{"id":39693,"date":"2024-03-06T14:30:31","date_gmt":"2024-03-06T11:30:31","guid":{"rendered":"https:\/\/www.achilles.com\/the-case-for-ai-in-supply-chain-management\/"},"modified":"2024-05-14T17:48:57","modified_gmt":"2024-05-14T14:48:57","slug":"the-case-for-ai-in-supply-chain-management","status":"publish","type":"post","link":"https:\/\/www.achilles.com\/it\/informazioni-settore\/la-necessita-dellia-nella-gestione-della-catena-di-approvvigionamento\/","title":{"rendered":"La necessit\u00e0 dell’IA nella gestione della catena di fornitura"},"content":{"rendered":"\n

Questo articolo si concentra sul ruolo dell’IA nella due diligence della catena di approvvigionamento e discute sia le sfide, i limiti e i benefici dell’IA all’interno di un processo di due diligence olistico, sia come potrebbe evolversi in futuro.<\/strong><\/p>\n\n\n\n

C’\u00e8 stata molta discussione e dibattito sull’uso dell’IA nella due diligence della catena di approvvigionamento. Riferimenti a termini come Internet delle cose (IoT), big data, web scraping e relazioni inferite hanno guadagnato sempre pi\u00f9 popolarit\u00e0 nei media e nelle discussioni riguardanti la due diligence della catena di approvvigionamento. La societ\u00e0 sta sempre pi\u00f9 sfruttando il potere di Internet e gli sviluppi tecnologici per cambiare il modo in cui viviamo e lavoriamo. Il dibattito \u00e8 diffuso, cos\u00ec come la confusione riguardo alle capacit\u00e0 delle tecnologie emergenti e alla loro capacit\u00e0 di sostenere pratiche di approvvigionamento sostenibili.<\/p>\n\n\n\n

La corsa verso lo zero netto in tutti i settori industriali sta creando una concorrenza senza precedenti per le materie prime, l’esperienza, i subappaltatori e i fornitori tanto necessari. Questa crescente domanda sta avendo implicazioni ambientali e sociali. Ci sono casi di lavoro forzato legati alla produzione di pannelli solari, deforestazione amazzonica legata alla produzione di turbine eoliche e danni alle risorse marine e ittiche in Indonesia causati dall’estrazione illegale di nichel.<\/p>\n\n\n\n

\u00c8 innegabile che le nuove tecnologie AI come lo screening dei media avversi e l’analisi delle immagini satellitari svolgano un ruolo nella nostra capacit\u00e0 di proteggere persone e pianeta, ma quando si tratta di questioni complesse e spesso nascoste all’interno della catena di approvvigionamento, \u00e8 sufficiente fare affidamento su questi sviluppi?<\/p>\n\n\n\n

Cos’\u00e8 l’IA?<\/strong><\/h2>\n\n\n\n

Innanzitutto, assicuriamoci di capire tutti cosa intendiamo per IA. Esistono diversi tipi di IA. Questi termini si riferiscono a concetti diversi all’interno del campo dell’intelligenza artificiale. Forse in modo poco utile, questi vengono spesso confusi o usati in modo interscambiabile, in particolare Narrow AI, Generative AI e General AI che sono spiegati di seguito.<\/p>\n\n\n\n

Narrow AI (o Weak AI):<\/strong> Questo si riferisce a sistemi di intelligenza artificiale progettati e addestrati per una specifica attivit\u00e0 o un insieme ristretto di compiti. La maggior parte delle applicazioni di intelligenza artificiale in uso oggi, come gli assistenti vocali come Siri o Alexa, i sistemi di riconoscimento delle immagini e gli algoritmi di raccomandazione, rientrano nella categoria di Narrow AI.<\/p>\n\n\n\n

Generative AI:<\/strong> L’IA generativa si riferisce tipicamente a un sottoinsieme di intelligenza artificiale che si concentra sulla creazione di nuovi contenuti o dati piuttosto che solo sull’analisi o la classificazione di informazioni esistenti. Spesso coinvolge modelli in grado di generare output realistici e nuovi, come immagini, testi o addirittura interi scenari, basati sui modelli e sulle informazioni apprese dai dati di addestramento. Esempi di IA generativa includono generatori di testo come Chat GPT-3, generatori di immagini e altri modelli capaci di creare nuovi contenuti.<\/p>\n\n\n\n

General AI (Intelligenza Artificiale Generale o AGI):<\/strong> L’IA generale, d’altra parte, si riferisce a un tipo di intelligenza artificiale che possiede la capacit\u00e0 di comprendere, apprendere e applicare conoscenze su un’ampia gamma di compiti, simile all’intelligenza umana. L’AGI sarebbe in grado di svolgere qualsiasi compito intellettuale che un essere umano pu\u00f2 svolgere, adattandosi a situazioni nuove e non familiari e dimostrando una vasta comprensione di vari domini.<\/p>\n\n\n\n

