Τα απόνερα της πανδημίας μαζί με κάποια δυσνόητα γεωπολιτικά παιχνίδια έχουν δημιουργήσει μια ανησυχία για την εξέλιξη του ζητήματος των παρατηρούμενων ελλείψεων προϊόντων στην αγορά. Ωστόσο, το πρόβλημα δεν είναι νέο και οι εταιρείες με τη βοήθεια της τεχνολογίας αναζητούσαν εδώ και χρόνια λύσεις.

Στο ίδιο τεύχος του Economist δημοσιεύονται δύο άρθρα που με την πρώτη ματιά φαίνονται ασύνδετα μεταξύ τους. Στο ένα ο συντάκτης προσπαθεί να αναλύσει τους παράγοντες που δημιουργούν προβλήματα στην εφοδιαστική αλυσίδα και να καταλήξει σε συμπεράσματα σχετικά με τις επιπτώσεις. Στο άλλο, με τίτλο «The real time revolution», ο συντάκτης μιλάει για την οικονομία πραγματικού χρόνου. Ο τόπος που συναντιούνται τα δύο άρθρα είναι γνωστός εδώ και μια δεκαετία ως «Now Economy» και οι «επισκέπτες» του είναι η βιομηχανία, οι έμποροι και οι καταναλωτές.

Ο καταναλωτής δεν είναι φυσικά απαραίτητο ούτε εφικτό να γνωρίζει όλες τις διαδικασίες και τα κωλύματα που επηρεάζουν την ανταπόκριση της εφοδιαστικής αλυσίδας στις δικές του ανάγκες, από την προμήθεια και την τιμολόγηση των πρώτων υλών έως την παρουσία του τελικού προϊόντος στο ράφι ή στο τραπέζι του. Αυτό που ενδιαφέρει τον καταναλωτή και κατ’ επέκταση τη λιανεμπορική επιχείρηση και τη βιομηχανία, είναι να βρίσκει το προϊόν που επιθυμεί, όταν το αναζητήσει.

Σε αυτό το πλαίσιο, διαμορφώνει σε μεγάλο βαθμό τις προτιμήσεις του σε προϊόντα, αλλά και σε καταστήματα.

Αποφάσεις πραγματικού χρόνου για την οικονομία του τώρα
Για να αιτιολογήσουμε τις ελλείψεις προϊόντων στα ράφια, δεν χρειάζεται να φτάσουμε σε υποθέσεις που περιλαμβάνουν φυσικές καταστροφές, λόγω της κλιματικής αλλαγής ή τεράστια προβλήματα στην παγκόσμια εφοδιαστική αλυσίδα. Η αιτία μπορεί να είναι πολύ απλούστερη. Θα μπορούσε για παράδειγμα το προϊόν να υπήρχε στην τοπική αποθήκη του καταστήματος, αλλά να μην πρόλαβε κάποιος να το τοποθετήσει στο ράφι ή θα μπορούσε να υπάρχει στην κεντρική αποθήκη, αλλά να μην είχε γίνει η σωστή πρόβλεψη, ώστε να μεταφερθεί στην τοπική αποθήκη.

Ελλείψεις προϊόντων στα καταστήματα υπήρχαν και πριν την πανδημία και οι εταιρείες με τη βοήθεια της τεχνολογίας προσπαθούσαν να βρουν λύσεις για να τις περιορίσουν. Η πανδημία και η τρέχουσα ενεργειακή κρίση όμως επιδεινώνουν το πρόβλημα. Οι εταιρείες θα πρέπει να αναζητήσουν γρηγορότερα λύσεις, καθώς οι κίνδυνοι που δημιουργούνται για την ομαλή τους λειτουργία είναι μεγάλοι.

