サプライチェーンプランナー · 業務ごと

需要予測

大企業では、予測そのものがいまや機械で作られている。Unilever は、自社の予測エンジンが40の市場で500万を超える製品と顧客の組み合わせについて、毎週104週間の予測を生成していると述べる。Amazon は、基盤モデルによってセールイベントの長期の全国予測が10%、数百万の人気商品の地域予測が20%改善したと述べる。そして米国 FDA は、自然災害などのシナリオで重要な医療機器の需要を予測するモデルを運用している。

いずれも企業と機関が自らのシステムについて述べたものである。何人のプランナーが予測を調整しているか、計画の職に何が起きたかを報告しているものはない。

補充と在庫

いまではアルゴリズムに決めさせる小売企業もある。Alibaba は、欠品率と在庫水準で自社のアルゴリズムが人間のバイヤーを上回ることを確かめたうえで、アルゴリズムの推奨を最終とする補充システムを模索している。JD.com は自動化率——モデルが出力し、変更されずに採用された補充判断の割合——を測っており、新しいモデルが実地展開で回転日数を5.27日短縮したと報告している。Walmart は、過剰在庫を自動で振り向け直すシステムで5,500万ドルを超える節約になったと述べる。

最大級の小売企業による自社の説明と、企業が共著した研究である。プランナーの人数を測ったものはなく、EU 全体では、AI を利用する企業のうち2025年に物流へ適用したのは6.08%にすぎなかった。

計画会議とトレードオフ

計画を最も自動化した企業でさえ、最終判断は人のものだと説明している。Unilever は、最終的な決定に必要な判断、文脈、経験を提供するのは自社の人々だと述べ、Microsoft のクラウドのサプライチェーンでは、最適化が事業上の必要を満たしているかをプランナーが確認するか、覆す。米国の予測は、ロジスティクス専門職の雇用が2025年から2035年に18%伸びると見ている。

企業が自社の工程について述べたものと、より広い米国の職業についての予測である。計画会議がどう変わったかを測ったものはここにはない。

混乱への対応と計画の立て直し

いまはツールが仮定の分析を回し、プランナーがそれに基づいて動く。Walmart は、プランナーが気象シミュレーションで嵐が在庫、経路、配送にどう影響しうるかを見て、到来前に在庫を配置し直していると述べる。Microsoft では、LLM ベースのツールが導入される前、クラウドのサプライチェーンについての仮定の質問一つに答えるのに、3人を超えるオペレーターと待機中のエンジニア1人が必要だった。

企業による説明である。Microsoft のツールは暫定的な精度しか報告しておらず、どちらもプランナーの時間や人員を測っていない。