人工知能（AI）技術が主流となってから2年以上が経ち、私たちはそれがもたらす革新的な破壊の数々、すでに実現した恩恵と今後期待される恩恵、そして潜在的なリスクについて、驚嘆し続けている。これまで私たちが目撃してきたイノベーションのサイクルは、ビジネスと消費者の景色を塗り替える変革的技術を伴い、とりわけ早期導入者や既存勢力を揺さぶり得る破壊者に、新たな機会を生み出してきた。あらゆる大きな技術シフトと同様に、大きな勝者と敗者が生まれる。競争の焦点は、実現可能な投資対効果（ROI）を、誰が最も俊敏かつ迅速に獲得できるかである。加えて、データセキュリティの維持、バイアスの排除、透明性の確保など、複数の重大リスクにも向き合わなければならない。例えば、企業は恩恵を得るために迅速に動き、巨額投資を行っているが、そのことはセキュリティ運用に対する従来型の監督が手薄になっているようにも感じられる。AIという複雑性が加わったことで、セキュリティ上の脅威と課題は増大した。多くの場合セキュリティ対応は後手に回りがちであり、悪意ある行為者はそこに付け込む機会を見いだすからだ。
いま私たちが目撃しているイノベーションのサイクルにはいくつかの呼び名があるが、私が好むのは「認知サイクル」という用語である。このサイクルの主要な特徴は、学習するシステムが登場することにある。そして、それらのシステムが人々の行動を変える。つまり最終的に、AIはより速いイノベーション、より良い意思決定、より高い効率を通じて、生産性を大きく改善することになる。
最も破壊的なイノベーションの多くは、およそ50年から100年に及び得る技術ライフサイクルに従い、4つの明確な段階として説明できる。第1段階は「イノベーション」段階であり、限られた利用可能性のもとで新たな概念を研究開発することが特徴である。続く「成長」段階は、投資の拡大と急速な採用によって火がつく。第3段階は「成熟」段階で、概念が安定し、広く利用される。最後の段階は「衰退」段階であり、より新しく優れた代替手段が登場するにつれて、その概念は陳腐化していく。1
AIという概念は1950年代に始まり、それ以降、深層学習システムの証拠が見られてきた。その1つが、1997年にチェスのグランドマスター、ガルリ・カスパロフを破ったIBMのシステム「Deep Blue」である。加えて、2011年に「Jeopardy!」のチャンピオンであるケン・ジェニングスとブラッド・ラターを破ったIBMのシステム「Watson」のような高度な質問応答（QA）システムもある。2022年以降、ユーザーのプロンプトに応じて自然言語の対話を行うよう設計されたChatGPTなど、大規模言語モデル（LLM）のファミリーを私たちは経験してきた。LLM、SLM（小規模言語モデル）、DSM（ドメイン特化モデル）、そして数多くの自社開発AI言語モデルを用いてソリューションを構築する「AIゴールドラッシュ」を目撃した。AI技術のサイクルは21世紀後半まで続く可能性が高く、機械学習、深層学習、生成AI、自律的なエージェント型AI、さらに量子AIのような将来のパラダイムを含む、さまざまなAIの波を包含するだろう。
変曲点
私が重視している中心的な変曲点は、インターネットの普及により1990年代に始まったものだ。それは誰もが情報にアクセスできるようにし、人々と企業が従業員、顧客、パートナー、そしてサプライチェーンとどのように関わるかを変えた。データと情報の継続的で前例のない増大は、クラウドコンピューティング、モバイル端末、ソーシャルアプリケーション、モノのインターネット（IoT）といった技術やアプリケーションによって、さらに加速した。いま、AIの急速な展開を受けて、構造化データのみならず増え続ける非構造化データからも情報と洞察を抽出し、理解し推論できるシステムやアプリケーションの台頭が見られる。これにより自動化がさらに進み、仕事の未来が再定義され、今後のビジネスの姿が形づくられていく。
その結果、AIはあらゆる企業の戦略、オペレーション、インフラのより深部へと入り込み、約束する効率性向上を取り込むための大規模投資が進んでいる。ここで私たちの好奇心は、ビジネスが常に念頭に置くべき大きな問いへと向かうべきである。「なぜ」「どのように」「もし〜ならどうなるか」。例えば、次のような問いだ。
1）なぜ市場はそれを使うことで恩恵を受けるのか。また顧客、パートナー、従業員はどのように有利になるのか。
2）オペレーションコスト削減の便益はどのように測定されているのか。また継続的な実行のために必要な人材戦略はどのように最新の状態に保たれているのか。
3）もしガードレールやポリシーが不十分で企業リスクが増大した場合、是正策をどれほど迅速に展開できるのか。
