該系統 IS 使用者
供應鏈規劃的新方法
系統的設計始終是為了增強並幫助使用者做出更好、更快的決策。他們的角色是助理或助手的角色，以執行數值計算或可以自動化的日常任務。在與硬體非常相似的軟體中，所謂的機器人和日常流程都是自動化的，這使得用戶的工作變得更容易，並且可以更快地做出更高品質的決策。然而，異常和不可預測但不可避免的事件是由用戶處理的。這是因為系統的設計並未考慮到不確定性。但不確定性，尤其是在供應鏈規劃方面，是常態而非例外。操作方式一直是系統幫助用戶，但是隨著人工智慧和大型語言模型（LLM）的出現，我們正處於用戶幫助系統的時間點。換句話說，系統是做決策的“用戶”，時不時地去找“他的老闆”，也就是真正的用戶，問“我做得怎麼樣”；並教我更多！
目前的供應鏈規劃技術需要使用者改變輸入並通過艱苦的試錯，所以稱為場景分析，嘗試得出答案。系統進行計算，使用者查看結果，微調一些內容，運行系統並再次查看結果。試圖檢查數千甚至數百萬個場景中的少數場景只是浪費時間。然後決定一個解決方案，除了「可以接受」之外，沒有任何跡象表明它有多好。
我們現在能夠徹底改變情境分析；我們可以簡單地表達所需的輸出並要求系統定義輸入，而不是費力地改變輸入參數來找到理想的輸出。該系統完全能夠運行許多場景並幾乎即時提供所需的解決方案。該系統能夠接收資訊、電子郵件、訊息，甚至電話訊息，並對其進行解釋以了解訊息或事件的潛在影響，然後自動執行場景以決定最佳行動方案並向真實用戶提出建議。同時，使用者可以坐下來觀察系統的行為，觀察客戶和供應商的發展模式，並就供應鏈的設計做出策略決策。這將是一個創造性的過程，需要創造力以及理解協作和溝通的局限性，而這些局限性很難教導或培訓系統。這個等級的附加價值將比在意外事件發生時嘗試執行使計劃發揮作用的平凡任務高得多。
至少目前，系統缺乏創造力，也缺乏足夠深入的知識來做出更高層次的決策。系統也缺乏對關係的理解以及對決策如何可能損害公司股票價值的重要性的理解。這應該是真正用戶關注的焦點，以便他們可以幫助系統做出正確的決策。讓系統根據您的目標向您“報告”，而不是成為系統的奴隸，試圖不斷幫助它給出答案。
有關法學碩士和人工智慧如何讓您的規劃人員的生活更輕鬆並優化您的供應鏈的更多信息，請點擊 這裡.
