AGR:s vd Haukur Hannesson deltog nyligen tillsammans med Clarus vd Dan Walsh i en livestream i serien ”Clarity in Conversation”, där de diskuterade resan från prognos till leverans och hur bättre data, AI och uppkopplade system förändrar hanteringen av leveranskedjan.
Under diskussionen belystes några av de klyftor som fortfarande finns mellan prognosarbete, inköp och lagerverksamhet, samt den snabba utvecklingen av AI inom planeringen av leveranskedjan och vad detta innebär för de som fattar beslut inom detta område.
Bland de ämnen som behandlades fanns:
- Att koppla samman prognoser, inköp och lagerverksamhet
- Använda data för att balansera tillgänglighet och lagerinvesteringar
- AI:s växande roll i de dagliga besluten inom leveranskedjan
- Att använda AI för att prognostisera efterfrågan på nya produkter
- Hur AI-assistenter går från att svara på frågor till att arbeta med realtidsdata från verksamheten
- Potentialen hos Model Context Protocol (MCP) att koppla samman människor, AI och leveranskedjesystem
- Att bygga ett konkret affärsunderlag för bättre lagerplanering
Att bryta ner silos i leveranskedjan
Ett av huvudtemana var att problem i leveranskedjan inte alltid beror på dålig planering inom ett enskilt team. Ofta är det klyftorna mellan teamen som skapar problemet.
Haukur delade med sig av exempel på företag där inköpsteamen först fått kännedom om en kommande kampanj när de sett annonsen. Vid den tidpunkten kan leverantörernas ledtider göra det omöjligt att få in det nödvändiga lagret i tid.
Samma problem kan uppstå längre ner i kedjan. Inköpsavdelningen kan optimera påfyllningen utifrån efterfrågan, men lagret kanske inte har kapacitet att ta emot alla dessa order på en gång.
Bättre system och data kan bidra till att koppla samman dessa beslut, men Haukur betonade att tekniken inte är hela svaret. Tydlig kommunikation och tydliga processer mellan avdelningarna är också viktiga.
AI behöver fortfarande den mänskliga touchen
AI inom planeringen av leveranskedjan blev naturligtvis ett centralt inslag i diskussionen, särskilt med tanke på hur mycket som har förändrats sedan Haukur senast anslöt sig till Clarus-teamet för sex månader sedan.
AGR:s AI-assistent, Finn, har redan gått från att hjälpa användarna att hitta allmän information och dokumentation till att arbeta med deras egna lageruppgifter. Användarna kan nu ställa frågor om sitt lager på naturligt språk, till exempel om de har tillräckligt av en viss produkt eller tillräckligt med lager inför en kommande säsong.
AGR använder också AI direkt för prognoser. Haukur tog upp utmaningen med att förutsäga efterfrågan på nya produkter, där det saknas försäljningshistorik som traditionella statistiska modeller kan utgå ifrån. AI kan utgå från en ny produkts egenskaper och mönster från liknande produkter för att skapa en initial prognos, som sedan anpassas i takt med att faktiska försäljningsdata blir tillgängliga.
Men även om AI tar över en större del av analysarbetet anser Haukur att mänsklig expertis fortfarande är avgörande.
”När detta görs på rätt sätt använder man data och AI för att beräkna behovet och avgöra när man ska agera”, förklarade han. ”Men sedan behövs alltid en mänsklig insats utöver det.”
Människor bidrar fortfarande med information och sammanhang som beräkningarna inte nödvändigtvis fångar upp – allt från kundsamtal och kommande aktiviteter till kunskap om vad som händer på andra delar av verksamheten.
Möjligheten ligger alltså inte i att ta bort människor från planeringen av leveranskedjan. Det handlar istället om att automatisera mer av det tunga arbetet och ge planerarna bättre information, så att de kan ägna mer tid åt att tillämpa sin expertis där den gör störst skillnad.
Att göra värdet konkret
Diskussionen kom också tillbaka till affärsnyttan av bättre lagerplanering.
Haukur delade in den potentiella avkastningen i tre områden: automatisering, lagerhållningskostnader och servicenivåer. Han tog som exempel ett företag med ett lager värderat till 10 miljoner pund. Om en förbättrad planering skulle kunna minska lagret med 20 procent samtidigt som samma servicenivå bibehålls, skulle företaget frigöra 2 miljoner pund från lagret.
Om man utgår från en tumregel om att de årliga innehavskostnaderna uppgår till 25 %, innebär denna minskning en potentiell årlig besparing på 500 000 pund – utan att räkna med värdet av den tid som personalen sparar tack vare automatiseringen eller den positiva inverkan som bättre tillgänglighet kan ha på försäljningen och kundlojaliteten.
Det är en bra påminnelse om det övergripande temat bakom diskussionen. Ny teknik, AI och ökad uppkoppling förändrar hur leveranskedjorna fungerar, men målet är fortfarande detsamma: att ha rätt varor i lager när de behövs, hålla lagerinvesteringarna under kontroll och ge medarbetarna den information de behöver för att fatta bättre beslut.
