Lebihan inventori, penghantaran berulang dan kerja manual yang memakan masa sememangnya muncul sebagai kos dalam e-dagang. Tetapi bagi saya, ia juga memberi kita titik permulaan yang sangat praktikal untuk ESG. Semuanya kembali kepada keputusan yang dibuat pasukan setiap hari - apa yang perlu dibeli, bagaimana ia dihantar, dan ke mana masa kita dilaburkan.
Di AINNA, kami membina 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 satu prinsip yang saya pegang dalam AI dan ESG: mulakan dengan masalah operasi yang spesifik, dan tentukan bagaimana kemajuan akan diukur.
Alam Sekitar | Padankan penggunaan sumber dengan tugasan
Dalam pengurusan inventori, amaran awal tentang stok yang lambat bergerak boleh mendorong pasukan menyemak pembelian sebelum lebihan inventori bertimbun. Prinsip yang sama berlaku untuk AI. Jika model ringan mampu mengklasifikasikan rekod dengan baik, Smart Routing boleh menyerahkan tugasan itu kepada model tersebut.
Dalam kira-kira bulan pertama, seni bina NeuralOps mengendalikan beban kerja sekitar 32 bilion token, dengan kos model AI sekitar RM100. Angka token itu mencerminkan beban kerja merentas keseluruhan seni bina. Menilai kesan alam sekitar memerlukan pengukuran berasingan bagi penggunaan tenaga dan pelepasan.
Sosial | Beri manusia lebih banyak masa untuk kerja yang memerlukan pertimbangan mereka
Semakan data rutin, laporan dan pemberitahuan boleh mengambil sebahagian besar hari bekerja. Mengautomasikan sebahagian langkah itu memberi pasukan lebih banyak masa untuk menyiasat percanggahan stok atau menyelesaikan isu pelanggan. Masa pemprosesan dan kadar ralat boleh membantu menunjukkan sama ada perubahan itu benar-benar berkesan untuk orang yang menggunakannya.
Tadbir Urus | Jadikan keputusan mudah disemak
Apabila AI mencadangkan tindakan yang memberi kesan kepada 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 adalah isunya, ukur nilai stok yang lambat bergerak sebelum dan selepas perubahan. Jika pelaporan manual adalah isunya, jejaki masa yang diambil dan kekerapan ralat berlaku. Ukuran itu memberi pasukan asas untuk memutuskan sama ada mahu mengekalkan, memperhalusi atau memperluas aliran kerja tersebut.
Jika anda boleh memperbaiki satu proses dalam organisasi anda dengan AI, yang mana satu akan anda pilih dan bagaimana anda akan 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.
Cara dia bingkai 3 lebih baik daripada yang saya sangka.
This is where seni bina smart routing memilih finally clicks.
Bahagian 3 tu yang paling kena dengan saya.
Bookmarked, mostly for dan tentukan bagaimana kemajuan akan.