Tekoälysiirtymä toimitusketjun hallinnassa : Edellytykset, haasteet ja hyödyt

Abstract

Toimitusketjun hallinta on strateginen toiminto, jonka avulla yritykset sitovat liiketoimintaprosessinsa raaka-aineista loppuasiakkaalle. Keskeisimmät ongelmat toimitusketjun hallinnassa liittyvät reaaliaikaisuuden puutteeseen sekä resurssien käytön tehokkuuteen. Digitalisaation myötä toimitusketjun hallinnan tueksi on tullut erilaisia sähköisiä järjestelmiä, jotka pitävät toimitusketjun dataa hallussaan. Tämän datan hyödyntäminen tarjoaa mahdollisuuksia tekoälylle. Tekoälyyn liittyy paljon potentiaalia, mutta sen monimutkaisuuden takia käyttöön ottamisen prosessi on haastava. Tutkimuksen ongelma on tiedon rajallisuus liittyen tekoälyn hyödyntämiseen toimitusketjun hallinnassa. Tavoitteena on näin ollen tutkia tekoälysiirtymän edellytyksiä, haasteita ja hyötyjä toimitusketjun hallinnassa.

Tavoitetta lähestyttiin kahdesta keskeisestä näkökulmasta. Ensiksi tarkasteltiin, miten tekoälysiirtymä tulisi toteuttaa toimitusketjun hallintaan. Tämä oli tärkeää tekoälyyn liittyvän epäselvyyden ratkaisemiseksi. Toisaalta prosessi on virheherkkä, ja huono taustatyö voikin heikentää saatavia tuloksia tai luoda uusia ongelmia. Toinen tarkasteltava näkökulma oli tekoälyn hyödyt toimitusketjun hallinnassa, eli miksi tekoälysiirtymä tulisi ylipäätään toteuttaa. Tämän tarkoituksena oli selventää epävarmuutta tekoälyn hyödyistä, jotta odotukset ja perusteet sen käyttöön otolle olisivat realistisia. Tutkimus suoritettiin narratiivisena kirjallisuuskatsauksena. Kirjallisuutta suodatettiin valittujen avainsanojen perusteella ja laadukkaista julkaisuyhteyksistä.

Tutkimuksessa huomattiin, että tekoälyn hyödyntämistä toimitusketjun hallinnassa on tutkittu jo paljon, mutta kriittisyys tekoälyä kohtaan on vähäistä. Havaittiin myös, että tekoälyä on maailmalla sovellettu jo toimitusketjun hallintaan. Jo realisoituneet ja tutkitut hyödyt helpottivat johtopäätösten tekemistä. Keskeistä löydöksissä oli tekoälyn asettamat vaatimukset olemassa olevalle järjestelmäinfrastruktuurille sekä käyttäjille. Tekoäly on datariippuvainen teknologia, ja vaatii olemassa olevaa substanssiosaamista sekä teknistä osaamista hyötyjen realisoimiseksi. Tekoälyä voidaan integroida toimitusketjun hallintaan eri tavalla riippuen tavoitteista sekä käytettävästä teknologiasta. Hyödyt ovat riippuvaisia tehdyistä valinnoista. Keskeisimmät hyödyt liittyvät tekoälyn kykyyn käsitellä suuria datamääriä hyvin nopeasti. Tekoäly hyödyntää sen käytössä olevaa laskentatehoa, tarjoten sitä saavutettavassa muodossa organisaatioille. Hyötyjä löydettiin eri toimitusketjun osa-alueilta, riippuen valitun kirjallisuuden rajauksista.

Tehdyt havainnot täydentävät aiempaa kirjallisuutta, kooten yhteen jo tutkittuja teemoja yleisesti ymmärrettävään muotoon. Tutkimuksessa havaittiin, että kirjallisuudessa vallitsee konsensus tekoälyn hyödyistä sekä sovelluskohteista. Tehdyt havainnot ovat hyödyllisiä tekoälysiirtymää suunnitteleville sekä sen vaiheessa oleville toimitusketjun hallinnan asiantuntijoille. Tulokset suuntaavat myös tulevaa alan tutkimusta, ja jatkotutkimuksen kohteeksi tunnistettiin etenkin rajattu ja kriittinen tutkimus.

Supply chain management (SCM) is a strategic function that enables companies to coordinate business processes from raw materials to the end user. Currently, the primary challenges in SCM involve the lack of real-time decision-making capabilities and resource inefficiency. While digitalization of SCM has introduced various systems to manage large volumes of supply chain data, leveraging this data effectively opens new possibilities for Artificial Intelligence (AI). Despite its potential, the implementation of AI–a complex technology–is associated with significant challenges. The research problem is defined as a lack of knowledge regarding the application of AI in SCM. Consequently, the objective of this study is to investigate the integration of AI in SCM, and its enablers, challenges, and benefits.

This study approached these objectives from two distinct perspectives. First, it examined how the transition to AI should be executed in SCM. This was crucial for addressing the ambiguity surrounding AI. Moreover, the transition process is prone to errors, which can compromise results or create new issues. The second perspective focused on the benefits of AI in SCM, justifying the implementation process. The purpose was to align expectations and motivations with the realistic opportunities of AI. The study was conducted as a narrative literature review, using literature filtered by chosen keywords and selected from reputable publications.

The review revealed that while AI applications have been widely studied, the existing literature largely lacks a critical perspective. It was also observed that AI has already been broadly applied to SCM globally. Findings regarding realized benefits supported the conclusions of this study. The articles emphasized the requirements AI places on system infrastructure and users; for optimal results, AI depends heavily on data and requires both domain expertise and technical knowledge. The integration of AI varies depending on objectives and available technology, meaning benefits are contingent on the choices made. Key benefits of AI in SCM are linked to its ability to process large datasets efficiently. AI utilizes available computing power, making it accessible to the organization. Within the scope of chosen articles, further use cases were identified across various SCM areas.

The findings of this study complement earlier literature by synthesizing existing themes into a coherent overview. A consensus on the applications and benefits of AI was found within research. These results may be useful for SCM professionals planning or currently undergoing a transition to AI. Furthermore, the results help orient further studies, identifying a need for narrower, more critical research.