এআই অ্যাডভান্টেজ ব্যাখ্যা করা

 

কেন লজিস্টিক প্রযুক্তিতে স্বচ্ছতা, একীকরণ এবং বিশ্বাস নির্ণায়ক হয়ে উঠছে? পিটার ম্যাকলিওড একজন বিশেষজ্ঞের সাথে কথা বলেছেন।

এই বছরের LogiMAT-এ, যদি এমন একটি থিম থাকে যা বেশিরভাগের চেয়ে আরও স্পষ্টভাবে গোলমালের মধ্য দিয়ে কাটে, তবে সেটি হবে গতি। শুধু ক্রিয়াকলাপের গতি নয়, তবে স্থাপনার গতি, উদ্ভাবনের গতি এবং শেষ পর্যন্ত দ্য বিগ ওয়ান: বিনিয়োগে রিটার্নের গতি। ইনফর্ম সফ্টওয়্যারের জন্য, সেই আলোচনা ক্রমবর্ধমানভাবে একটি বিস্তৃত প্রশ্নের দিকে নিয়ে যায়: কীভাবে লজিস্টিক সংস্থাগুলি স্বচ্ছতা, নিয়ন্ত্রণ বা বিশ্বাস না হারিয়ে আরও বুদ্ধিমান সিস্টেম গ্রহণ করতে পারে?

 

Inform-এর SVP Inventory & Supply Chain-এর স্টুটগার্টের ব্যস্ত শো ফ্লোরে আমার সাথে কথা বলতে গিয়ে, ডাঃ বার্ন্ড হেনরিক্স রূপরেখা দিয়েছেন যে কীভাবে কোম্পানি সাপ্লাই চেইন এবং ইন্ট্রালজিস্টিক পরিবেশে কৃত্রিম বুদ্ধিমত্তার বিকাশ দেখতে পায়।

 

অপ্টিমাইজেশান স্তর প্রসারিত

জটিল, ডেটা{0}}চালিত পরিবেশে অপ্টিমাইজেশনের সাথে ইনফর্ম দীর্ঘদিন ধরে যুক্ত। কিন্তু বাজারগুলি আরও অস্থির হয়ে উঠলে, অপ্টিমাইজেশান সিস্টেমগুলিকে দ্রুত প্রতিক্রিয়া জানাতে, আরও সংকেত অন্তর্ভুক্ত করতে এবং আরও গতিশীল সিদ্ধান্ত-গ্রহণকে সমর্থন করতে বলা হচ্ছে৷

সেই স্থানান্তরটি বিশেষ করে এমন পরিবেশে প্রাসঙ্গিক যেখানে সিদ্ধান্তগুলি পরস্পর নির্ভরশীল। চাহিদা পরিকল্পনার পরিবর্তন ইনভেন্টরি, পরিবহন ক্ষমতা, শ্রম বরাদ্দ বা পরিষেবার স্তরকে প্রভাবিত করতে পারে। অপারেশনের একটি অংশে করা একটি সুপারিশ অন্যত্র ফলাফল তৈরি করতে পারে, যা দিনের-থেকে-দিনের ব্যবহারের জন্য স্বচ্ছতাকে অপরিহার্য করে তোলে।

হেনরিক্সের জন্য, এখানেই লজিস্টিকসে AI এর ব্যবহারিক মূল্য প্রমাণ করতে হবে। "আমি এআই সম্পর্কে কথা বলি না। আমি ব্যাখ্যাযোগ্য এআই সম্পর্কে কথা বলি," তিনি বলেছেন। "আমরা যা কিছু করি, আমরা যা কিছু প্রস্তাব করি, তার একটি ব্যাখ্যা থাকে। অন্যথায়, লোকেরা এটিকে বিশ্বাস করে না।"

একটি ব্যবহারিক প্রয়োজন হিসাবে বিশ্বাস

বিভিন্ন শিল্প জুড়ে গ্রাহকদের সাথে কথোপকথনে, তিনি বলেছেন একই প্রশ্ন বারবার আসে: "কেন সিস্টেমটি সেই বিকল্পটি বেছে নিয়েছে এবং অন্যটি নয়?"

