IA generativa y cadena de suministro

Jeff: Hola de nuevo a todos. Te unirás a nosotros en otro episodio de la serie de podcasts ejecutivos Platforms Blueprint. Mi nombre es Jeff Nicks. Soy jefe de contenidos e investigación. Mi invitado de hoy es Chris Cutshaw. Está en TMC, una división de CH Robinson. Tendremos una conversación sobre la IA generativa, el papel que desempeñará en la orquestación de las cadenas de suministro en el futuro. Y recientemente hizo una presentación sobre esto que realmente entra en algunos detalles, lo cual me entusiasma mucho. Creo que la mayoría de las empresas están muy interesadas en este espacio, pero mucho de ello suena teórico. Entonces, si realmente podemos abordar la maleza. Sí, estoy muy emocionado por esta conversación. Cris. Muchas gracias por acompañarme.
Chris: Sí, no hay problema. Gracias por recibirnos.
Jeff: ¿Por qué no empezamos solo para asegurarnos de que estamos usando los términos correctos aquí? Cuando dices IA generativa, ¿qué la diferencia de la categoría más amplia de IA?
Chris: Sí, creo que algunas cosas, ¿verdad? La gente ha estado hablando de IA durante mucho tiempo, y creo que con algunas de las innovaciones que acaban de ocurrir, específicamente la IA abierta, donde este contenido realmente se genera. Así que está en una forma legible por humanos. Es capaz de crear narrativas, crear un lenguaje que podamos comprender e interactuar. Ahí es donde entra en juego lo generativo. Y realmente, desde noviembre de 2022, cuando Open AI lanzó la plataforma de chat GBT, definitivamente se están incorporando otras plataformas. Realmente lo ha hecho tangible para el uso y las cadenas de suministro. Creo que está maduro para su uso en el espacio.
Jeff: Hoy hiciste una presentación que en realidad estaba dirigida a una audiencia de altos ejecutivos de la cadena de suministro y dijo que estas son algunas de las posibilidades. Esto es lo que algunas personas ya están haciendo con él. No voy a pedirle que repita una presentación de 35 minutos, pero ¿cuáles fueron algunas de las conclusiones clave que espera que la gente haya aprendido?
Chris: Sí, las conclusiones clave son que definitivamente es muy nuevo. Estamos en la fase de aprendizaje, pero creo que las oportunidades son tremendas en nuestro espacio y en las cadenas de suministro en general. Hay muchos socios. Hay mucha gente involucrada, muchos sistemas diferentes. Esas cosas no siempre armonizan juntas, y terminas teniendo a mucha gente haciendo cosas manuales, procesando presionar botones, a falta de mejores términos. Entonces, si puede eliminar de sus esfuerzos ese trabajo con valor agregado o el trabajo sin valor agregado y realmente enfocarlos más en cosas que pueden ser una mejora continua para su cadena de suministro, cosas que pueden optimizarse, ahí es donde debe comenzar a enfocarse. esta nueva tecnología para quitarles de las manos el trabajo táctico del día a día. Para que puedan centrarse en ideas de mejora.
Jeff: También puedo ver que esto es una herramienta poderosa para darle voz a los datos porque creo que gran parte de lo que habla la transformación digital es que hay esta, ya sabes, una cascada de datos que ingresan y hay que descubrir qué es procesable si un La herramienta de inteligencia artificial realmente puede expresarlo con palabras. Por eso lo hacemos de esta manera.
Chris: Sí. Qué herramienta tan poderosa.
Jeff: Definitivamente muy poderoso.
Chris: Las oportunidades recién están comenzando, pero realmente parecen verdaderamente transformadoras y, en lo que respecta a su punto, cuando tienes muchos datos, recibes mucha información. Es difícil procesar todo eso y convertirlo en inteligencia, y creo que tecnologías como ésta están empezando a interactuar con un conjunto de información definitivamente diverso. Creo que es realmente emocionante sacar información de eso y hacerla tangible para que se puedan automatizar procesos.
Jeff: Sí. Nuevamente, a veces trato de ponerme en la posición de un líder de la cadena de suministro que es consciente de que esta herramienta está disponible. Ciertamente no quiero ser la última persona en investigar esto, pero puede resultar intimidante ser el primero. ¿Cuáles son algunas de las frutas maduras con las que tal vez podría experimentar o con las que puedo ver a alguien que conoces ser uno de los primeros en adaptarse y aprender de ellos?