Οι εταιρείες που διαθέτουν συστήματα ανάλυσης πληροφοριών, έχουν εντοπίσει το πρόβλημα εδώ και καιρό, οπότε έχουν σπεύσει να προσαρμόσουν τις λύσεις τους, ώστε να παράγουν αποτελέσματα σε πραγματικό χρόνο. Ο πραγματικός χρόνος μετριέται ανάλογα με την κρισιμότητα των αποφάσεων.
Για παράδειγμα, για την αγορά ή πώληση μιας μετοχής, της οποίας η τιμή μπορεί να διακυμανθεί σε τεράστιο εύρος μέσα σε χρόνο μερικών λεπτών, ο πραγματικός χρόνος μετριέται σε χιλιοστά του δευτερολέπτου. Για μια αλυσίδα τροφίμων, οι απαιτήσεις για λήψη αποφάσεων δεν είναι τόσο ευαίσθητες στο χρόνο, οπότε ο πραγματικός χρόνος μετριέται σε ώρες, γεγονός που αποτελεί ούτως ή άλλως τεράστια μεταβολή σε σχέση με μερικές δεκαετίες πριν, οπότε μετριόνταν σε μέρες.

Η ανάδυση των ψηφιακών καταστημάτων έχει κάνει δυσκολότερο το πλαίσιο για τον προμηθευτή, γιατί από τη στιγμή που υπόσχεται ότι τα προϊόντα θα είναι στο χώρο του πελάτη του μια συγκεκριμένη ώρα, δημιουργεί το αίσθημα της αναμονής, ενώ η έλλειψη κάποιων προϊόντων είναι πιθανό να οδηγήσει στην ακύρωση ακόμη και συνολικά του καλαθιού αγορών.

Σύμφωνα με την Adobe Analytics, η οποία συλλέγει στοιχεία από ψηφιακά καταστήματα, τον Αύγουστο του 2021 οι ελλείψεις προϊόντων στις ΗΠΑ ήταν αυξημένες κατά 172% σε σχέση με πριν την έναρξη της πανδημίας.

Όλες οι εν δυνάμει λύσεις αντιμετώπισης των ελλείψεων είναι εξαρτημένες από την κατάσταση στο ράφι. Αν δεν είναι γνωστός ο αριθμός των προϊόντων που βρίσκονται εκεί, δεν είναι δυνατό να γίνει σωστή πρόβλεψη. Η ιδανική λύση σε αυτό το πρόβλημα έχει προταθεί πριν από δύο δεκαετίες και αφορά την αξιοποίηση της τεχνολογίας RFID, η οποία κάνει κάθε προϊόν μοναδικό. Οπότε, με ελάχιστη ή και καθόλου αξιοποίηση ανθρώπινου δυναμικού, το κάθε κατάστημα μπορεί να γνωρίζει με μεγάλη ακρίβεια τον αριθμό και το είδος των προϊόντων που βρίσκονται στα ράφια του. Στην έκθεση Beyond 4.0, που πραγματοποιήθηκε τον Οκτώβριο στη Θεσσαλονίκη, είδαμε ένα ρομπότ, το οποίο μπορούσε να περιφέρεται στους διαδρόμους ενός καταστήματος και να καταμετρά τα προϊόντα στα ράφια, με την προϋπόθεση ότι αυτά είχαν RFID tag. Όπως μας ενημέρωσε ο κ. Αντώνης Δημητρίου, καθηγητής του τμήματος Ηλεκτρολόγων Μηχανικών του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης και συντονιστής του ερευνητικού έργου Relief, η τεχνολογία RFID έχει ωριμάσει και έχει ξεπεράσει προβλήματα που υπήρχαν στα αρχικά στάδια, μεταξύ των οποίων και το πρόβλημα του κόστους κτήσης. Το κόστος ανά RFID tag είναι πλέον κοντά στο ένα εκατοστό του ευρώ. Με την αξιοποίηση της τεχνολογίας RFID οι επιχειρήσεις μπορούν να γνωρίζουν σε πραγματικό χρόνο τις ελλείψεις, αλλά αυτό δεν είναι αρκετό για να πετύχουν πλήρως τον στόχο της κάλυψης των αναγκών σε πραγματικό χρόνο, με την έννοια που αναλύθηκε παραπάνω. Οι διαθέσεις των καταναλωτών αλλάζουν και επομένως, ο μόνος τρόπος να καλυφθούν οι απαιτήσεις τους είναι να προβλεφθούν.

