Nell'era dell'analitica avanzata e dell'apprendimento automatico, gli esseri umani possono essere “in the loop”, “on the loop” o “out of the loop”.

Nella catena di approvvigionamento, quando gli esseri umani sono "in the loop", sono i principali responsabili delle decisioni. Basandosi sulla comprensione - a volte limitata - delle complesse condizioni attuali nella catena di approvvigionamento, arrivano a quella che percepiscono come la decisione migliore.

Quando gli esseri umani sono "on the loop", si affidano pesantemente al potere dell'analitica avanzata, ma continuano ad essere il principale decisore e l'arbitro finale delle azioni.

Nel modello "out of the loop", l'analitica avanzata e l'apprendimento automatico assumono il pieno controllo del processo decisionale e dell'esecuzione. Gli esseri umani assumono un ruolo di supervisione, intervenendo solo quando necessario. Gli esseri umani possono essere fattibilmente fuori dal ciclo in numerosi processi della supply chain, come la previsione, il posizionamento dell'inventario, la disponibilità alla promessa, l'instradamento dinamico, la programmazione della fabbrica e molti altri. L'implementazione di questo modello è stata una forza trainante per i massicci investimenti in analisi avanzate e piattaforme di apprendimento automatico, e nel talento della scienza dei dati.

Ma nonostante la spinta verso l'automazione, quando si tratta di prendere decisioni, ci sarà sempre bisogno di un mix di modelli "in the loop", "on the loop" e "out of the loop". Diversi requisiti e priorità aziendali, diversi orizzonti temporali e diversi vincoli determineranno l'esatto livello di contributo dell'intelligenza umana o della macchina nel prendere le decisioni.

Mentre le aziende abbracciano l'automazione del processo decisionale, devono contemporaneamente escogitare strategie per catturare la conoscenza umana. La necessità di catturare la conoscenza umana è ancora più critica, dato che le catene di fornitura fanno fronte al pensionamento dei talenti e all'aumento della mobilità, e alla crescente enfasi sulle competenze tecniche, a volte a spese della conoscenza del dominio.

Un'organizzazione di supply chain otterrà un vantaggio competitivo se adotta una struttura che aumenta reciprocamente l'intelligenza umana e delle macchine. Quando gli umani insegnano, le macchine possono imparare. Quando le macchine raccomandano, gli umani possono supervisionare. Quando gli umani reagiscono, le macchine possono perfezionare. Quando le macchine vacillano, gli umani possono subentrare. Il tutto con l'obiettivo di migliorare il processo decisionale collettivo.

In un recente rapporto, Gartner ha introdotto il quadro di aumento reciproco uomo-macchina. Il quadro è definito come: la condivisione continua della conoscenza tra esseri umani e macchine che aumenta la loro capacità collettiva di prendere decisioni migliori.

Nel rapporto, vengono introdotte tre strategie che supportano l'aumento reciproco:

Le tre strategie sono:

Crowdsourcing: Con questa strategia, le aziende possono estendere i principi del crowdsourcing per includere umani e macchine come contributori uguali alla saggezza della folla. Gli umani possono portare le loro intuizioni basate sulla loro conoscenza del dominio. Al contrario, le macchine possono diventare un membro attivo della folla, contribuendo alle intuizioni generate dall'analisi. Le intuizioni combinate uomo-macchina possono poi essere usate per migliorare la qualità della decisione.

Process Mining: Sfruttando l'estrazione dei processi, le macchine aumenteranno il processo decisionale degli umani identificando le opportunità di automazione e allineando le decisioni operative con le strategie della supply chain. Al contrario, attraverso il process mining, le organizzazioni possono catturare la conoscenza del dominio umano tracciando deviazioni potenzialmente in grado di aggiungere valore ai processi definiti.

Data Literacy: Abbracciando l'alfabetizzazione dei dati, le organizzazioni possono insegnare al loro personale a capire e parlare di dati e analisi. "Parlando" i dati e le analisi, gli umani possono aumentare le macchine con una migliore articolazione dei requisiti di business e con la supervisione delle prestazioni della macchina. Comprendendo i dati, gli esseri umani aumentano le loro decisioni con intuizioni e raccomandazioni analitiche.

Mentre viene osservato il solenne traguardo dei due anni dall'inizio della pandemia COVID-19, le organizzazioni della supply chain sono più che mai desiderose di adottare modelli decisionali che possano essere altrettanto efficaci nella gestione delle condizioni quotidiane e nella risposta alle grandi interruzioni. I modelli decisionali più efficaci e adattivi sono quelli che sfruttano il potere combinato dell'intelligenza umana e della macchina. La struttura di aumento reciproco uomo-macchina crea un circolo virtuoso che assicura che la somma dei due sia maggiore del loro contributo individuale.