Chris: Sí. Creo que, ante todo, debe asegurarse de tener la seguridad y la privacidad de sus datos completamente resueltas, por lo que debe asegurarse de que la forma en que utiliza esto no exponga información que no debería, y que realmente sea dirigido y enfocado. Entonces, una de las cosas más fáciles que los líderes de la cadena de suministro conocen es que tenemos personas que hacen las cosas manualmente a lo largo de la cadena de valor o de suministro. Entonces, ¿dónde paso la mayor cantidad de tiempo? Eso no es un trabajo de valor agregado ni aumentar el valor de lo que hacemos para nuestras operaciones y, en cierto modo, agregar y clasificar eso y ver, oye, ¿tengo los datos suficientes para resolver este caso de uso y luego puedo transmitirlos a un espacio limitado? Agente de AGI que potencialmente puede hacerse cargo de algunas de esas acciones. Entonces, comenzando desde muy pequeño para decir, oye, estoy presionando este botón o estoy respondiendo a una pregunta por correo electrónico que es realmente de naturaleza manual o táctica. Y hago esto mucho o tengo equipos de personas haciendo esto. ¿Puedo empezar por ahí para eliminar a algunas de esas personas o, lo que es más importante, transformar lo que están haciendo y elevar su talento a elementos más innovadores y de valor agregado?
Jeff: Me interesó al principio de tu respuesta. ¿Estás diciendo que realmente tienes que encerrarte? Los datos que le estás dando son los datos correctos y están seguros. Puedo ver que eso es algo que las empresas quieren dejar muy claro. ¿Cuáles son quizás las nuevas reglas involucradas? Quiero decir, la seguridad de los datos siempre es algo de lo que hablamos, pero en realidad estamos alimentando y no quiero que la información sea dramática en una caja negra donde hará algo y luego saldrá una respuesta por el otro lado. ¿Cómo es preparar esos datos?
Chris: Sí. Realmente creo que cuando trabajas con AGI, todo se trata de ingeniería rápida, por lo que estás entrenando al modelo o al agente para responder. Específicamente como lo quieres. Entonces, realmente tomarse el tiempo desde el principio para asegurarse de que la ingeniería rápida reduzca la capacidad de la API para acceder a información que no debería, o la capacidad de crear narrativas que digamos que están inventando cosas, están fabricando información. Entonces realmente querías definirlo, digamos. Este es tu papel en la vida. Esto es lo que se supone que debes hacer y, por cierto, nunca fabricar información. Sigue un proceso rígido establecido, pero lo realmente interesante es que lo que hemos hecho es poner modelos de lenguaje grandes de planificación delante de eso, para que realmente crees agentes específicos que tengan requisitos tácticos, ya sabes, u opciones tácticas a las que pueden recurrir. después de acceder a las herramientas internas, limitar realmente los datos para asegurarse de que sean exactamente lo que necesitan y saber más y luego asegurarse de que los resultados sean de una manera muy rígida. Entonces está controlado según el caso de uso en el que te estás enfocando. Entonces, de nuevo, dando un paso atrás, observando todos los procesos manuales que suceden y que usted sabe que son redundantes y que a sus equipos no les encanta hacerlo y comenzar su viaje dentro del tipo de tecnología de IA abierta o hay otros que están en línea y centrarse de manera realmente tangible en algunos de esos casos de uso y perseguirlos.
Jeff: Estoy muy interesado en que hayas mencionado algo así como enseñarle que no puede fabricarse. Así que, perdónenme, estoy un poco más familiarizado con el chat y GPT que con algunas de las aplicaciones de la industria, pero sé que alucinación es uno de los términos que hemos escuchado. Donde solo quiere complacerte. No necesariamente te está dando la respuesta correcta. Está tratando de generar una respuesta con la que estarás satisfecho. Me gusta que esa fuera la respuesta correcta. Ya sea que haya profundidad o no, esto no puede ser así porque lo que se está analizando son datos procesables. ¿Puedes ampliar ese tema?
Chris: Ninguna alucinación es en realidad un término técnico para algunos de estos agentes de IA. Quiero decir, hay ejemplos de firmas de abogados que usan esto y no verifican el resultado y descubren que, sí, las citaciones inventan casos, ¿verdad? Por lo tanto, debe ser muy rígido y claro, y la ingeniería rápida que sabe que debe seguir y asegurarse de hablar solo con la verdad, los datos a los que tiene acceso y con los que interactuamos, como algunos de esos. Las indicaciones que están abiertas, pueden ser de muchas maneras diferentes y en lo que nos enfocamos es en implementarlas en nuestra base de código usando parte de ese modelo entrenado para responder de manera humana, pero realmente enfocándonos en lo que puede hacer. Para que eso no se salga de sus límites.
