Lebihan inventori, penghantaran berulang dan kerja manual yang mengambil masa memang muncul sebagai kos dalam e-dagang. Tetapi ia juga memberi titik permulaan yang praktikal kepada perniagaan untuk melaksanakan ESG. Setiap satu bergantung pada keputusan harian pasukan tentang apa yang perlu dibeli, bagaimana ia dihantar dan ke mana masa mereka diperuntukkan.
Di AINNA, pasukan kami membangunkan NeuralOps untuk membantu pasukan membangunkan aplikasi dan mengautomasikan aliran kerja. Seni bina Smart Routing memilih model AI berdasarkan keperluan setiap tugasan. Kami telah menggunakan NeuralOps untuk menyokong pembangunan sistem bagi dua kilang dan sebuah kerajaan negeri. Pengalaman itu mengukuhkan prinsip yang saya gunakan dalam AI dan ESG: mulakan dengan masalah operasi yang khusus dan tentukan bagaimana kemajuan akan diukur.
Alam sekitar | Padankan penggunaan sumber dengan tugasan
Dalam pengurusan inventori gudang, amaran awal tentang stok yang lambat bergerak boleh mendorong pasukan menyemak pesanan pembelian sebelum lebihan inventori terkumpul. Prinsip yang sama terpakai kepada AI. Jika model ringan boleh mengklasifikasikan rekod dengan tepat, Smart Routing boleh menyerahkan tugasan itu kepada model tersebut.
Dalam kira-kira bulan pertamanya, seni bina NeuralOps mengendalikan beban kerja kira-kira 32 bilion token, dengan kos model AI sekitar RM100. Angka token itu mencerminkan beban kerja merentas keseluruhan seni bina. Untuk menilai kesan alam sekitar, pengukuran berasingan bagi penggunaan tenaga dan pelepasan diperlukan.
Sosial | Beri pasukan lebih banyak masa untuk kerja yang memerlukan pertimbangan mereka
Semakan data, laporan dan pemberitahuan rutin boleh mengambil bahagian besar hari bekerja. Mengautomasikan sebahagian langkah itu memberi pasukan lebih masa untuk menyiasat percanggahan stok atau menyelesaikan isu pelanggan. Masa pemprosesan dan kadar ralat boleh membantu menunjukkan sama ada perubahan itu benar-benar berkesan kepada pengguna yang terlibat.
Tadbir urus | Pastikan keputusan mudah disemak
Apabila AI mencadangkan tindakan yang menjejaskan inventori, perbelanjaan atau pelanggan, pasukan harus dapat melihat data apa yang menjadi asas cadangan itu, apa yang mencetuskannya dan siapa yang meluluskan tindakan tersebut. Sebagai contoh, NeuralOps boleh menandakan stok yang lambat bergerak dan mencadangkan pesanan semula yang lebih kecil. Pasukan pembelian kemudian boleh menyemak cadangan itu sebelum mengubah pesanan pembekal.
Bagi saya, titik permulaan yang praktikal ialah satu proses dengan garis dasar yang jelas. Jika lebihan inventori menjadi isu, ukur nilai stok yang lambat bergerak sebelum dan selepas perubahan. Jika pelaporan manual menjadi isu, jejaki masa yang diambil dan kekerapan ralat berlaku. Ukuran ini memberi pasukan asas untuk memutuskan sama ada mahu mengekalkan, memperhalusi atau meluaskan aliran kerja tersebut.
Jika anda boleh memperbaiki satu proses dalam organisasi anda dengan AI, proses mana yang akan anda pilih dan bagaimana anda mengukur hasilnya?
#ESG #NeuralOps #AINNA #DigitalTransformation #AIAutomation



Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. Email diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
نواجه 32 في العمل الآن. مفيد.
32は上司に共有したい部分です。
The section on smart routing boleh menyerahkan tugasan is the strongest part for me.