AGR’s administrerende direktør, Haukur Hannesson, deltog for nylig sammen med Clarus’ administrerende direktør, Dan Walsh, i en livestream under titlen »Clarity in Conversation«, hvor de udforskede forløbet fra prognose til levering og hvordan bedre data, kunstig intelligens og sammenkoblede systemer er ved at ændre styringen af forsyningskæden.
I diskussionen blev der set nærmere på nogle af de kløfter, der stadig eksisterer mellem prognoser, indkøb og lagerdrift, samt den hurtige udvikling inden for kunstig intelligens i planlægningen af forsyningskæden og hvad det betyder for de personer, der træffer beslutninger vedrørende forsyningskæden.
Blandt de behandlede emner var:
- Sammenkobling af prognoser, indkøb og lagerdrift
- Brug af data til at afbalancere tilgængelighed og lagerinvesteringer
- AI’s voksende rolle i de daglige beslutninger i forsyningskæden
- Brug af AI til at forudsige efterspørgslen efter nye produkter
- Hvordan AI-assistenter går fra at besvare spørgsmål til at arbejde med live forretningsdata
- Model Context Protocol (MCP)s potentiale til at forbinde mennesker, AI og forsyningskædesystemer
- Opbygning af en konkret business case for bedre lagerplanlægning
Nedbrydning af siloer i forsyningskæden
Et af de centrale temaer var, at problemer i forsyningskæden ikke altid skyldes dårlig planlægning inden for et enkelt team. Ofte er det netop kløften mellem de forskellige teams, der skaber problemet.
Haukur delte eksempler på virksomheder, hvor indkøbsafdelingerne først blev opmærksomme på en kommende kampagne, da de så reklamen for den. På det tidspunkt kan leverandørernes leveringstider gøre det umuligt at få det nødvendige lager ind på lageret i tide.
Det samme problem kan opstå længere nede i forsyningskæden. Indkøbsafdelingen optimerer måske genopfyldningen ud fra efterspørgslen, men lageret har måske ikke kapacitet til at modtage alle disse ordrer på én gang.
Bedre systemer og data kan hjælpe med at forbinde disse beslutninger, men Haukur understregede, at teknologi ikke er hele løsningen. Tydelig kommunikation og klare processer mellem afdelingerne er også vigtige.
AI har stadig brug for det menneskelige touch
Kunstig intelligens i planlægningen af forsyningskæden blev naturligvis et centralt emne i samtalen, især i betragtning af hvor meget der har ændret sig, siden Haukur sidst blev en del af Clarus-teamet for seks måneder siden.
AGR’s AI-assistent, Finn, er allerede gået fra at hjælpe brugerne med at finde generelle oplysninger og dokumentation til at arbejde med deres egne lagerdata. Brugerne kan nu stille spørgsmål om deres lagerbeholdning på naturligt sprog, f.eks. om de har nok af et bestemt produkt eller tilstrækkeligt lager til en kommende sæson.
AGR anvender også AI direkte til prognoser. Haukur talte om udfordringen ved at forudsige efterspørgslen efter nye produkter, hvor der ikke findes nogen salgshistorik, som traditionelle statistiske modeller kan basere sig på. AI kan bruge egenskaberne ved en ny vare og mønstre fra lignende produkter til at udarbejde en indledende prognose, som derefter tilpasses, efterhånden som reelle salgsdata bliver tilgængelige.
Men selvom AI overtager en større del af analysen, mener Haukur, at menneskelig ekspertise fortsat er afgørende.
»Når det gøres rigtigt, bruger man dataene og AI til at beregne behovet og afgøre, hvornår man skal reagere,« forklarede han. »Men så har man altid brug for et menneskeligt indblik oven i det.«
Mennesker bidrager stadig med information og kontekst, som beregningerne ikke nødvendigvis fanger – lige fra kundesamtaler og kommende aktiviteter til viden om, hvad der sker andre steder i virksomheden.
Muligheden ligger altså ikke i at fjerne mennesker fra planlægningen af forsyningskæden. Den ligger i at automatisere en større del af det tunge arbejde og give planlæggerne bedre information, så de kan bruge mere tid på at anvende deres ekspertise dér, hvor det gør den største forskel.
Gør værdien håndgribelig
Samtalen vendte også tilbage til forretningsargumentet for bedre lagerplanlægning.
Haukur inddelte det potentielle afkast i tre områder: automatisering, lageromkostninger og serviceniveauer. Han nævnte som eksempel en virksomhed med et lager på 10 millioner pund. Hvis en forbedret planlægning kunne reducere dette lager med 20 % og samtidig opretholde det samme serviceniveau, ville virksomheden frigøre 2 millioner pund fra lageret.
Hvis man anvender en tommelfingerregel om årlige driftsomkostninger på 25 %, svarer denne reduktion til en potentiel årlig besparelse på 500.000 £ – uden at medregne værdien af den tid, personalet sparer gennem automatisering, eller den indvirkning, som bedre tilgængelighed kan have på salget og kundefastholdelsen.
Det er en nyttig påmindelse om det overordnede tema bag diskussionen. Ny teknologi, kunstig intelligens og øget digital sammenkobling ændrer den måde, forsyningskæderne fungerer på, men målet er stadig det samme: at have det rigtige lager til rådighed, når der er brug for det, holde lagerinvesteringerne under kontrol og give medarbejderne de oplysninger, de har brug for til at træffe bedre beslutninger.
