L'étude Blue Yonder a révélé que 80% des organisations mondiales ont piloté ou mis en œuvre l'intelligence artificielle générative (IA) dans leurs chaînes d'approvisionnement. Cependant, aller au-delà d'un projet pilote et intégrer l'IA dans les processus d'entreprise afin d'en exploiter pleinement le potentiel constitue un défi majeur. % Selon le Project Management Institute, entre 70 et 80 % des initiatives en matière d'IA se soldent par un échec, ce qui montre à quel point il peut être difficile d'adapter les outils et les technologies d'IA et d'apprentissage automatique existants aux contextes de l'industrie.
L'un des principaux obstacles réside dans l'architecture technique. Les solutions ponctuelles pour les processus de la chaîne d'approvisionnement ne sont pas adaptées pour fournir à l'IA les données dont elle a besoin. Les entreprises qui s'appuient sur des solutions ponctuelles et des processus par lots ne sont pas en mesure de fournir aux outils d'IA la bonne qualité de données, suffisamment rapidement, et n'ont pas la vision de bout en bout nécessaire pour s'assurer que l'outil d'IA qu'elles adoptent offrira des décisions ou des optimisations utiles.
Dans ce blog, nous explorerons trois façons d'améliorer l'architecture technologique de la chaîne d'approvisionnement pour permettre aux entreprises d'adopter l'IA et d'en tirer de la valeur - et nous montrerons comment l'architecture technique de Blue Yonder a été conçue à cette fin.
Modèle de données adapté à l'IA
Un modèle de données commun sert de cadre normalisé qui définit la manière dont les données sont structurées et interconnectées entre les différents systèmes et applications. Il fournit un schéma unifié, garantissant la cohérence et l'interopérabilité des données afin que les différents systèmes communiquent efficacement.
Un modèle de données adapté à l'IA est structuré de manière à permettre à l'IA/ML de première partie d'exploiter les données avec plus de rapidité et de précision, ce qui permet d'accélérer les recommandations et les analyses des causes profondes. Par exemple, les données sous cette forme peuvent être utilisées par les capacités de ML et d'IA de Blue Yonder, qui sont à la pointe de l'industrie et qui créent des informations précises et explicables sur l'ensemble des produits. Mais surtout, un modèle de données commun axé sur l'IA permet également aux agents d'IA externes d'ingérer et d'utiliser facilement les données. Ces agents peuvent s'appuyer à la fois sur des données d'entreprise de première main et sur des données tierces provenant de l'extérieur de l'entreprise pour faire des prédictions mieux informées et suggérer les bonnes actions.
Si cette pièce architecturale clé n'est pas conçue pour répondre aux besoins de l'IA, les agents d'IA externes auront du mal à ingérer les données de l'entreprise et à formuler des recommandations pertinentes. Pour s'assurer que nos clients puissent adopter efficacement l'IA agentique de pointe, Blue Yonder a fourni un modèle de données adapté à l'IA dans la dernière version du produit (24.4) afin d'améliorer les performances de notre IA intégrée et de permettre une intégration plus facile avec des agents et des applications d'IA externes.