ジョー・フディッカによれば、AIはグローバルサプライチェーンを次の効率水準へと引き上げるが、その前提として、私たちが互いを信頼するのと同様に、まずAIを信頼できなければならないという。2 流通と物流の世界では、かつてのグローバルサプライチェーンは分断され、事後対応的で、手作業のプロセスと限定的な可視性のもと、人間の意思決定に依存していた。
現在はデジタルにつながり、より予測的で、データ駆動型になっている。オペレーションでは、より深い洞察のために生成AIと、新たに登場するエージェント型AIが活用されている。したがって、さまざまな言語モデルを用いてオペレーションを変革し、パフォーマンスと効率を高める、統合サプライチェーン向けAIプラットフォームを検討すべきである。最良の結果は言語モデルの選択に左右される点を忘れてはならない。大規模、小規模、ドメイン特化のいずれを選ぶかによって、特定のタスクやワークフローに対するパフォーマンス最適化が決まる。将来的には、自己最適化し、自律的で、量子AIを備えたサプライネットワークが、グローバルに予見し、解決し、調整するようになるだろう。企業が世界規模でサプライチェーン全体を即座に最適化できる未来のある日を想像してみてほしい。これは、量子コンピューティングの計算能力と、AIの学習およびパターン認識能力をシステムが組み合わせ、今日の古典的システムの能力を超える複雑問題を解けるようになったときに可能になる。
それまでの間は、製品情報・在庫管理（PIIM）、サプライヤー情報管理（SIM）、顧客情報管理（CIM）にまたがって、課題解決のためにAIを適用し、変革的な体験とサービスを提供することで恩恵を享受する必要がある。さらに、グローバル物流でAIを活用すれば、サプライチェーンの混乱を減らし、供給、需要、在庫、価格をリアルタイムで管理できるようになる。
実務において
私はいくつかの上場企業で取締役を務めているが、それらの企業はいずれも、今日の多くの企業と同様、サプライチェーンと物流ネットワーク全体にわたるソリューション構築に積極的に投資している。
Avnetは、電子部品、組み込みシステム、物流にまたがって、事後対応型から、より予測的で適応的なアプローチへ移行することで、AIを用いてサプライチェーンを進化させようとしている。同社は、情報管理ツール、需要予測、在庫最適化と配置、物流計画とルート最適化、倉庫オペレーション、リスク予測の改善にAIを活用する方法を模索している。サプライヤーにとっての潜在的な恩恵には、需要の可視性向上、在庫リスクの低減、受注精度の改善などがある。顧客にとっての潜在的な恩恵には、製品可用性の向上、より迅速なフルフィルメント、コスト低減が含まれる。
Graingerは、メンテナンス、修理、オペレーション（MRO）用品における製品可用性の最適化、業務効率の向上、顧客体験の改善のために、サプライチェーン全体でAIを活用してきた。需要予測と計画には機械学習モデルが用いられている。KeepStockプログラムでは、コンピュータビジョンが在庫管理の簡素化に活用され、倉庫および物流システムでは、高度なAIモデルがフルフィルメントの最適化に用いられている。サプライヤーにとっての恩恵には、需要シグナルの改善、効果的な補充、負担の少ない顧客先での導入がある。顧客にとっての恩恵には、製品可用性の改善、手作業のミス削減、補充の迅速化、信頼性の高いフルフィルメントが含まれる。
UPSは、需要予測とキャパシティ計画、グローバル物流と輸送、予知保全、荷物配送における効率と信頼性を高めるため、サプライチェーンと統合ネットワーク全体でAIを活用している。AIで稼働する「ORION」は、動的ルーティングおよびラストマイル配送のプラットフォームであり、より高い効率と燃料効率の改善を可能にする。スマートファシリティやRFID対応パッケージにAIを用いることで、フルフィルメントの合理化とスループット向上にもつながる。サプライヤーにとっての恩恵には、より信頼性が高く最適化された配送オプション、ネットワーク効率の改善、拡張可能なグローバル物流支援がある。顧客にとっての恩恵には、リアルタイムの可視性と洞察を伴うより迅速な配送、物流コストの低減、問題の先回りした管理が含まれる。
AIの力により、私たちはサプライチェーン全体を継続的に再構想できるようになった。計画、調達から、製造、流通、物流、フルフィルメント、返品に至るまで、エンドツーエンドで能力が強化されている。研究によれば、AIは効率性向上、リスク低減、意思決定の改善を通じて、グローバルサプライチェーン全体で年間1兆3000億〜2兆ドルの価値を解放し得るという。3
