Zamislite da svakoga dana morate odlučivati o 50.000 proizvoda. Koliko će se svakog prodati? Koliko ga treba imati na zalihi i kada ga naručiti? Što ako dobavljač zakasni ili potražnja neočekivano poraste? Pogreška ima cijenu u oba smjera. Premalo robe znači praznu policu i izgubljenu prodaju, a previše kapital zarobljen u skladištu.
U jednom distribucijskom sustavu kojim se upravlja uz pomoć BE-ternina AI rješenja danas se pouzdano predviđa potražnja za više od 85 posto artikala. Automatizirano praćenje zaliha i preporuke za naručivanje smanjili su ručni rad nabavnih stručnjaka do 50 posto, dok je razina zaliha smanjena između 25 i 65 posto, ovisno o kategoriji proizvoda. To je umjetna inteligencija o kojoj se govori znatno manje od ChatGPT-a, a njezin se učinak vidi u bilanci.
“Najveća promjena događa se kada AI prestanemo promatrati kao zaseban alat i počnemo ga ugrađivati u poslovni proces. Ako stručnjak više ne mora svakodnevno pregledavati tisuće artikala, njegov posao ne nestaje. Naprotiv, može se baviti onim odlukama u kojima su njegovo iskustvo i procjena zaista potrebni”, kaže Alan Uzelac, voditelj prodaje BE-terne Hrvatska.
ChatGPT ne poznaje vašeg dobavljača
Paradoks AI modela jest da mogu znati nevjerojatno mnogo – i gotovo ništa o kompaniji koja ih želi koristiti.
Mogu objasniti upravljanje zalihama, analizirati tržišne trendove ili u nekoliko sekundi sastaviti izvještaj koji bi čovjek pisao sat vremena. Ali ne znaju da dobavljaču vaše tvrtke treba 45 dana za isporuku, da se određeni proizvod u Dubrovniku u srpnju prodaje tri puta više nego u veljači ili da je za pojedinu kategoriju prihvatljiva veća sigurnosna zaliha jer nestašica nosi velik poslovni rizik. Takve su informacije često važnije za odluku od svega što je AI naučio na internetu. “Model može biti iznimno moćan, ali bez poslovnog konteksta on ne poznaje vašu kompaniju. Ne zna njezina pravila, iznimke, kupce ni način na koji se odluke stvarno donose. Zato konkurentska prednost neće biti samo u tome tko koristi AI, nego tko ga uspije povezati s vlastitim znanjem”, objašnjava Uzelac.
U BE-terni tu arhitekturu opisuju kao “AI mozak” kompanije. Nije riječ o jednom supermodelu, nego o povezivanju AI-ja s ERP-om, podacima, dokumentima, poslovnim pravilima i znanjem ljudi koji vode pojedine procese. Tu počinje druga faza AI revolucije.
Kad posao od nekoliko dana stane u jedan sat
Dobar primjer dolazi iz maloprodaje. Problem velikih trgovačkih sustava nije samo koliko robe imaju, nego gdje se ona nalazi. Jedna trgovina može imati višak proizvoda koji se slabo prodaje, dok ga druga nema dovoljno. Pomnoženo sa stotinama trgovina i tisućama artikala, premještanje robe postaje vrlo složen problem. U jednom retail sustavu AI je preuzeo više od 90 posto planiranja nadopune zaliha.
Proces koji je prije trajao nekoliko dana skraćen je na manje od sat vremena, a troškovi transporta pali su 20 posto. Od robe koju je algoritam predložio premjestiti, 87 posto artikala prodano je u sljedećih 14 dana. AI nije samo izračunao gdje ima previše kutija, nego i predvidio gdje je vjerojatnije da će ih netko kupiti. Za to mora povezati prodajnu povijest, lokaciju, količine, sezonalnost, transport, rokove i pravila kompanije. Algoritam je samo dio jednadžbe.
“U poslovnoj primjeni nije dovoljno pitati koliko je algoritam dobar. Puno je važnije pitati kakvu je odluku omogućio i što se zbog te odluke promijenilo. Je li roba dostupnija? Imamo li manje kapitala u zalihama? Trošimo li manje vremena na rutinske provjere? To su metrike koje management razumije”, kaže Uzelac.
