Tok i oseka međunarodnih lanaca snabdijevanja daleko su od novog, s velikim srednjovjekovnim crkvama u Cotswoldsu djelimično plaćenim izvozom vune u kontinentalnu Evropu, stoljećima prije nego što je ovo područje postalo poznato po domaćinstvu američkih potpredsjednika.
Nivoi uvoza i izvoza porasli su širom svijeta tokom 19. vijeka iu 20. tokom prvog talasa globalizacije, sve dok dva svjetska rata i depresija nisu vukli nivoe na one iz stoljeća ranije.
Poslijeratni, drugi talas globalizacije doveo je do utrostručenja trgovine robom – općenito, ukupne vrijednosti uvoza i izvoza robe – sa 17% globalnog bruto domaćeg proizvoda (BDP) u 1962. na 51,5% u 2008, prema podacima Svjetske banke. Ovo je bila godina nakon što je Apple lansirao iPhone, primjer globalizirane proizvodnje s kompanijom koja trenutno ima popis dobavljača u 29 zemalja na tri kontinenta.
Ali 2008. je bila godina globalne finansijske krize koja je dovela do kolapsa banaka, uključujući Lehman Brothers. Trgovina robom je naglo pala 2009. godine i od tada je zig-cak, ostajući ispod 50% globalnog BDP-a.
Međunarodnu trgovinu robom pogađaju jedna stvar za drugom: erupcija islandskog vulkana Eyjafjallajoekull 2010., glasanje Velike Britanije za izlazak iz EU 2016., pandemija Covida od 2020., blokada Sueckog kanala 2021. i brza invazija američkog predsjednika Donalda Trumpa22. tarife su samo najnoviji problem.
Erupcija Eyjafjallajoekull iz 2010. godine dala je rani primjer, jer su njeni avioni koji su prizemljili prašinu koju su, između ostalih, koristili kenijski uzgajivači cvijeća da bi stigli do europskih tržišta. Deceniju kasnije, nestašica svega, od opreme za ličnu proizvodnju do toaletnog papira tokom pandemije Covid-19, naglasila je kako bi lanci snabdevanja mogli da puknu.
Globalizacija je “vjerovatno otišla korak predaleko”, kaže Emile Naus, partner konsultantske kuće BearingPoint sa sjedištem u Amsterdamu sa sjedištem u Velikoj Britaniji i prethodno šef logističke strategije za maloprodaju Marks and Spencer. To je značilo da se kompanije oslanjaju na dobavljače na drugom kraju svijeta da isporuče robu na vrijeme s malom marginom greške.
“Ako nešto krene po zlu, implikacije su velike. Izgradili smo lance snabdijevanja koji su prilično krhki”, dodaje Naus, koji zna za proizvođača hrane koji vodi dva rezervna proizvodna pogona, što povećava troškove u odnosu na rad samo sa glavnog mjesta, jer se brine da bi ga zatvaranje na glavnoj lokaciji moglo dovesti do gašenja.
Kao i specifični događaji, premještanje proizvodnih poslova u Kinu i druge zemlje s nižim troškovima doprinijelo je tome da prethodno industrijalizirane zemlje podignu barijere međunarodnoj trgovini nakon decenija njihovog snižavanja.
„Vrlo je lako ukazati na SAD sa njihovim carinama, ali to je samo jedan primer“, kaže Naus. “Mogli biste tvrditi da su promjene Brexita u Velikoj Britaniji i trgovinska ograničenja u Aziji dio iste stvari.” Klimatske promjene stvaraju dodatne probleme pomjeranjem mjesta gdje se neki usjevi mogu uzgajati i ometanjem transporta zbog suša.
Richard Howells, potpredsjednik za upravljanje rješenjima u njemačkom dobavljaču softvera za planiranje resursa preduzeća SAP, slaže se: “Tarife, promjene trgovinske politike i regionalni sukobi su različiti oblici poremećaja. Tarife su najnoviji, ali izgleda da im nema kraja.”
On kaže da nedostatak radne snage i zahtjevi za poboljšanjem održivosti u nekim zemljama, uključujući sve veće zahtjeve za objavljivanjem podataka o emisijama stakleničkih plinova od strane dobavljača i kupaca, doprinose izazovima.
Ubrzavanje lanca snabdevanja
Kompanije su reagovale radeći stvari brže. „Kako je brzina lanca snabdevanja postala brža, prešli smo sa donošenja odluka o mesečnom planiranju na odluke o dnevnom planiranju i u nekim slučajevima po satu“, kaže Howells, koji je radio u lancima snabdevanja više od 35 godina.