 

প্রশ্নটি গুরুত্বপূর্ণ কারণ লজিস্টিক সিদ্ধান্তগুলি খুব কমই একা প্রযুক্তি দ্বারা নেওয়া হয়। তারা পরিকল্পনাকারী, ব্যবস্থাপক, অপারেশন দল এবং অনেক ক্ষেত্রে গ্রাহক বা বহিরাগত অংশীদারদের জড়িত করে। যদি এই স্টেকহোল্ডাররা AI-সমর্থিত সুপারিশের পিছনে যুক্তি অনুসরণ করতে না পারে, তবে তাদের এটিতে কাজ করার সম্ভাবনা কম।

 

হেনরিচের জন্য, এটি ইউরোপীয় প্রযুক্তি প্রদানকারীদের জন্য পার্থক্যের একটি অর্থপূর্ণ পয়েন্ট হয়ে উঠতে পারে। তিনি বলেন, "আমরা যেকোনও ব্যক্তির মতো ভালো AI তৈরি করতে পারি, কিন্তু আমরা ভিন্ন কিছু যোগ করতে পারি," তিনি বলেছেন। "এটি একটি কালো বাক্স হওয়া উচিত নয়।"

যেহেতু কোম্পানিগুলি প্রতিষ্ঠিত ব্যবসায়িক প্রক্রিয়াগুলিতে এআই অ্যাপ্লিকেশনগুলিকে এম্বেড করতে চায়, সেই পার্থক্যটি ক্রমশ গুরুত্বপূর্ণ হয়ে ওঠে। সিস্টেমগুলিকে প্রযুক্তিগতভাবে শক্তিশালী হতে হবে, তবে ব্যবহারকারীদের চ্যালেঞ্জ, যাচাইকরণ এবং সময়ের সাথে সাথে উন্নত করার জন্য তাদের যথেষ্ট বোধগম্য হতে হবে।

 

কম অনুমানযোগ্য পরিবেশ ব্যবস্থাপনা

শুধুমাত্র ঐতিহাসিক তথ্য দিয়ে পরিকল্পনা করা কঠিন হয়ে উঠছে অপারেশনাল পরিবেশ। চাহিদার ধরণ পরিবর্তন, বাহ্যিক কারণের হস্তক্ষেপ এবং বাজারের অবস্থা দ্রুত পরিবর্তিত হতে পারে, প্রায়শই এই পরিবর্তনগুলি সংখ্যায় স্পষ্টভাবে দৃশ্যমান হওয়ার আগে। "আপনাকে বাস্তব-সময়ের ডেটা সংগ্রহ করতে হবে এবং শুধুমাত্র ঐতিহাসিক ডেটার উপর নির্ভর করতে হবে না," সে বলে৷ "আপনাকে অস্থিরতার প্রতিক্রিয়া জানাতে হবে এবং আপনার সিদ্ধান্তগুলিতে বিভিন্ন উত্স থেকে সংকেত একত্রিত করতে হবে।"

এটি আরও স্ট্যাটিক অপ্টিমাইজেশন মডেল থেকে প্রতিক্রিয়াশীল সিস্টেমের দিকে একটি স্থানান্তরকে চিহ্নিত করে যা ক্রমাগত নতুন তথ্য বিবেচনা করে। "এটি আরও গতিশীল হচ্ছে," তিনি যোগ করেন। "পরবর্তী পদক্ষেপটি এটিকে আরও এজেন্টিক করে তুলছে - পরিবেশের পরিবর্তনের জন্য নিজের প্রতিক্রিয়া করা।"

 

খবর থেকে পূর্বাভাস

LogiMAT-এ প্রথমবারের জন্য উপস্থাপিত ইনফর্মের একটি উদাহরণ হল একটি নতুন AI{0}}ভিত্তিক পদ্ধতি যা বহিরাগত ইভেন্টগুলিকে সরাসরি পূর্বাভাস এবং দৃশ্যকল্প পরিকল্পনায় আনার জন্য ডিজাইন করা হয়েছে৷ হেনরিকস বলেছেন, শুরুর বিন্দুটি একটি সহজ প্রশ্ন ছিল: কেন পূর্বাভাস মডেলগুলি প্রায়শই তাদের চারপাশের বিশ্বে যা ঘটছে তা উপেক্ষা করে?