Jeff: Estoy muy interesado en esto y recuerdo que dijiste antes de comenzar a grabar que en realidad tienes algunos detalles y cosas prácticas en las que podemos profundizar. Me encantaría hacerlo ahora, ya que este panorama general es fascinante. ¿Cuáles son algunos ejemplos concretos de alguien que ha aplicado esto a? ¿Qué está haciendo por ellos? Y, obviamente, no es necesario mencionar el nombre de un cliente. Pero guíenos el escenario.
Chris: Sí. Bueno, puedo darles un escenario muy específico que comenzamos y tenemos en producción. Muchas veces en nuestra industria, en la que estamos realmente enfocados, el transporte es cuando entregas algo físicamente, alguien firma un documento y se llama prueba de entrega. Y para que muchos clientes automatizaran su proceso de pago para garantizar que fuera puntual y completo, OTIF realmente se centró. Quiere capturar todos esos documentos y, si se realiza una auditoría, quiere asegurarse de que sean inexactos. Entonces, a través de miles de envíos que administra, está tratando con toneladas de proveedores diferentes y esos proveedores tienen subproveedores como conductores o trabajadores de almacén. Entonces, tienes todas estas fuentes de información donde pueden residir los documentos y, a menudo, hay equipos de personas que van a buscarlos, envían correos electrónicos, hacen un seguimiento y recuperan esos datos en el sistema. Ese es un caso de uso perfecto y tangible en el que podría enfocarse un agente de IA en lugar de tener, ya sabes, equipos de personas detrás de eso. Entonces, perseguir documentos de PO, hacer un seguimiento, ya sabes, cuando algo no está bien y obtener la información de una manera automatizada que sabes que has establecido los límites y el control que se están tomando, sabes que el trabajo manual está fuera de la ecuación y centran su tiempo en más, digamos, actividades de optimización que pueden reducir costos o mejorar el servicio y no se estancan en parte del trabajo táctico del día a día. Entonces, creo que usted sabe que la documentación y el intercambio de la documentación son precisos, oportunos y están asociados con el registro de envío, es donde nos centramos en parte de esta construcción.
Jeff: Fantástico. Entonces, tal vez digamos eso de otra manera y puedan verificarme. Puede producir el informe a partir de todos estos puntos de datos. Pero lo que está liberando a la gente allá arriba solía ser alguien que tenía que compilar todo eso, que tenía que darle sentido en un informe. Ahora tal vez puedan ser liberados. No tenemos esta información y ellos pueden establecer esa conexión humana con la persona que no ha reunido sus datos o como si estuvieran libres para solucionar problemas mientras el sistema hace la parte que requiere mucha mano de obra.
Cris: Exacto. Entonces, el agente de IA verá que no hay un POD y que no hay un documento. Seguirá pasos definidos. Se extenderá. Escribe un correo electrónico que aparentemente proviene de un humano. Sí, parece que está bien, alguien está pidiendo algo. Y lo que suele suceder hoy con la gente: obtendrán una respuesta. Tomarán ese archivo adjunto. Lo subirán a alguna parte, así que creo que es un gran área de enfoque y eso es algo que hemos hecho.
Jeff: Supongo que nuevamente me pongo en la posición de ser un ejecutivo de la cadena de suministro que ve que esta es una herramienta increíble que está llegando al mercado. ¿Cómo es empezar? ¿Cuál es un cronograma realista que le guste? Pruebe un piloto. Asegúrese de que realmente sepa cuáles son los datos correctos que ingresan y los resultados correctos que salen porque seguirá siendo una persona comprobando eso durante mucho tiempo para asegurarse de que usted sepa que representa a su empresa.
Chris: Sí. Quiero decir, tendrás que tener algunos equipos técnicos que comiencen con esto, que elijan la tecnología adecuada y luego limiten los datos a los que tiene acceso y los implementen dentro de su ecosistema. Así que no es como un código abierto, ya sabes, capaz de proporcionar información patentada a ese agente. De modo que realmente lo limitaste. Entonces, al comenzar ese viaje, debe comenzar a buscar ingeniería rápida. Gran parte de esta codificación, que es realmente emocionante, puede ser realizada por personas no técnicas a través de capacitación y aprendizaje, y hemos utilizado algunas tecnologías, incluida Lang Chain, que nos ayuda a encadenar tareas más pequeñas en un flujo de trabajo complejo general, así como IA abierta. Y luego tenemos modelos patentados que hemos construido dentro del espacio logístico para luego brindarles datos, así como nuestro sistema de registro, para tener acceso a la información necesaria para lograrlo. Entonces, configurar esa infraestructura probablemente lleve, ya sabes, dos o tres meses para comenzar, asegurándose de verificar con sus equipos de privacidad de datos de seguridad de datos para asegurarse de que hayan aprobado y luego comenzar desde muy pequeño. casos de uso, aprender sobre la marcha y luego descubrir cómo se puede escalar y lo que estamos haciendo para escalar es básicamente permitir un modelo de lenguaje grande de planificación para observar los SOP que los humanos están escribiendo. Básicamente, puedo escribir un SOP para una acción específica que quiero automatizar. El LLM de planificación puede aprender de ese SOP y luego definir las tareas que seguirán los LLM más pequeños y específicos. Puede reordenar el flujo de trabajo en función de lo que está aprendiendo y luego obtener ese resultado tangible de lo que habría hecho un humano en el pasado.
