چرا هوش مصنوعی زنجیره تامین بریتانیا را اصلاح نمی کند؟
بر اساس تحقیقات جدیدی که در Benchmarking: An International Journal منتشر شده است، مشاغلی که امیدوارند هوش مصنوعی مشکلات زنجیره تامین آنها را حل کند، ریسک هدر دادن سرمایه خود را دارند، مگر اینکه ابتدا نقاط ضعف در داده ها، مهارت ها و مدیریت خود را برطرف کنند.
این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:
بر اساس تحقیقات جدید منتشر شده در Benchmarking: An International Journal، مشاغلی که امیدوارند هوش مصنوعی مشکلات زنجیره تامین آنها را حل کند، خطر هدر دادن سرمایه خود را دارند، مگر اینکه ابتدا نقاط ضعف در داده ها، مهارت ها و مدیریت خود را برطرف کنند.
این مطالعه که توسط دانشگاه لندن شرقی (UEL) انجام شد، نشان داد که فناوری پیشرفته میتواند به شرکتها کمک کند تا تقاضا را پیشبینی کنند و در صورت مختل شدن زنجیرههای تامین سریعتر پاسخ دهند. اما محققان هشدار می دهند که سرمایه گذاری صرف در هوش مصنوعی (AI)، سیستم های کلان داده، محاسبات ابری و اینترنت اشیا (IoT) نتایج بهتری را تضمین نمی کند.
در عوض، کسبوکارها به افراد مناسب، دادههای قابل اعتماد، سیستمهای مدیریت شفاف و توانایی تبدیل اطلاعات به تصمیمگیری نیاز دارند.
محققان از دانشکده تجارت و حقوق رویال داکس و دانشگاه هرتفوردشایر، بیش از 500 مطالعه آکادمیک منتشر شده در طول یک دهه در مورد استفاده از داده های بزرگ در زنجیره تامین و عملیات تجاری را بررسی کردند. آنها دریافتند که حتی اگر اطلاعات آن توسط افرادی که تصمیم میگیرند مورد اعتماد، درک و استفاده نشود، حتی فناوری پیشرفته نیز ارزش کمی دارد.
دکتر گادفرید آدابا، مدرس مدیریت زنجیره تامین، گفت: "پیام برای کسب و کارها این است که خرید آخرین فناوری هوش مصنوعی یا داده کافی نیست. این ابزارها می توانند به کسب و کارها کمک کنند، اما تنها در صورتی که پایه ها از قبل ایجاد شده باشند."
«کسب و کارها به داده های قابل اعتماد، افرادی با مهارت های مناسب، مسئولیت روشن در قبال تصمیمات و مدیرانی نیاز دارند که اطلاعاتی را که به آنها داده می شود درک کرده و به آنها اعتماد کنند. اگر این چیزها وجود نداشته باشند، فناوری پیشرفته می تواند به یک سیستم گران قیمت تبدیل شود که ارزش واقعی کمی ارائه می دهد."
نویسندگان توصیه می کنند که کسب و کارها قبل از گسترش استفاده از تجزیه و تحلیل پیشرفته، حاکمیت داده، مهارت های تحلیلی و فرآیندهای تصمیم گیری خود را تقویت کنند. آنها همچنین به اهمیت تیم هایی که تخصص فنی و عملیاتی را گرد هم می آورند اشاره می کنند.
گادفرید بی. آدابا و همکاران، ایجاد ارزش تجزیه و تحلیل داده های بزرگ در عملیات و مدیریت زنجیره تامین: مروری بر قابلیت ها، شرایط و محدودیت ها، معیارسنجی: مجله بین المللی (2026). DOI: 10.1108/bij-03-2026-0172
لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →
متن اصلی (انگلیسی)
Why AI won't fix Britain's supply chains
Businesses hoping AI will solve their supply chain problems risk wasting their investment unless they first fix weaknesses in their data, skills and management, according to new research published in the Benchmarking: An International Journal.