوش مصنوعی با داده‌های تجاری ترکیب می‌شود در نهایت می‌تواند زنجیره‌های تامین ناهموار را هموار کند | دانش مرکز داده

(بلومبرگ) – ظهور ابزارهای هوش مصنوعی مانند ChatGPT ممکن است روشی را که هم بخش دولتی و هم بخش خصوصی از داده ها برای کشف خطرات و فرصت ها در سیستم تجارت جهانی 32 تریلیون دلاری استفاده می کنند، متحول کند.

در طول همه‌گیری، سازمان‌های دولتی و صنایع مانند خدمات مالی و ارتباطات راه دور به پذیرش ابزارهای یادگیری ماشینی سرعت دادند. اما بسیاری از افراد درگیر در تجارت در معاملات آنالوگ و پر از کاغذ گرفتار شدند.

مربوط: وضعیت زنجیره های تامین مرکز داده

اکنون، پس از سه سال اختلالات تجاری تاریخی، هوش مصنوعی مولد و مدل‌های یادگیری زبان درست زمانی پدیدار شده‌اند که دولت‌ها و شرکت‌ها برای مدیریت بهتر خطوط تامین پیچیده جهان به آن‌ها نیاز دارند.

جولی گردمن، مدیر اجرایی شرکت ارزیابی ریسک زنجیره تامین Everstream Analytics گفت: «در افق زمانی طولانی‌تر، تحلیل‌ها و پیش‌بینی‌های پیش‌بینی‌کننده بسیار دقیقی را مشاهده خواهیم کرد که توسط داده‌های یکپارچه از هر مرحله در زنجیره تأمین هدایت می‌شوند. این امر تصمیم‌گیری برای کاهش مواجهه با ریسک و اختلالات را خودکار می‌کند و به زنجیره‌های تامین کاملاً انعطاف‌پذیر، پایدار و با ریسک تعدیل می‌شود.»

داده های بهتر

مربوط: Data Center Pro راه حل های زنجیره تامین را بررسی می کند

تجزیه و تحلیل داده های تجاری یک عمل پیچیده است. مرتب‌سازی صدها میلیون سوابق حمل‌ونقل پراکنده در نام‌های شرکت‌های تابعه و فرستنده‌های حمل‌ونقل در مجموعه داده‌های بدون ساختار و مستعد خطا، می‌تواند یک تلاش سیزیفی باشد.

اما ابزارهای هوش مصنوعی به بسیاری از سازمان‌ها کمک می‌کنند تا تجزیه و تحلیل داده‌های تجاری را به روش‌هایی ساده‌تر کنند که ممکن است به روان‌سازی تجارت فرامرزی کمک کند – یک موتور بدنام کار، صفحه‌گسترده و کربن فشرده اقتصاد جهانی.

شرکت‌های خصوصی داده‌های تجاری مانند ImportGenius مستقر در اسکاتسدیل در آریزونا از ابزارهای یادگیری ماشینی مانند Amazon SageMaker برای تشخیص الگوهای گمرکی، اسکن اسناد نظارتی و ترجمه زبان‌های خارجی برای تولید داده‌های تجاری واضح و دقیق استفاده می‌کنند که جستجو و تجزیه و تحلیل آسان است.

پائولو ماریناس، مدیر ارشد فناوری ImportGenius از طریق ایمیل به بلومبرگ گفت: «ما در حال ساخت یک مدل یادگیری زبان هستیم تا به عنوان آنتنی برای شناسایی، دریافت و ترکیب این شاخص‌ها در پلتفرم خود عمل کند.

در همین حال، شرکت‌های چند ملیتی مانند نستله SA از ابزارهای هوش مصنوعی برای افزایش کارایی و شناسایی مشکلات در حال ظهور در زنجیره‌های ارزش جهانی خود استفاده می‌کنند. شرکت غذا و نوشیدنی مستقر در سوئیس از نرم افزار یادگیری ماشینی برای تشخیص مشکلات کیفیت محصول و اطمینان از اینکه خطوط تولید نستله خودتنظیم و خودکنترلی هستند، استفاده می کند.

مرسدس بنز گروه AG از یک پلت فرم مجهز به هوش مصنوعی به نام Omniverse استفاده می کند که به کارخانجات تولید و مونتاژ این شرکت کمک می کند تا چابک تر شوند. Omniverse به خودروساز آلمانی کمک می کند تا به سرعت کارخانه های خود را مجددا پیکربندی کند تا خطوط تولید را در مواجهه با شوک های عرضه خارجی حفظ کند.