AI ne mora biti spektakularan da bi bio vrijedan
Možda najbolji dokaz dolazi iz kompanije koja posluje s medicinskim proizvodima. Sustav obuhvaća više od 5.000 proizvoda, 17 trgovina i 39 dobavljača. AI model ondje postiže 96-postotnu točnost u predviđanju potražnje. Na prvi pogled riječ je o klasičnoj optimizaciji zaliha. No u medicinskoj djelatnosti pogrešna prognoza nema samo financijsku posljedicu. Ako proizvoda nema gdje je potreban, dostupnost dobiva sasvim drugu težinu.
Stvarna vrijednost AI-ja često je u procesima koji ne djeluju futuristički: da je prava količina proizvoda na pravom mjestu, da proizvodnja na vrijeme dobije sirovinu ili da stručnjak uoči problem prije nego što postane skup.
Što se događa kada zakasni jedan kamion?
U proizvodnji je još zanimljivije. Prodaja, proizvodnja, sirovine, nabava i zalihe često se planiraju u različitim sustavima i dijelovima kompanije. Ali stvarni svijet ne poštuje njezinu organizacijsku shemu. Ako prognoza potražnje poraste, mora se promijeniti proizvodni plan. To mijenja potrebe za sirovinama te utječe na nabavu, rokove i stanje skladišta. Kašnjenje jednog dobavljača nekoliko se koraka poslije može pretvoriti u problem s isporukom kupcu.
AI nije zanimljiv zato što brže računa, nego zato što povezuje posljedice. Ako dobavljač kasni, sustav može pokazati koji će proizvod nedostajati, kada će se problem pojaviti i na koje bi kupce mogao utjecati. Management više ne gleda samo što se dogodilo, nego može reagirati na ono što će se vjerojatno dogoditi.
Natječaj od 300 stranica ne mora čitati samo čovjek
Generativni AI otvara drukčiji problem. Kompanija dobije stotine stranica natječajne dokumentacije, a rok je kratak. Netko mora pronaći zahtjeve, usporediti ih s mogućnostima kompanije, pregledati stare ponude i reference, utvrditi što nedostaje i sastaviti odgovor. BE-ternin ARTUR razvijen je za takav posao. Sustav čita dokumentaciju, strukturira zahtjeve i povezuje ih s internim znanjem kompanije – prethodnim ponudama, referencama i pravilima. Potom može pripremiti fit-gap analizu: što kompanija može ispuniti, gdje postoje odstupanja i što treba dodatno razraditi, te na kraju nacrt odgovora.
Posljednja riječ ipak ostaje čovjeku. “Ne vidim najveću vrijednost generativnog AI-ja u tome da umjesto stručnjaka donese konačnu odluku. Vrijednost je u tome da mu ukloni sate pretraživanja, uspoređivanja i ponavljajućeg rada. Ako stručnjaku oslobodimo vrijeme da se bavi rizikom, rješenjem i kvalitetom ponude, onda smo tehnologijom promijenili proces, a ne samo ubrzali jedan zadatak”, kaže Uzelac.
Isti AI imat će svi. I što onda?
Za kompanije se nameće pitanje važnije od odabira AI alata.
AI modeli dostupni su svima. Konkurent može kupiti istu tehnologiju, oblak i agenta. Ako svi imaju usporedivu inteligenciju, gdje nastaje prednost?
Odgovor je u onome što konkurencija nema. U desetljećima podataka o kupcima. U povijesti narudžbi. U informacijama o dobavljačima. U pravilima prema kojima se određuju cijene. U tisućama starih ponuda i projekata. U iznimkama koje nigdje nisu formalno zapisane, ali ih iskusan zaposlenik prepoznaje u nekoliko sekundi. To je poslovni kontekst. Kompanije koje žele ozbiljno koristiti AI morat će napraviti nešto znatno manje atraktivno od kupnje najnovijeg modela: urediti podatke, povezati sustave, definirati procese i pretvoriti dio znanja koje danas postoji samo u glavama zaposlenika u znanje dostupno sustavu.
Uzelac smatra da će upravo tu nastati sljedeća velika razlika među kompanijama. “Za nekoliko godina neće biti posebno zanimljivo reći da kompanija koristi umjetnu inteligenciju. Koristit će je praktički svi. Puno će važnije biti koliko dobro AI razumije poslovanje u kojem radi. Model možete kupiti. Kontekst morate izgraditi sami.”
Možda je zato najvrjednija stvar koju će kompanije dati umjetnoj inteligenciji upravo ono što ona danas nema: objašnjenje kako njihov posao zaista funkcionira.
* Sadržaj omogućila BE-terna