A differenza di Generative e Narrow AI, progettati per compiti specifici, l’AGI \u00e8 ipotetico e attualmente non esiste. Raggiungere l’AGI rimane un obiettivo a lungo termine nel campo della ricerca sull’IA, quindi, per ora, questo blog si concentra su Narrow e Generative AI.<\/p>\n\n\n\n

Sfide dell’IA<\/strong><\/h2>\n\n\n\n

Anche se Generative e Narrow AI<\/strong> possono offrire significativi benefici nell’incrementare l’efficienza, l’accuratezza e la presa di decisioni durante la due diligence della catena di approvvigionamento, ci sono anche diverse sfide e problemi associati alla loro implementazione.<\/p>\n\n\n\n

\"\"<\/figure>
\n

Alcuni operatori senza scrupoli che impiegano manodopera forzata, praticano estrazioni illegali o inquinano mari e fiumi non renderanno disponibili informazioni sulle loro attivit\u00e0 commerciali dove l’attuale IA generativa potrebbe trovarle. Alcune delle principali questioni includono:<\/p>\n<\/div><\/div>\n\n\n\n

Qualit\u00e0 e Affidabilit\u00e0 dei Dati:<\/strong> I sistemi di IA generativa si basano pesantemente sui dati per l’addestramento e la presa di decisioni. Se i dati di input sono inaccurati, incompleti o tendenziosi, possono portare a risultati e decisioni errate.<\/p>\n\n\n\n

Privacy e Sicurezza dei Dati:<\/strong> I dati della catena di approvvigionamento spesso includono informazioni sensibili su aziende, fornitori e clienti. Garantire la privacy e la sicurezza di questi dati \u00e8 cruciale per prevenire l’accesso non autorizzato, le violazioni o l’abuso.<\/p>\n\n\n\n

Complessit\u00e0 delle Reti della Catena di Approvvigionamento:<\/strong> Le catene di approvvigionamento possono essere intricate e coinvolgere numerosi stakeholder, rendendo difficile modellarle e analizzarle. Gli algoritmi di IA generativa possono avere difficolt\u00e0 a catturare l’intera complessit\u00e0 delle reti di approvvigionamento globali.<\/p>\n\n\n\n

Mancanza di Standardizzazione:<\/strong> L’assenza di formati dati standardizzati e protocolli in tutta la catena di approvvigionamento pu\u00f2 ostacolare l’integrazione e l’interoperabilit\u00e0 dei sistemi di IA. Diverse aziende possono utilizzare sistemi diversi, rendendo difficile creare una soluzione universale.<\/p>\n\n\n\n

Rischi Interconnessi:<\/strong> I rischi della catena di approvvigionamento sono spesso interconnessi e l’IA generativa pu\u00f2 avere difficolt\u00e0 ad analizzare e prevedere gli effetti a catena. Ad esempio, una perturbazione in una parte della catena di approvvigionamento pu\u00f2 avere effetti a cascata sull’intera rete.<\/p>\n\n\n\n

Questioni Etiche:<\/strong> L’uso dell’IA nella due diligence della catena di approvvigionamento solleva questioni etiche, come il bias algoritmico e il potenziale per conseguenze non intenzionali, come evidenziato di recente dall’IA di Google, Gemini. I sistemi di IA possono involontariamente perpetuare pregiudizi esistenti o prendere decisioni che hanno impatti negativi sociali o ambientali.<\/p>\n\n\n\n

Natura Dinamica delle Catene di Approvvigionamento:<\/strong> Le catene di approvvigionamento sono dinamiche, con continui cambiamenti nella domanda, nell’offerta, nelle normative e nei fattori geopolitici. I sistemi di IA possono avere difficolt\u00e0 ad adattarsi rapidamente a questi cambiamenti, portando a informazioni obsolete o inaccurate.<\/p>\n\n\n\n

Validit\u00e0 dei Dati Sensibili al Tempo:<\/strong> Alcuni processi di due diligence della catena di approvvigionamento basati su IA si affidano alla raccolta di dati aziendali pubblicamente disponibili che possono essere contenuti nei rapporti finanziari o di sostenibilit\u00e0 annuali. A causa del ciclo di reportistica retrospettiva delle aziende che divulga queste informazioni, spesso possono essere obsolete o non pertinenti al momento della raccolta e analisi.<\/p>\n\n\n\n