On kaže da je jedan SAP-ov kupac, proizvođač krovnih prozora, u početku mislio da će ljudi imati malo interesa za poboljšanje doma na početku pandemije i tako je planirao u skladu s tim. Ali bilo je suprotno, sa povećanom potražnjom ljudi koji su željeli da uljepšaju svoje nove kućne urede, što je dovelo do toga da kompanija prilagođava planiranje i proizvodnju gotovo svakodnevno.
On dodaje da društveni mediji i influenseri pružaju stalni razlog za mogućnost brzog unosa promjena: „Tvit od slavne osobe mogao bi izazvati taj porast potražnje.“
Howells kaže da su dobavljači softvera, uključujući SAP, podržavali ovo ubrzanje tokom nekoliko godina poboljšanjem integracije između softverskih aplikacija, prelaskom na računalstvo u oblaku i povećanjem upotrebe umjetne inteligencije (AI). On je domaćin podcasta o budućnosti lanaca snabdevanja: “Ne prolazimo kroz epizodu bez spominjanja veštačke inteligencije. Trebao bih da pozvonim svaki put kada je neko pomene. To menja igru za lanac snabdevanja i za preduzeća uopšte.”
Osim što povećavaju tempo predviđanja, kompanije koriste povećane analitičke sposobnosti vođene umjetnom inteligencijom kako bi proširile svoj opseg. Na primjer, umjesto da prave jednu prognozu, neki sada poduzimaju planiranje scenarija, kao što je modeliranje utjecaja planiranih promjena američkih tarifa, a zatim donošenje odluka za njihovo ublažavanje.
Howells kaže da ovo može dovesti do toga da kompanije mijenjaju dobavljače, pomjeraju zalihe i kupuju stvari ranije, iako im je potrebna mogućnost da preispitaju da li se ili kada stvari ponovo promijene: „To je okruženje koje se stalno razvija i morate imati poslovne sisteme i tehnologiju koji vam mogu pomoći da predvidite, reagujete i odgovorite na te stvari.”
Rohit Tripathi, potpredsjednik za industriju u finskoj platformi za planiranje lanca snabdijevanja Relex, kaže da bi uvoznik mogao reagirati na promjene američkih carina prebacivanjem na snabdijevanje SAD-om iz zemlje s višim troškovima, ali nižim carinama, dodavanjem carina potrošačkim cijenama ili ih oduzimanjem profita.
Ali osim što reaguju na specifične događaje, takvi poremećaji uzrokuju da kupci trajno preoblikuju lance opskrbe. Umjesto da “offshoring” gdje god u svijetu je najjeftiniji, mnogi istražuju “friendshoring”, preferenciju prema politički prijateljskim zemljama i regionalizaciju ili “nearshoring”, gdje kompanije skraćuju lance snabdijevanja. Potonje može skratiti vrijeme isporuke, čineći kompaniju osjetljivijom na promjene u potražnji, kao i smanjiti troškove transporta, smanjiti rizik od poremećaja zbog transportnih problema kao što je blokiran kanal i smanjiti emisije stakleničkih plinova.
„Preduzeća općenito prelaze s modela „baš na vrijeme“ na model „baš u slučaju“, kaže Tripathi. „To znači da ekstremna optimizacija zaliha i lanca nabavke odlazi u zaleđe u izgradnji sposobnosti za rješavanje stvari za svaki slučaj.”
Tehnologija može pomoći u podršci takvoj regionalizaciji. Njemački proizvođač građevinskog materijala Knauf suočava se s konkurencijom i po pitanju cijene i dostupnosti, kao da odbije narudžbu koju će rival vjerovatno prihvatiti, a njegovi kupci zahtijevaju pouzdanost, jer kašnjenja mogu zaustaviti izvođenje građevinskih radova.
„Moraju biti u stanju da odgovore na pitanje, ‘Mogu li dobiti neki proizvod?’ i pouzdano kažu da sa datumom boljim od njihove konkurencije,” kaže Simon Bowes, potpredsjednik europske korporacije za strategiju proizvodne industrije u kompaniji Blue Yonder, dobavljaču softvera za lanac nabavke sa sjedištem u SAD-u.
