エージェントシステムを使用して、小売および消費財業界のサプライチェーン効率を向上させる

サプライチェーンの課題は続きます

小売業者や消費財企業は、特にサプライチェーンにおいて、絶え間ない変化に直面しています。オンライン販売、オムニチャネルアプローチ、消費者向け販売、複雑なエコシステムなどの新しい販売および流通モデルが進化しました。外部の混乱が頻繁に発生し、2024年にリーダーの90％がサプライチェーンの課題を報告しています¹。

サプライチェーンの敏ility性と回復力は、迅速かつ正確な意思決定に依存しています。意思決定や応答が遅いことは、約束を逃し、収益と顧客満足度に悪影響を与え、非効率的な出荷と在庫レベルの上昇によるコストの増加につながります。

これらの課題に対処するために、サプライチェーン管理の意思決定の品質と速度の両方を改善する緊急の必要性があります。

エージェントとエージェントシステムを入力します

エージェントシステムは、意思決定の品質と速度を向上させる革新的な機会を提供します。ビジネスイベントによってトリガーされたエージェントは、関連データを収集および分析して、直接行動するか、アクションを推奨します。

Microsoftは、使用を使用して自律エージェントを構築する能力を発表しました Microsoft Copilot Studio その間 Microsoft Ignite 2024年10月。サプライチェーンのコンテキストでは、この能力は、たとえば、発送が遅れた場合に、最小限の人間の介入を伴う代替供給源に対する識別と行動を可能にする可能性があります。

エージェントシステムの概要

エージェントシステムのコンテキストでは、エージェントは自律的な意思決定と行動が可能なシステムを指します。これらのシステムは、直接的な人間の介入なしに独立して目標を追求することができます。エージェントシステムには次の特性があります。

• 自律性。彼らは独立して動作し、決定を下し、人間の監視なしにタスクを実行し、必要に応じて人間にエスカレートします。
• コンテキスト認識。データを解釈し、それに応じてアクションを調整します。
• ゴールオリエンテーション。彼らは特定の目的を達成することを目指すことができます。
• 学ぶ。新しいデータと過去の結果を使用して、パフォーマンスを向上させます。
• 推論と意思決定。エージェントは、情報を処理し、関係を推測し、意思決定を行うために推論を使用します。
• 知覚とセンシング。エージェントは、センサーまたはその他の手段を介して環境を知覚します。これにより、プロセスの変更によってトリガーされることができます。
• スキルと能力。エージェントは、タスクを実行するための特定のスキルまたは機能を備えています。これらのスキルは、学習またはプログラムできます。
• メモリ。エージェントのメモリは、意思決定と将来の行動に関連する情報を保存します。

エージェントは、アクティブ化されると特定の目標を追求するようにプログラムできます。たとえば、代替の供給ソースを検索する場合、最初の利用可能なオプションを選択するのではなく、コストの最小化を優先することができます。

エージェントは既に顧客に価値を提供しています。たとえば、1人の顧客が送料請求書をレビューする自律エージェントを持っています より多くのユースケースが計画されています。時間が経つにつれて、組織全体のさまざまなタスクのためにエージェントを開発できます。 Microsoft Copilot 「AIのUI」として機能します。

これを聞いたことがありますか？

これは、RPA（ロボットプロセス自動化）のように聞こえる場合があります。また、エージェントが副操縦士とどのように異なるかを疑問視するかもしれません。

RPAはルールベースの自動化を採用し、エージェントはデータを推論し、大規模な言語モデル（LLM）を使用して広範なデータセットから関連情報を抽出することにより、この機能を強化します。 RPAベースのソリューションは、対処できるシナリオの観点から剛性があり、変更を加えるためにプログラミングが必要ですが、エージェントベースのプロセス自動化ソリューションは時間の経過とともに学習および改善することができ、より効果的な結果をもたらします。

エージェントは、ユーザーをリアルタイムで支援するcopilotとは異なり、自律的に運用します。エージェントは、副操縦士の中で動作し、CopilotのMicrosoft Visionと協力することができます。 あなたのためのUI。将来的には、ユーザーは1人の副操縦士を飼育しますが、多くの舞台裏で自律的に働くことを含む複数のエージェントがあります。

エージェントが小売商品および消費財（RCG）サプライチェーンでどのように運営できるか

エージェントは、RCGサプライチェーンに広く適用され、繰り返しタスクを自動化し、膨大な量のデータを洞察のために分析し、サプライチェーン管理を改善できます。理想的なユースケースには、人間が集中し、反復的で、リアルタイムの意思決定が必要なタスクが含まれ、AIは効率と精度を大幅に向上させることができます。理想的なユースケースの基準には、高いデータの可用性、明確に定義された達成可能な結果、および収益とコスト削減の測定可能な改善の可能性が含まれます。

AIエージェントは、小売店のパフォーマンスと在庫管理の慣行において重要な役割を果たすことができます。エージェントは、パフォーマンスデータを自律的に監視して、ストアのパフォーマンスメトリックが定義されたしきい値を下回ったときにストアマネージャーに警告することができます。同様の店舗でのパフォーマンスを比較することにより、エージェントは改善の領域を特定し、店舗のパフォーマンスを改善するためのアクションを推奨できます。

