AI i rozwiązania inteligentne dominują zestawienie trendów technologicznych, które zmieniają sposób organizacji i działania łańcuchów dostaw. Bezpieczne i efektywne zastosowanie AI wymaga dobrego przeanalizowania założeń i specyficznych, wrodzonych cech zarówno samej sztucznej inteligencji, jak i łańcuchów dostaw.
Gartner przedstawił osiem trendów technologicznych, które w największym stopniu będą kształtować łańcuchy dostaw w 2025 roku. Odzwierciedlają one dążenie do poprawy łączności i zastosowania rozwiązań inteligentnych w łańcuchach dostaw. Firmy spodziewają się uzyskać dzięki temu poprawę efektywności operacyjnej i zdolności adaptacyjnych. Na liście 8 trendów znalazły się:
- Ambient Invisible Intelligence, czyli ukryta inteligencja kontekstowa – wykorzystanie działających „w tle”, tanich, inteligentnych tagów i sensorów do śledzenia i monitorowania produktów w czasie rzeczywistym. Celem tego nieustannego monitoringu jest zwiększenie transparentności i efektywności pracy łańcucha dostaw.
- Augmented Connected Workforce (ACWF), czyli wspomagana i zintegrowana siła robocza. Integracja narzędzi cyfrowych ma w tym wypadku na celu zwiększenia jakości decyzji i ograniczenie zmienności, uproszczenie integracji pracy, co przełoży się na poprawę wydajności pracowników.
- Multimodalne interfejsy użytkownika (UI) służą wprowadzeniu interakcji z systemami za pomocą różnych metod komunikacji. Nie tylko poprawia to ergonomię, doświadczenie użytkownika, ale podnosi także efektywność pracy.
- Roboty wielofunkcyjne – zdolne do wykonywania wielu zadań i adaptacji do nowych ról, co zwiększa elastyczność operacyjną.
- Systemy agentów AI, zdolne do autonomicznego podejmowania decyzji, komunikacji między sobą, co zwiększa adaptacyjność i efektywność operacyjną.
- Autonomiczne zbieranie danych – wykorzystanie dronów i mobilnych robotów do automatycznego gromadzenia danych, co służy poprawieniu ich jakości i wyłączeniu z takich żmudnych procesów ludzi.
- Inteligencja decyzyjna – połączenie modelowania decyzji, AI i analityki w celu wspierania, wzmacniania i automatyzacji podejmowania decyzji, co prowadzi do lepszych wyników biznesowych.
- Inteligentna symulacja – integracja AI i uczenia maszynowego z tradycyjnymi modelami symulacyjnymi w celu poprawy zdolności predykcyjnych i podejmowania decyzji w operacjach łańcucha dostaw.
Geopolityka przenika AI i wpływa na łańcuchy dostaw
Zwraca uwagę oczywiście szerokie włączanie, właściwie w każdym z trendów, narzędzi i rozwiązań AI. Ciekawe przykłady zastosowania AI przedstawił Mateusz Linda, Head of AI w Hapag-Lloyd AG podczas konferencji Liderzy IT, podsumowującej cykl spotkań poświęconych wdrażaniu rozwiązań AI, zorganizowany przez prof. Andrzeja Sobczaka i Jana Marię Kowalskiego, Head of AI w Banku Pekao SA.
Trzy omówione przedsięwzięcia, to:
- model predykcji zawinięć statków jako długofalowe, procesowe, z podejściem dostosowawczym, prowadzony równolegle do migracji ERP;
- budowa własnego modelu AI (w trakcie) do obsługi klientów na bazie 20 mln zgłoszeń otrzymywanych od klientów rocznie, który zastąpi usługę AI globalnego dostawcy uzyskującego 15% poprawnej klasyfikacji zgłoszeń i komunikacji;
- wewnętrzna platforma GenAI do codziennej pracy, jako środowisko tworzenia domenowych agentów, stale odnoszone pod względem wydajności do rozwiązań zewnętrznych.
Całość przedsięwzięć ma być ponadto obudowywana globalnym governance AI, z zarządzającym ciałem roboczym w skład którego wchodzi m.in. reprezentacja działów cyberbezpieczeństwa, danych, zamówień. Mateusz Linda zwrócił ponadto uwagę na splątanie trendów technologicznych dotyczących AI z sytuacją geopolityczną. Było to na świeżo po niedopuszczeniu do dystrybucji w krajach Unii Europejskiej modelu Llama 4. W sytuacji, gdy wydajność środowiska opartego na układance zewnętrznych i wewnętrznie budowanych modeli AI wymaga jego stałego, dynamicznego odświeżania i aktualizacji, taki czynnik może stanowić strategiczne ryzyko.
AI zwiększa wrażliwość łańcuchów dostaw
Więcej wątków dotyczących ryzyka adaptacji AI w łańcuchach dostaw dostarcza interesująca rozmowa z Jamesem Whitem (CTO Calypso AI), opublikowana w serwisie Supply Chain 24/7.