Accesso alle Informazioni di Livello Inferiore:<\/strong> Molti fornitori all’interno del mondo complesso della catena di approvvigionamento di un’azienda non pubblicano o divulganoinformazioni pubblicamente. Spesso, micro e piccole imprese conservano le informazioni su supporti cartacei o sui propri server aziendali, rendendo quasi impossibile per le soluzioni IA accedere alle informazioni.<\/p>\n\n\n\n

Il ruolo benefico dell’IA generativa<\/strong><\/h2>\n\n\n\n

Nonostante queste sfide, l’IA pu\u00f2 e giocher\u00e0 sempre pi\u00f9 un ruolo nel migliorare la due diligence della catena di approvvigionamento e il pensiero basato sul rischio quando implementata con attenzione. \u00c8 gi\u00e0 in uso quotidiano e continuer\u00e0 a evolversi per includere:<\/p>\n\n\n\n

Assicurazione della Qualit\u00e0 dei Dati:<\/strong> Dare priorit\u00e0 alla qualit\u00e0 dei dati implementando processi di convalida e pulizia dei dati. Utilizzare algoritmi di IA per identificare e correggere incongruenze, errori e valori anomali nei dati.<\/p>\n\n\n\n

Analisi Avanzate per la Complessit\u00e0 della Rete:<\/strong> Impiego di analisi avanzate e algoritmi di machine learning per modellare e analizzare reti di catene di approvvigionamento complesse. Questi strumenti aiutano a fornire informazioni sulle dipendenze, le vulnerabilit\u00e0 e i rischi potenziali in tutta la rete.<\/p>\n\n\n\n

Monitoraggio della Conformit\u00e0 Normativa:<\/strong> Gli strumenti di IA possono e vengono utilizzati per monitorare e garantire la conformit\u00e0 alle normative rilevanti.<\/p>\n\n\n\n

Gestione Integrata del Rischio:<\/strong> Sistemi di gestione del rischio integrati basati su IA che considerano i rischi interconnessi. Ci\u00f2 pu\u00f2 comportare la simulazione e l’analisi di vari scenari per identificare potenziali effetti a catena e sviluppare strategie di mitigazione proattive.<\/p>\n\n\n\n

Visibilit\u00e0 e Tracciabilit\u00e0 della Catena di Approvvigionamento:<\/strong> Sfruttare le tecnologie di IA come blockchain e IoT (Internet delle cose) per migliorare la visibilit\u00e0 e la tracciabilit\u00e0 della catena di approvvigionamento. Questo pu\u00f2 migliorare l’accuratezza dei dati e fornire informazioni in tempo reale sul movimento delle merci lungo la catena di approvvigionamento.<\/p>\n\n\n\n

Questi casi d’uso aumenteranno solo con il maturare e l’affermaimento della tecnologia. Ad esempio, l’IA adattiva o l’IA che pu\u00f2 adattarsi alla natura dinamica delle catene di approvvigionamento con meccanismi di apprendimento continuo, permetter\u00e0 alla fine di evolvere e aggiornarsi in base ai cambiamenti nella domanda, nell’offerta e nei fattori esterni.<\/p>\n\n\n\n

AI e web scraping per la gestione della catena di approvvigionamento delle PMI<\/strong><\/h2>\n\n\n\n

Oggi, per le PMI, soluzioni completamente automatizzate e di tipo web scraping possono fornire una soluzione di gestione della catena di approvvigionamento economica, soprattutto dove i rischi sociali e ambientali, i requisiti di conformit\u00e0 e la complessit\u00e0 della catena di approvvigionamento sono minori.<\/p>\n\n\n\n

Il ruolo dell’IA nei settori ad alto rischio e complessi<\/strong><\/h2>\n\n\n\n

Nei settori fortemente regolamentati, complessi e ad alto rischio in cui Achilles si specializza nel supportare, \u00e8 difficile immaginare uno scenario in cui solo l’IA fornir\u00e0 la trasparenza richiesta – per un periodo di tempo considerevole in futuro, o forse mai.<\/p>\n\n\n\n

Qui, il ruolo dell’IA, per ora, \u00e8 e sar\u00e0 come un complemento a metodi pi\u00f9 approfonditi e dettagliati. Questi forse non sono cos\u00ec di tendenza come l’IA. Utilizzano persone reali, occhi, orecchie e molti anni di esperienza internazionale e una vera comprensione delle complesse questioni in gioco per identificare le minacce che si celano nell’ombra della catena di approvvigionamento di oggi.<\/p>\n\n\n\n

Esempi del mondo reale<\/strong><\/h2>\n\n\n\n

Da Achilles abbiamo la fortuna di supportare i clienti in tutte le fasi del loro percorso di due diligence, dalla valutazione del rischio alla divulgazione. Parte di questo processo sono le nostre ispezioni in loco e le interviste ai lavoratori. Si tratta di attivit\u00e0 “con i piedi per terra”, in alcuni dei luoghi pi\u00f9 inaccessibili e impegnativi del pianeta. I nostri team di ispettori utilizzano i loro occhi, le loro orecchie e la loro vasta esperienza per andare ancora pi\u00f9 in profondit\u00e0.<\/p>\n\n\n\n