エージェントは、小売店での在庫や過剰な状況を避けるのに役立ちます。さまざまなソース（販売、在庫、プロモーション、外部イベントなど）からのデータを分析することにより、エージェントは、販売スパイクが予測と誤って調整されたときに識別し、潜在的な不足につながり、サプライチェーンチームに警告することができます。エージェントは、最適な在庫レベルを確保し、運搬コストを削減し、在庫アウトや余剰在庫の可能性を減らすために自動的に生成できる補充注文を推奨します。

エージェントAIによる課題を軽減します

サプライチェーン全体の混乱は、多くの場合、製品不足と低ケース充填率（CFR）につながり、顧客全体に在庫を割り当てるという複雑な毎日のタスクにつながります。エージェントは、顧客の注文、現在の在庫レベル、および製品代替オプションを分析して、潜在的なCFRの状況を特定できます。エージェントは、顧客ロイヤルティ、顧客のセグメンテーション、注文価値、SLA罰金、緊急性などの事前定義された基準に基づいて注文を優先することにより、在庫を割り当てます。

2025年にRCG企業が直面している最大の課題の1つは、関税の影響を評価することです。 AIエージェントは、高い関税のリスクを軽減するために、さまざまな地域の代替サプライヤーを評価および推奨できます。この多様化戦略は、コストを最小限に抑えながら、材料の安定した供給を維持するのに役立ちます。関税の規制と市場の状況を継続的に監視することにより、AIエージェントは、関税の引き上げや関税の低い国への生産をシフトする前に、大量購入などのコスト削減策を提案できます。エージェントは、市場の状況と過去の価格設定データを分析することにより、サプライヤとのより良い条件の交渉を支援できます。これは、関税の変動にもかかわらず、企業が可能な限り最高の取引を得ることを保証するのに役立ちます。

次は何ですか？

「サプライチェーンを最適化して売り上げを10％増やすにはどうすればよいですか？」

これはサプライチェーンの質問のように感じるかもしれませんが、金融、販売、マーケティング、そしておそらく製造が含まれます。それに答えることは、数日または数週間の分析が必要になる可能性が高いほど複雑な質問です。

今日、エージェントはCopilotに統合されており、ユーザーは定義された領域で特定の質問をすることができます。この機能は、時間の経過とともに範囲と複雑さが拡大し、最終的にはビジネスアプリケーションの包括的な再設計につながります。

プロジェクトソフィア エージェント、副操縦士、およびビジネスアプリケーションが無限の研究キャンバスに収束することを想定しています。

AIの最初のアプローチを使用して設計されたProject Sophiaでは、さまざまな異なるシステムや入力からのデータを分析することで、ビジネスの質問をすることができます。 AIは、さまざまな視点を表示するように導き、洞察を全体的に理解し、行動するのに役立ちます。

Project Sophiaはユーザーエクスペリエンスを再考し、戦略的および戦術的なアプローチを統合しながら、各職務機能を視点からの質問に対処するためにサポートします。

エージェントシステムを開始します

小売業、消費財のバリューチェーンの最適化を拡大するAIの可能性の向上

エージェントAIは、製造と販売戦略の統合、複数のチャネルまたは消費者への直接の販売、複数の製品ラインとビジネスの管理、世界中のマーケティングと販売の取り組みの統合など、市場へのルートの複雑さをナビゲートするのに適しています。

エージェントAIは、LLMSエージェンシーに自律的に行動する能力を提供する不可欠なツールです。 LLMは以前にテキストの生成や要約ドキュメントなどのタスクを実行するために使用されていましたが、推奨事項に基づいて行動することはできませんでした。一方、エージェントAIは、目標ベースの最適化を促進するように設計されており、高い予測可能性と最小限の人間の監視で目標を動的に適応および実行できます。一緒に、生成AIとエージェントAIの進歩は、テクノロジーから派生した戦略的価値と生産性を再定義し、より高度な意思決定プロセスを精度と速度を高めて組み込みます。

より戦略的な関与のために、ビジネス上の問題とシナリオを特定します

AIエージェントを戦略的に使用する方法を検討する際に、自動化に役立つビジネスプロセスのラインを識別するより大きなコンテキストでエージェントAIのアプリケーションをフレーム化することが重要です。エージェントの能力に対するユーザーの信頼を確立し、データガバナンス、プライバシー、セキュリティなど、エージェントAIの明確な運用ガードレールを確立します。エージェントの価値配信に自信を植え付け、タスクの追跡を超えて計画と実行機能まで共同作業管理を拡大します。

エージェントAIと生成AIのビジネスアプリケーションへの統合は、組織が問題解決、戦略的計画、および運用効率にアプローチする方法の記念碑的な変化を意味します。高度なAI機能を使用することにより、企業は意思決定がより速く、より正確であるだけでなく、より洞察力と全体的な将来を予測することができます。このテクノロジーの収束は、革新的なソリューションと前例のないレベルの生産性への道を開き、明日のビジネスランドスケープの中心にAIとしっかりとしています。

エージェントシステムの詳細をご覧ください

---

ソース

¹ https://www.mckinsey.com/capabilities/operations/our-insights/supply-chain-risk-survey