در حالی که هوش مصنوعی بسیاری از صنایع را مختل می کند، روند صعودی در تجارت بسیار زیاد است. به این دلیل که نیم دهه گذشته جهانی شدن عمدتاً در مورد کاهش موانع بر سر راه جریان آزاد کالاها، خدمات و سرمایه گذاری بود. در مرحله بعدی، افزایش مستمر موانعی مانند تعرفه‌ها، تحریم‌ها و عدم قطعیت‌های ژئوپلیتیکی، حتی با تجربه‌ترین تیم‌های لجستیک را برای مدیریت پیچیدگی‌های جدید آزمایش خواهد کرد.

جیک کالوین، رئیس شورای تجارت خارجی ملی مستقر در واشنگتن، گفت: «نویدهای زیادی وجود دارد، اما تبلیغات زیادی نیز در مورد هوش مصنوعی وجود دارد. بنابراین ما سعی می کنیم فرصت های کوتاه مدت را از بلندمدت و تفکر آرزویی جدا کنیم.

تجزیه و تحلیل زنجیره تامین

یکی از زمینه‌هایی که کاربردهای هوش مصنوعی می‌توانند تأثیر زیادی داشته باشند، کمک به شرکت‌ها و دولت‌ها برای درک بهتر تغییرات در زنجیره‌های ارزش جهانی است.

این هدف در نشست ماه گذشته وزرای تجارت گروه 20 به شدت مورد توجه قرار گرفت، که در آن چارچوب نقشه‌برداری جدیدی برای کمک به دولت‌ها در شناسایی معیارهایی مانند تمرکز تامین‌کنندگان، اتصال تجاری، نوسانات تجارت و آسیب‌پذیری صنایع حیاتی مورد تایید قرار گرفت.

بر اساس یک سند نتیجه که هفته گذشته منتشر شد، ایده کمک به دولت‌ها برای ارزیابی انعطاف‌پذیری زنجیره‌های تامین جهانی و توسعه اقداماتی برای کاهش شوک‌های خارجی است. این گروه از مرکز تجارت بین‌الملل جدید مرکز تجارت جهانی پشتیبانی کرد – ابزاری مبتنی بر هوش مصنوعی که داده‌های تجارت را با الگوریتم‌های پیش‌بینی مطابقت می‌دهد تا به شرکت‌ها و سیاست‌گذاران کمک کند تا استراتژی‌های صادراتی خود را تیز کنند.

مراقب هایپ باشید

ابزارهای هوش مصنوعی روزی می توانند زمان و تحقیقات مورد نیاز برای انعقاد قراردادهای تجاری و محاسبه سریع و دقیق عوارض کالاهای ارسالی را کاهش دهند. اما محدودیت‌های آشکاری برای فناوری وجود دارد و برخی از جنبه‌های سیاست تجارت بین‌الملل را نمی‌توان با هوش مصنوعی تکرار کرد.

وندی کاتلر، معاون مؤسسه سیاست جامعه آسیا، گفت: «هوش مصنوعی می‌تواند به آماده‌سازی بهتر مذاکره‌کنندگان کمک کند، اما نمی‌تواند جایگزین مذاکرات واقعی شود، جایی که عنصر انسانی در اولویت قرار دارد». توانایی گوش دادن و پردازش آنچه که طرف مذاکره واقعاً می‌گوید، خواندن زبان بدن و ارائه ایده‌های غیررسمی در محل برای رفع شکاف‌ها توسط فناوری انجام نمی‌شود.

دقت داده ها نیز به دلیل شکاف ها و تناقضات موجود در آمار تجارت، یک مانع کلیدی برای کاربردهای هوش مصنوعی باقی مانده است. قاچاق، حمل و نقل و سایر جریان‌های تجاری گزارش‌نشده همچنان به عنوان یک مانع مهم باقی می‌ماند، همانطور که فقدان داده‌های تجاری از روسیه، بلاروس و امارات متحده عربی که انتشار آمار پس از حمله ولادیمیر پوتین به اوکراین را متوقف کردند، نشان می‌دهد.

جان میلر، تحلیلگر ارشد اقتصادی در Trade Data Monitor مستقر در ژنو گفت: بررسی داده ها مهم است. روشی که داده‌ها در این فضا عمل می‌کنند، سیاسی و پیچیده است و به کسی نیاز دارد که بررسی و تأیید کند.»