Jeff: Me gustaría explicar qué hace que un TMC sea un socio preferido en este espacio. Entiendo que eres uno de los primeros innovadores y que tienes cierta experiencia que ya te distingue de mucha gente, pero explicame cómo llegaste a esto, qué estás haciendo específicamente que sea emocionante. Algunos líderes de la cadena de suministro me explican eso.
Chris: Sí, quiero decir uno, queríamos compartir lo que estamos haciendo solo para mostrar la oportunidad en este espacio. Y luego pienso específicamente, la razón para asociarse con nosotros en este campo es que, ya sabes, probablemente tengamos más acceso a datos de transporte que cualquier empresa en el mundo. Así que tenemos 30 mil millones de dólares en carga en nuestra plataforma. Entonces, al crear modelos muy centrados en la logística es donde tendremos esa propiedad intelectual o propiedad intelectual a la que las empresas pueden conectarse. Entonces, creo que somos un gran socio para eso, pero también queremos ser consultivos y simplemente hablar sobre la verdadera y tremenda oportunidad que este tipo de tecnología puede brindar. Y definitivamente estamos en una etapa muy temprana, pero estamos muy entusiasmados con algunos de los modelos específicos de logística que estamos construyendo, algunas de las capacidades que ya hemos tenido de una parte de ingeniería y desarrollo de talentos que ahora están centrándonos realmente en esta tecnología. Y estamos invirtiendo mucho más en este espacio. Así que realmente nos pusimos manos a la obra tratando de adelantarnos, ya sabes qué oportunidades existen. Así que creo que las empresas que buscan asociarse, especialmente en la fase de ejecución del transporte, deberían considerar a TMC y CH Robinson como socios vitales.
Jeff: Absolutamente. Y ya sabes, no poner palabras en boca de nadie. Pero, de nuevo, si yo fuera un ejecutivo de la cadena de suministro y dijera que estoy interesado en esto, ¿cuáles serían algunas de las preguntas que debería hacerles? Creo que tiene que haber un desafío para el negocio que necesita solución o cuáles son algunas de las formas correctas de abordar esto en lugar de simplemente. Quiero probar el juguete nuevo.
Chris: Sí. Quiero decir, la gente quiere probar el juguete nuevo, ¿verdad? Es muy que esté en las noticias. Está en la prensa, así que creo que primero se clasifican las oportunidades para crear el caso de negocio, tendrás que desarrollarlo, tendrás que hacer las cosas de tu lado. Sin embargo, no es algo que puedas subcontratar a un socio. Hay algunos escenarios en los que se puede encontrar, pero realmente he informado a los clientes que se tomen el tiempo para crear el caso de negocio, encontrar áreas dentro de su cadena de suministro en las que esta podría ser una tecnología de enfoque y donde tal vez tengan puntos ciegos en términos de la documentación de visibilidad de datos de logística que mencionamos y discutimos anteriormente. Luego, observe su red de socios y vea quién está realmente invirtiendo en el espacio. Entonces eso podría usarse y podrían ser otros. Pero en realidad, la clasificación de la pila, sus oportunidades son muy concisas y están limitadas en lo que desea perseguir, y luego los socios como nosotros realmente podemos comenzar a trabajar con eso como una barrera protectora para el desarrollo.
Jeff: Bien, si tengo mi punto débil o la oportunidad que estoy diciendo, creo que este es un buen lugar para comenzar y vengo a CH Robinson. Y te agradezco por TMC. La división de CH Robinson que está trabajando específicamente en este espacio, ¿cómo es el primer día? ¿Cómo es el comienzo real de esa asociación y cómo preparo a mi equipo para comenzar?
