Yapay Zeka Öğrenme Kurallarını Değiştirdiğinde, Tedarik Zincirleri de Değişmeli

California Üniversitesi, Berkeley'den bir matematik profesörü, yapay zeka araçlarının artık öğrencilerin yüksek kaliteli yanıtlar üretmesine çok kolay yardımcı olabileceği sonucuna vardıktan sonra ödevleri doğruluk açısından notlandırmayı bıraktı. Profesör Richard Borcherds artık notları esas olarak ödevleri tamamlamaya dayandırıyor ve notları bunun yerine yüz yüze, cihazsız sınavlara göre veriyor.

Bu kararı, bir kampüs politikası tartışmasından daha fazlasıdır. Yetenekli personele bağımlı olan her endüstri için bir uyarıdır – küresel tedarik zincirleri de dahil: yapay zeka cilalı çıktılar üretebildiğinde, kuruluşlar sadece bitmiş yanıtı değil, muhakemeyi, uygulamayı ve sorumluluğu değerlendirmeyi öğrenmelidir.

Tedarik zincirleri için ders

Tedarik zinciri işi, uzun zamandır verileri analiz edebilen, operasyonel sorunları çözebilen ve doğru planlar üretebilen kişileri ödüllendirmiştir. Yapay zeka, tahminleri, rota seçeneklerini, envanter önerilerini, tedarikçi özetlerini ve hatta taslak müzakereleri saniyeler içinde kullanılabilir hale getirerek bu denklemi değiştiriyor.

Ancak doğru görünen bir yapay zeka çıktısı, sağlam bir iş kararıyla aynı değildir. Bir planlayıcı doğru bir talep tahmini alabilir, ancak yine de bunu bir promosyon, tedarikçi kısıtlaması, liman aksaklığı, hava olayı veya müşteri davranışındaki bir değişikliğe karşı sorgulaması gerekebilir. İnsan katkısı, yanıtı üretmekten onu sorgulamaya, doğrulamaya ve üzerinde hareket etmeye doğru kayıyor.

Yanıtlardan muhakemeye

Borcherds'in endişesi, nihai yanıtları notlandırmanın artık bir öğrencinin temel matematiği anladığını kanıtlamamasıdır. Aynı sorun tedarik zincirleri için de geçerlidir: cilalı, yapay zeka tarafından oluşturulmuş bir rapor, bir planlayıcının envanter riskini, tedarikçi kapasitesini, ticaret kurallarını veya stok tükenmesinin sonuçlarını anladığını kanıtlamaz.

Gelecekteki tedarik zinciri yetenekleri bu nedenle muhakemelerini açıklamaya, bir tavsiyeyi savunmaya, veri boşluklarını belirlemeye ve bilgi eksik olduğunda kararlar almaya eğitilmelidir. Bunlar, yapay zeka ilk taslağı, hesaplamayı veya alternatif senaryoyu üretebildiğinde değerli kalan becerilerdir.

Yetenek gelişimini yeniden düşünün

Tedarik zinciri endüstrisi, yapay zekayı yasaklayarak veya onu bir kısayol olarak görerek yanıt vermemelidir. Bunun yerine, genç profesyonellerin yapay zekayı bir düşünme ortağı olarak kullanırken temel operasyonel muhakemeyi geliştirmeye devam etmeleri için öğrenmeyi ve çalışmayı yeniden tasarlamalıdır.

Bu, insanları rutin görevleri tamamlamaları için eğitmenin ötesine geçmek anlamına gelir. Çıraklıklar, canlı simülasyonlar, tedarikçi müzakereleri, aksaklık yanıtı egzersizleri ve gerçek operasyonel projeler, genç bir profesyonelin analizi sorumlu eyleme dönüştürüp dönüştüremeyeceğini gösterebilir. İşverenler, adayların sorunları nasıl çerçevelediğini, yapay zeka önerilerine nasıl meydan okuduğunu, fonksiyonlar arası nasıl işbirliği yaptığını ve bir kararın arkasındaki ödünleşimleri nasıl açıkladığını değerlendirmelidir.

Giriş seviyesi öğrenmeyi koruyun

Gartner, tedarik zinciri liderlerinin %55'inin ajans yapay zekanın giriş seviyesi işe alım ihtiyacını azaltmasını beklerken, %51'inin yapay zeka ajanlarını denetlemeye doğru bir kayma beklediğini bildiriyor. Aynı zamanda, %86'sı yapay zekanın gelecekteki yetenek havuzlarını geliştirmek için yeni süreçler gerektireceği konusunda hemfikir.

Bu bir risk yaratır: eğer yapay zeka, genç personelin bir zamanlar öğrendiği rutin görevleri üstlenirse, şirketler deneyimli planlayıcıların ve operasyon liderlerinin yeni neslini geliştirmekte zorlanabilir. Çözüm, giriş seviyesi rolleri denetimli karar verme, istisna yönetimi, tedarikçi katılımı ve sürekli öğrenme etrafında yeniden tasarlamaktır – sadece onları ortadan kaldırmak değil.

Yapay zekaya hazır yetenekler oluşturun

Tedarik zinciri kuruluşları, yapay zeka okuryazarlığını temel bir yetenek haline getirmeli, ancak bunu geniş bir şekilde tanımlamalıdır. Bir modeli nasıl yönlendireceğini bilmek yeterli değildir; profesyoneller veri kalitesini, model sınırlamalarını, yanlılığı, siber güvenliği, sorumluluğu ve insan muhakemesinin otomatik bir öneriyi ne zaman geçersiz kılması gerektiğini anlamalıdır.

Pratik bir yaklaşım, yapay zeka destekli her iş akışını bir insan kontrol noktasıyla eşleştirmektir. Örneğin, yapay zeka olası bir tedarik aksaklığını belirleyebilir, ancak bir planlayıcı kaynağı doğrulamalı, iş etkisini değerlendirmeli, etkilenen ortaklara danışmalı ve yanıtı kararlaştırmalıdır. Bu, sorumluluğu korurken hızı da muhafaza eder.

Sonuç

Berkeley profesörünün kararı, yapay zekanın eğitimi bir yanıt üretmek ile anlayışa sahip olmak arasında ayrım yapmaya zorladığını gösteriyor. Küresel tedarik zincirleri de aynı testle karşı karşıya. Başarılı olacak kuruluşlar, yapay zekayı insan muhakemesini güçlendirmek, erken kariyer rollerini öğrenme fırsatları olarak yeniden tasarlamak ve belirsizlik içinde karmaşık ağlara liderlik edebilecek yetenekler geliştirmek için kullananlar olacaktır.

Kaynak: https://www.ndtv.com/world-news/california-professor-stops-grading-homework-after-spotting-students-growing-reliance-on-ai-12240518