Un recente esempio di questo sono i potenziali casi di lavoro forzato identificati in un sito a Singapore. Il nostro cliente, una multinazionale energetica ignara che i lavoratori migranti impiegati tramite un’agenzia venivano invitati a pagare enormi depositi per ottenere impiego e, in alcuni casi, avevano i loro documenti di identit\u00e0 sottratti. Purtroppo questo non \u00e8 un caso isolato. Che si tratti di sostanze chimiche depositate nei corsi d’acqua o di deduzioni salariali come forma di punizione finanziaria, i nostri team vedono e sentono questi problemi con i propri occhi e orecchie.<\/p>\n\n\n\n

Oggi, per applicare una due diligence efficace e per conformarsi a legislazioni sempre pi\u00f9 rigorose in materia di due diligence come Apenhetsloven<\/a>, Bill S211<\/a>, BRSR Core<\/a>, CSDDD<\/a>, Lieferkettengesetz<\/a> e The Modern Slavery Act, \u00e8 necessario adottare un approccio ampio utilizzando tutti gli strumenti disponibili per un’azienda. Fortunatamente per i nostri clienti abbiamo sfruttato questi strumenti e abbiamo l’esperienza per sapere quando e come utilizzarli.<\/p>\n\n\n\n

Raggiungere un equilibrio tra automazione e competenze umane \u00e8 cruciale. Una eccessiva dipendenza dall’IA senza supervisione umana pu\u00f2 portare a punti ciechi e a sfumature mancate, mentre un’automazione insufficiente pu\u00f2 comportare inefficienze. In un momento in cui il mondo sta affrontando un aumento degli abusi dei diritti umani, del lavoro minorile, del lavoro forzato e dell’inquinamento ambientale e lotta per ridurre le emissioni e affrontare il cambiamento climatico, \u00e8 necessario utilizzare tutti gli strumenti a nostra disposizione per creare trasparenza e affrontare gli impatti negativi dei nostri affari. Regolatori, investitori e clienti farebbero male ad accettare qualcosa di meno.<\/p>\n","protected":false},"excerpt":{"rendered":"

Questo articolo si concentra sul ruolo dell’IA nella due diligence della catena di approvvigionamento e discute sia le sfide, i limiti e i benefici dell’IA all’interno di un processo di due diligence olistico, sia come potrebbe evolversi in futuro. C’\u00e8 stata molta discussione e dibattito sull’uso dell’IA nella due diligence della catena di approvvigionamento. Riferimenti […]<\/p>\n","protected":false},"author":2,"featured_media":36062,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","wds_primary_category":4059,"wds_primary_industry_tax":0,"wds_primary_topic_tax":0,"wds_primary_post_region_tax":0,"footnotes":""},"categories":[4059,8],"tags":[8726,8727,8728],"industry_tax":[4072,4065,4071,4067,4061,4074,4062,4066,4070,4064,4068,4069,4063,4288,4060,4073],"topic_tax":[3237,4358],"post_region_tax":[],"class_list":["post-39693","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articoli","category-informazioni-settoriali","tag-ai-in-supply-chain-due-diligence-it","tag-benefits-of-ai-in-supply-chain-management-it","tag-challenges-of-ai-in-supply-chain-management-it","industry_tax-assistenza-sanitaria","industry_tax-automotive-it","industry_tax-banche-e-finanza","industry_tax-beni-di-consumo","industry_tax-costruzione","industry_tax-energia","industry_tax-miniere-e-cemento","industry_tax-prodotti-chimici","industry_tax-prodotti-farmaceutici","industry_tax-produzione-industriale-it","industry_tax-servizi","industry_tax-telecomunicazioni","industry_tax-trasporto-e-logistica","industry_tax-tutti","industry_tax-utilita","industry_tax-vendita-al-dettaglio-it","topic_tax-azienda-etica-it","topic_tax-due-diligence-e-audit-it"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/posts\/39693","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/comments?post=39693"}],"version-history":[{"count":0,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/posts\/39693\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/media\/36062"}],"wp:attachment":[{"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/media?parent=39693"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/categories?post=39693"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/tags?post=39693"},{"taxonomy":"industry_tax","embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/industry_tax?post=39693"},{"taxonomy":"topic_tax","embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/topic_tax?post=39693"},{"taxonomy":"post_region_tax","embeddable":true,"href":"https:\/\/www.achilles.com\/it\/wp-json\/wp\/v2\/post_region_tax?post=39693"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}