Η τεχνητή νοημοσύνη θα μπορούσε να βλέπει πιο καθαρά το μέλλον
Τα προϊόντα που βρίσκονται στην πρώτη γραμμή της ζήτησης είναι συνήθως αυτά που δημιουργούν το μεγαλύτερο ποσοστό των πωλήσεων. Η επιλογή αυτών των προϊόντων θα ήταν εύκολη υπόθεση, αν δεν επηρεάζονταν από παράγοντες, όπως η εποχικότητα και οι τάσεις αυξημένης κατανάλωσης που προκαλούνται μέσω των προωθητικών ενεργειών. Δεδομένου ότι σε ένα κατάστημα τροφίμων είναι πιθανό να υπάρχουν δεκάδες ή και εκατοντάδες χιλιάδες κωδικοί προϊόντων, είναι αδύνατο μια ομάδα ανθρώπων να παρακολουθήσει πώς οι διαφορετικοί παράγοντες θα επηρεάσουν τη ζήτηση. Αυτό όμως θα μπορούσε να το κάνει ένας αλγόριθμος τεχνητής νοημοσύνης, με την προϋπόθεση ότι θα έχει στη διάθεσή του τα σωστά δεδομένα.

Μια τέτοια δράση υλοποιήθηκε το 2020, σε συνεργασία της Μετρό με το Εθνικό Μετσόβιο Πολυτεχνείο (βλ. σελφ σέρβις Δε. 2020, σελ. 29). Στόχος ήταν η βελτίωση της διαδικασίας παράδοσης προϊόντων από τους προμηθευτές προς τις αποθήκες της εταιρείας. Το έργο βασίστηκε σε αλγόριθμο μηχανικής μάθησης, ο οποίος εκπαιδεύτηκε να αναγνωρίζει ασυνέπειες σε αυστηρά χρονοδιαγράμματα παράδοσης. Ο αλγόριθμος έχει πλέον τη δυνατότητα να παράγει δείκτες, οι οποίοι είναι διαθέσιμοι στους προμηθευτές, ώστε να γνωρίζουν την αποτελεσματικότητά τους και τα προβλήματα που δημιουργούν οι ασυνέπειες στη λειτουργία των καταστημάτων της Μετρό.

Ο συνδυασμός της τεχνολογίας RFID με την τεχνητή νοημοσύνη θα μπορούσε να δημιουργήσει έναν πετυχημένο συνδυασμό, σε προβλέψεις σχεδόν πραγματικού χρόνου, δίνοντας λύση τόσο στο πρόβλημα του Out of Stock, όσο και στο πρόβλημα της απαξίωσης προϊόντων, τα οποία λόγω ευπάθειας πρέπει να διατεθούν σε περιορισμένο χρονικό διάστημα. Σε επόμενα βήματα βελτίωσης, το σύστημα τεχνητής νοημοσύνης θα μπορούσε να συνδεθεί με εξωτερικές δεξαμενές δεδομένων, όπως για παράδειγμα οι καιρικές προβλέψεις και οι τάσεις που αναδύονται στα κοινωνικά δίκτυα, προκειμένου να βελτιωθεί η ικανότητα προβλέψεων σε πιο απρόσμενες καταστάσεις.

Αν και στα πρώτα βήματα, οι τελικές αποφάσεις θα πρέπει να έχουν την ανθρώπινη υπογραφή, με τον καιρό οι αλγόριθμοι θα αποδεικνύουν την αξία τους και θα είναι ρεαλιστικό να αναλαμβάνουν πιο υπεύθυνο ρόλο και να στέλνουν απευθείας τις παραγγελίες ή τις εντολές για αναπλήρωση προϊόντων στα ράφια. Ακούγεται πολύ απλούστερο από όσο είναι κι αυτό το γνωρίζουν καλά οι ειδικοί στον τομέα της εφοδιαστικής αλυσίδας, οι οποίοι καθημερινά έρχονται αντιμέτωποι με δεκάδες μικρά και μεγάλα προβλήματα, για την επίλυση των οποίων απαιτείται παράκαμψη διαδικασιών. Ωστόσο, για κάθε πορεία χρειάζεται μια αρχή και όσον αφορά τη χρήση τεχνολογιών τεχνητής νοημοσύνης, η αρχή έχει ήδη γίνει.