Mentionsy

I czy tak naprawdę magazyn jest dobrym miejscem dla technologii opartych na AI?

Natomiast to, o czym chciałbym dzisiaj porozmawiać, to właśnie to podejście do planowania typowe właśnie dla producentów typu make to stock, dla dystrybutorów, retailerów, firm e-commerce'owych, czyli wszędzie tam, gdzie musimy zadbać o to, żeby nasz magazyn wykonywał operacje

Do AI.

Ale jeżeli tylko tak ogólnie mówiąc jeszcze, to poza prognozowaniem, poza tym całym elementem planistycznym, czy AI na przykład w tym przypadku jest jeszcze w stanie pomóc procesom magazynowym w jakimś innym zakresie, w jakiś inny sposób użytkowania?

Wystarczy, że mówimy o czymś, co często jest widoczne, że na przykład firma, która jest producentem jakichś produktów, sprzedaje je na przykład do odbiorcy, który może być na przykład sieci retailowa, to w tej sieci retailowej pracuje kupiec i on sobie na przykład rozmawia z przedstawicielem handlowym czy znowu z angielskiego z account managerem,

Mówi się często też właśnie o halucynowaniu AI.

I już po wszechnie stosowanych rozwiązaniach typu Generative AI, że już nie będę wymieniał konkretnych nazw, ale dobra, dlaczego nie?

Natomiast warto rozumieć, że jakby mówimy o sztucznej inteligencji i często wszyscy właśnie, a sztuczna inteligencja to modele typu Generative AI, czyli właśnie te popularne tam modele oparte LM, podczas gdy rzeczywiście do prognozowania popytu statystycznego czy jakichś tam analiz statystycznych, no wykorzystywane są jednak inne rozwiązania oparte o sztuczną inteligencję.

Rzeczywiście one są przydatne do, powiedzmy, uzyskania szerszego obrazu w kontekście, powiedzmy, planowania, ale mamy te systemy AI, mamy systemy optymalizacji zapasów, ale są też systemy, które

W jaki sposób na przykład można ten system AI prognozujący połączyć, wyłączyć z systemem BI?

Mamy system przykładowo WMS-owy wcześniej, który wspominaliśmy jako o innych sposobach użytkowania systemów magazynowych właśnie w kontekście AI.

Mamy to prognozowanie, ale teraz większość tego typu systemów posiada własne algorytmy AI, własne sposoby rozumowania.

I czy tutaj czasami nie może wystąpić jakiś konflikt, na przykład, nie wiem, czy te AI między sobą się dogadują, czy na przykład jeżeli dla tych samych danych dają inne wyniki?

Co się właściwie dzieje, jak dostajemy dużo tych systemów, dużo danych i chcemy, żeby to jednak nam funkcjonowało, powiedzmy, jednogłośnie w firmie, żeby ten sposób dogadywania się między różnymi systemami i różnymi algorytmami AI był dla nas dobry, a nie wprowadzał czasami zamętu czy wątpliwości.

Ale patrzę to też z tej strony, że tak jak Pan wspominał wcześniej, że te systemy LLM-owe, GEN-AI-owe nie są dedykowane pod tego typu rozwiązania.

Nawet jeżeli mają własne systemy AI, powiedzmy, czy wspomaganie, to nad nimi buduje się jeden system, który gromadzi te dane też właśnie AI-owe i wysunęwa wnioski z innych wniosków.

Ale czy tak naprawdę, czy dla tego typu systemów planowania są jakieś alternatywy, czy są jakieś inne i innego typu, powiedzmy, podejście modelu AI?

To w takim razie, jeżeli spokuczę Cię o pewne podsumowanie, pod tym kątem właśnie planowania, pod kątem właśnie tego, w jaki sposób zażądać tym magazynem od strony właśnie algorytmu AI.