Takođe mora da se nosi sa relativno visokim troškovima transporta za neke proizvode, što znači da nema ekonomskog smisla da ispunjava narudžbe tako što ih premešta između kontinenata. Knauf radi s Blue Yonderom na automatizaciji 80% narudžbi do 2032. i preciznije upravljanju lancem nabavke.
Dobra tehnologija lanca snabdevanja takođe omogućava kompanijama da lansiraju sezonske ili kratkoročne proizvode. Bowes kaže da su potrebna najmanje tri ciklusa podataka da bi se potvrdilo da trend nije samo bljesak, pa ako planiraju svaki mjesec, “to znači da je to tri mjeseca prije nego što otkrijete trend i propustili ste ljeto”.
Holandski pivar Heineken želio je mogućnost lansiranja novih kratkoročnih proizvoda i odgovora na promjene u potražnji bez povećanja otpada putem otpisa ili sniženih kvarljivih zaliha. Bowes kaže da koristi mogućnosti mašinskog učenja Blue Yonder-a da analizira više podataka češće nego što bi inače bilo realno, dok procjenjuje promjenjivi značaj vremenskih prilika, cijena i konkurentskih promocija za svaki proizvod.
AI: generativna i agentička
Sposobnost mašinskog učenja da detektuje trendove znači da mnoge kompanije već koriste ovu vrstu veštačke inteligencije u planiranju. Blue Yonder takođe vidi uloge za generativnu veštačku inteligenciju, uključujući omogućavanje korisnicima da postavljaju pitanja i dobijaju odgovore na normalnom jeziku, kao i sažimanje velike količine podataka.
“Menadžer skladišta koji se vraća nakon vikenda obično provede prvi dan u sustizanju onoga što se dogodilo. Vidimo ulogu generativne AI, a posebno agenata da vam brzo sumiraju sve te informacije”, kaže Bowes, dodajući da bi to moglo pomoći ljudima koji dolaze u lanac nabavke da rade i koji nemaju iskustva sa sirovim podacima.
AI bi također mogao predložiti rješenja za probleme, kao što je navođenje alternativnih operatera za one za koje primijeti da ne uspijevaju. Kao i Blue Yonder, i Relex i SAP slijede ovaj pristup AI agentu, s Girteka Group, litvanskom transportnom kompanijom, koja koristi SAP-ov Joule AI kopilot za optimizaciju rute radi uštede novca i smanjenja emisija stakleničkih plinova.
Međutim, Bowes vjeruje da je malo vjerovatno da će AI u potpunosti automatizirati rad u lancu opskrbe. „Potrebni su nam ljudi koji razumiju šta AI radi za njih kao sredstvo da im pomogne da prekrate neke procese, tako da mogu sami donositi odluke“, kaže on. „Toliko toga što ljudi danas rade u procesu lanca snabdevanja je još uvek mukotrpno.”
Emile Naus iz BearingPointa je oprezan kada je u pitanju korištenje generativne AI u analizi podataka lanca nabavke. „Stavite na pravo mesto, super je korisno“, kaže on. “Tamo gdje ljudi govore o tome u smislu lanca snabdijevanja, često je pogrešno. To je kao da smo upravo izmislili novi čekić i svaki problem izgleda kao ekser.”
Rad zahtijeva korištenje optimizacije i statističkog razumijevanja gdje generativni AI modeli velikih jezika “nisu posebno jaki”, kaže on, dodajući da je klasično mašinsko učenje bolje postavljeno za to. “To je mnogo teži analitički, matematički pristup.”
U širem smislu, Naus kaže da kompanije moraju uzeti u obzir podatke i kulturu, kao i tehnologiju kada rade na poboljšanju svojih lanaca nabavke. Što se tiče podataka, on kaže da je jedna stvar prikupiti kvalitetne podatke iz vlastite organizacije, ali sasvim druga izvući ih od dobavljača – a oni možda neće čak ni htjeti identificirati svoje dobavljače.
Što se tiče kulture, tehnike kao što je analiza sekvencijalnih odluka koje zamjenjuju pojedinačne prognoze sa dodijeljenim vjerovatnoćama za moguće ishode mogu biti vrlo moćne, ali za neke ljude teško ih je prihvatiti.
„To zahteva da imate drugačiji način razmišljanja“, kaže Naus. “Mnoge kompanije imaju prognoze za narednih nekoliko godina. Ovo skoro da govori: ‘Ne znam koja je točna prognoza’, što je prilično kontraintuitivno, ali je mnogo realnije.”