Chris: Sí, creo que queremos ver el modelo de datos. Así que asegúrese de saber que utilizamos nuestra plataforma patentada Navisphere. Entonces queremos conectarnos a su red logística. Quieres obtener algunos datos. Realmente necesitas un gran conjunto de datos para comenzar. Si hay puntos ciegos en los datos, los agentes de IA tendrán dificultades para responder preguntas o ser concisos. Entonces, creo que mirar el modelo de datos, ver dónde sabemos que podemos integrarlo y brindar soporte, y luego implementar ese caso de negocios y buscar pruebas de escenarios específicos y aprender a fallar rápidamente, ya sabes, y fallar de manera económica si buscas algo que tal vez sea demasiado sólido. no querrás tomar demasiado tiempo. Por lo tanto, comenzar de manera muy sucinta, avanzar rápido e identificar el modelo de datos que desea utilizar para lograrlo es increíblemente importante. Te permite moverte rápido en el espacio.
Jeff: Cada vez que hablamos de una nueva tecnología, especialmente algo como la IA, hay mucho revuelo. Sí, quiero tomarme un minuto y hablar sobre la gente. En parte, todo esto se debe a que existe una organización de la cadena de suministro. Sí, parte de lo que estamos hablando es de automatizar sus trabajos, lo que los liberará para hacer trabajos más importantes. Pero hay una lucha allí por un minuto. ¿Podemos hablar de eso?
Chris: Es la ecuación humana, ¿verdad? Como parte de ello. Entonces, lo que yo diría es que nuestra industria en general tiene una brecha de talento. Por lo tanto, estamos luchando por poner experiencia en logística, experiencia en transporte e incluso experiencia en la cadena de suministro en asientos para escalar las organizaciones a medida que crecemos, incluso ustedes saben que durante este momento tumultuoso por el que hemos pasado, todavía hay una falta de experiencia. Entonces, en mi opinión, no se trata de reemplazar el capital humano, se trata de maximizarlo y poder escalar a través de muchos flujos diferentes y no tener que ir más alto y ampliar su equipo y puede mantenerlo realmente enfocado en el equipo enfocado en las iniciativas de valor agregado. .
Jeff: Hemos cubierto mucho terreno en esta conversación. Si hubiera dos o tres puntos clave en los que quisiera que la gente pensara un poco más, sí, ¿cuáles serían? Chris: Sí. Estamos en una etapa muy temprana, es muy emocionante, pero debemos ser muy cuidadosos y muy deliberados sobre lo que estamos haciendo con esta tecnología. Por lo tanto, quedan muchos aprendizajes por hacer. Queremos asegurarnos de que esté controlado y fuimos muy rígidos con lo que le permitimos hacer. Creo que queremos centrarnos en el elemento humano. Creo que queremos mejorar la vida de las personas y no necesariamente, ya sabes, centrarnos en el reemplazo, sino en aumentar las cosas que sabes que la gente no quiere hacer, queremos que se centren en las cosas interesantes que realmente aportan valor a sus vidas. compañías. Y esta es una avenida para hacer eso. Por lo tanto, comience con un aprendizaje pequeño y rápido, evalúe su red de socios para saber quién está invirtiendo realmente en este tipo de tecnología, con quién puede asociarse y luego observe su propio modelo de datos para comenzar.
Jeff: Tengo que pensar que con algo tan nuevo y tan emocionante, habrá gente con preguntas, gente que querrá aprender más. ¿Cuál es la mejor manera de ponerse en contacto? Tal vez elegir el cerebro de alguien en TMC.
Chris: Sí. Entonces, recomendaría a las personas que vayan a thechrobinson.com/TMC y allí encontrarán una opción para encontrar un experto. Para que pueda aprender más sobre lo que estamos haciendo en el espacio, felizmente también puede consultar qué estamos haciendo y cómo lo hemos hecho. Entonces, usted puede implementar eso de su lado y potencialmente podemos encontrar una manera de asociarnos en el futuro.
Jeff: Realmente aprecio tu tiempo aquí, Chris. Esto es algo realmente emocionante y de hecho no he podido hablar de ello con alguien que realmente lo esté haciendo todavía. Así que esto fue emocionante para mí. Realmente aprecio que estés aquí.
Chris: Gracias y gracias por las plataformas ejecutivas. Ustedes organizan excelentes conferencias, se lo pasaron genial aquí y esperan ver más en el futuro. Jeff: Fantástico. Mientras tanto, ha estado escuchando otro episodio de la serie de podcasts ejecutivos Platforms Blueprint. He sido Jeff Nicks. Hagámoslo de nuevo pronto.