Microsoft, Gallo и Blue Diamond: почему внедрение ИИ в цепочки поставок начинается не с технологий

Крупные компании из разных отраслей – от облачной инфраструктуры до виноделия и переработки миндаля – столкнулись с одной и той же проблемой: попытка «просто добавить ИИ» в управление цепочками поставок не работает. Прежде чем запускать алгоритмы, приходится наводить порядок в данных, перестраивать процессы и заново определять, кто за что отвечает.

Microsoft ощутила это на собственном примере. Бум спроса на облачную инфраструктуру сломал привычные модели планирования: вместо линейного роста компания столкнулась со скачками спроса в сотни процентов. Одновременно обострился дефицит комплектующих и электроэнергии, а сроки поставок растянулись. Месячные циклы планирования пришлось сжать до недельных и даже ежедневных, а горизонт стратегических закупок – вытянуть на годы вперёд.

«Привычный мир предсказуемости больше не существует. Приходится радикально быстро переизобретать и то, что вы делаете, и то, как вы это делаете»

– говорит Джоанна Костецка, корпоративный вице-президент Microsoft Cloud.

Компания начала не с ИИ, а с ревизии самих процессов – от проектирования продуктов до доставки. Инженерный менеджер Microsoft Cloud Дхавал Десай формулирует принцип жёстко: «Мы не хотим автоматизировать плохой процесс с помощью ИИ». Сначала убрали лишние шаги и потери, и только потом искали, где алгоритмы могут ускорить принятие решений.

Похожий урок получил Blue Diamond Growers – сельскохозяйственный кооператив, один из крупнейших переработчиков миндаля. Компания хотела объединить разрозненные системы планирования спроса и предложения в SAP Integrated Business Planning. Но на старте проекта выяснилось: часть нужных данных попросту отсутствовала в текущей SAP-среде. Пришлось останавливаться и выстраивать информационный фундамент заново.

Стив Биргфельд, вице-президент по ИТ Blue Diamond, вынес два вывода: «Данные – прежде всего» и «не перемудрите на старте». Поэтапный подход в итоге оправдался: сценарное моделирование, которое раньше занимало около шести часов, теперь укладывается в 20 минут. Компания получила единую картину по брендовому и ингредиентному направлениям и увязала объёмное планирование с финансовым.

Ещё один подход продемонстрировал винодел Gallo, уже использующий SAP для планирования, складов и производства. Вместо вопроса «какие задачи передать ИИ» компания определила так называемую границу человеческого решения – какие решения остаются за людьми, а какие рутинные операции можно автоматизировать. Нитин Мурали, вице-президент Gallo по операционному совершенству, подчёркивает: «Даже там, где вы автоматизируете, решение автоматизировать должно оставаться за человеком». Компания формирует реестр решений, разделяя высокоценные задачи (там остаётся экспертное суждение) и рутину вроде приёма заказов или части распределительного планирования.

Консультант Тушар Бала из CloudPaths, работавший с подобными внедрениями, резюмирует общий паттерн: сначала – фундамент планирования, потом – интеллект поверх него. ИИ лучше подключать точечно – к прогнозированию спроса, оптимизации запасов или сенсингу – учиться на результатах и расширять охват постепенно. Попытка автоматизировать всю цепочку разом почти гарантированно буксует на качестве данных, организационных барьерах и неготовности людей менять привычные процессы.