Wskazuje on z jednej strony oczywiste, uniwersalne konsekwencje wdrażania AI, które dotyczą wszystkich sektorów. Wielość punktów implementacji AI zwiększa powierzchnię ataku – każdy etap wdrożenia AI (np. analiza etykiet, optymalizacja tras, monitorowanie temperatur) to potencjalne nowe furtki dla hakerów. Atakując najsłabiej zabezpieczony fragment, np. druk etykiet, można zakłócić cały ciąg logistyczny i doprowadzić np. do psucia żywności.
Wrażliwy punkt stanowi także kwestia różnorodności poziomów zabezpieczeń. Uczestnicy łańcucha (magazyny, hurtownie, firmy delivery) często korzystają ze starszej infrastruktury bez nowoczesnych mechanizmów ochronnych. AI może niechcący ujawnić słabości w starym kodzie lub w modelach dostępu, zwłaszcza gdy wymaga dzielenia się danymi w czasie rzeczywistym między wieloma podmiotami. „Słabe ogniwa są szczególnie niebezpieczne, ponieważ systemy sztucznej inteligencji często wymagają udostępniania danych w czasie rzeczywistym między wieloma dostawcami, partnerami i regionami geograficznymi” – mówił James White.
Pojawiają się jednak nowe wektory ataku, ściśle związane z AI. Hakerzy szybko uczą się specyfiki modeli: manipulują danymi wejściowymi (np. obrazami etykiet), by wpłynąć na decyzje AI.
Do zabezpieczenia rozwiązań AI stosowanych w łańcuchu dostaw można za to posłużyć się sztuczną inteligencją dedykowaną do cyberbezpieczeństwa. Takie systemy AI mogą monitorować inne rozwiązani w czasie rzeczywistym, wychwytywać anomalie (np. nietypowe sekwencje decyzji) i blokować podejrzane działania zanim wyrządzą szkody. Architektura ta wymaga wdrożenia warstwy obronnej już na etapie planowania agenta AI, a nie dopiero po rozpoczęciu jego działania. W ocenie White’a, powszechnie przyjmowane są jednak błędne założenia dotyczące zabezpieczeń. Tymczasem tradycyjne rozwiązania bezpieczeństwa (firewalle, antywirusy) nie uwzględniają specyfiki luk w modelach AI, np. podatności na halucynowanie. Konieczne jest włączenie testów bezpieczeństwa dla samych modeli (AI red-teaming) i monitorowanie pod kątem nowych, nieznanych ataków zero-day.
Projektowanie AI z myślą o bezpieczeństwie
Kluczem do sukcesu jest nie tylko wdrożenie zaawansowanych rozwiązań, ale także zaprojektowanie ich od początku z myślą o bezpieczeństwie – od wyboru przypadków użycia, przez dobór modeli, aż po ciągłe testowanie i monitorowanie w produkcji. Dzięki temu AI nie stanie się piętą achillesową łańcucha dostaw, lecz jego kolejnym filarem odporności operacyjnej.
James White podpowiada kilka podstawowych założeń, które powinny lec u podstaw szerokiego zastosowania AI w łańcuchach dostaw:
- dobór odpowiedniego przypadku użycia – tylko tam, gdzie AI naprawdę wnosi wartość;
- mapowanie istniejących zabezpieczeń i analiza, które z istniejących należy wzmocnić w kontekście AI;
- staranny wybór i ocena modelu pod kątem jakości wyników i odporności na ataki;
- wdrożenie testów bezpieczeństwa w cyklu SDLC, wprowadzenie AI red-teaming i symulacji ataków;
- ciągłe monitorowanie i aktualizacje, obrona przed zero-day i dynamiczna adaptacja zabezpieczeń.
Poznać i oswoić wrodzone słabości
Ograniczenia i ryzyka związane z wykorzystaniem AI w łańcuchach dostaw obejmują także inne czynniki. Cechą AI jest nieumiejętność przewidywania wpływu zdarzeń nieprzewidywalnych, jak decyzje polityczne, co ogranicza jej skuteczność w dynamicznym środowisku. Ma to szczególne znaczenie w rozległych, globalnych łańcuchach dostaw.
Gartner wskazuje z kolei także na niedobór talentów i błędne założenia odnośnie celu. Wiele firm planuje wykorzystać generatywną AI do redukcji zatrudnienia do obsługi łańcucha dostaw, co może prowadzić do niedoboru talentów i problemów z utrzymaniem pracowników.
Z kolei niedostateczna jakość i reprezentatywność danych ograniczają możliwość stosowania zaawansowanych technik AI, takich jak głębokie uczenie, w automatyzacji procesów.
Wszystkie te trudności nie powinny przesłonić potencjalnych korzyści. Cytowany raport Gartnera podaje, że najlepsze organizacje łańcucha dostaw wykorzystują sztuczną inteligencję do optymalizacji procesów w tempie ponad dwukrotnie wyższym niż słabsze organizacje. „Organizacje osiągające najlepsze wyniki w zakresie łańcucha dostaw podejmują decyzje inwestycyjne z innego punktu widzenia niż ich rówieśnicy osiągający gorsze wyniki” – podsumował Ken Chadwick, VP Analyst z Gartnera.