 

"আপনি যদি আজ একটি শাস্ত্রীয় পূর্বাভাস চালান তবে এটি ঐতিহাসিক পরিসংখ্যানের উপর ভিত্তি করে," তিনি ব্যাখ্যা করেন। "কিন্তু বাস্তবে, চাহিদা ক্রমাগত ইভেন্ট দ্বারা প্রভাবিত হয় যেমন ভূ-রাজনৈতিক দ্বন্দ্ব, সরবরাহ শৃঙ্খলে বিঘ্ন, নতুন নিয়ন্ত্রণ বা বাজারের প্রবণতা। এই তথ্যটি বিদ্যমান, তবে সাধারণত সংবাদ হিসাবে, সংখ্যা হিসাবে নয়।"

নতুন সমাধানটি সেই ফাঁকটি বন্ধ করার জন্য ডিজাইন করা হয়েছে। ব্যবহারকারীরা একটি সময় সিরিজ প্রদান করে, যেমন বিক্রয় পরিসংখ্যান বা বাজার নির্দেশক, এবং সংক্ষিপ্তভাবে প্রসঙ্গ বর্ণনা করে। AI তারপরে প্রাসঙ্গিক সংবাদ ইভেন্টগুলি নিয়ে গবেষণা করে, ঐতিহাসিক সম্পর্ক বিশ্লেষণ করে এবং ভবিষ্যতের সম্ভাব্য অনেকগুলি পরিস্থিতি তৈরি করে। ফলাফল হল একটি পূর্বাভাস যার সাথে একটি প্রমাণ ভিত্তিক ব্যাখ্যা- কেন একটি বাজার বিভিন্ন দিকে বিকশিত হতে পারে।

লুপে মানব

হেনরিক্সের জন্য (ছবিতে, নীচে), এআই সম্পর্কে আলোচনা সরাসরি মানুষের দক্ষতার ভূমিকার দিকে নিয়ে যায়। AI নিদর্শন সনাক্ত করতে পারে, প্রচুর পরিমাণে তথ্য প্রক্রিয়া করতে পারে এবং গতিতে পরিস্থিতি তৈরি করতে পারে। কিন্তু এর মান বৃদ্ধি পায় যখন মানুষ অভিজ্ঞতা, প্রসঙ্গ এবং রায় যোগ করতে পারে যা একা ডেটা প্রদান করতে পারে না।

তিনি বলেন, "এআই যে ডেটা নিয়ে কাজ করে এবং সেই ডেটার অর্থ দিতে সক্ষম লোকেদের মতোই ভাল।" "তাই মানুষ লুপের একটি অপরিহার্য অংশ থেকে যায়।"

বাস্তবে, এর অর্থ পরিকল্পনাকারী এবং সিদ্ধান্ত গ্রহণকারীদের-প্রক্রিয়া থেকে সরানো হয় না। তারা এটির কেন্দ্রবিন্দুতে থাকে। তাদের ভূমিকা হল পরিস্থিতি, প্রশ্ন অনুমান যাচাই করা এবং অপারেশনাল জ্ঞান বা বাজারের অন্তর্দৃষ্টির উপর ভিত্তি করে আউটপুটগুলিকে পরিমার্জিত করা।

 

"মানুষ যদি বুঝতে পারে কেন সিস্টেমটি কিছু সুপারিশ করে, তাহলে তারা সিদ্ধান্ত নিতে পারে যে এটিকে বিশ্বাস করা উচিত, এটিকে প্রশ্ন করা বা এটি উন্নত করা উচিত," হেনরিক্স ব্যাখ্যা করেন। "এখানেই মানুষের বিচার এবং মেশিন বুদ্ধিমত্তার মধ্যে সহযোগিতা সত্যিই শক্তিশালী হয়ে ওঠে।"

 

ইন্টিগ্রেশন এবং ইন্টারঅপারেবিলিটি

গ্রাহক আলোচনায় আরেকটি সামঞ্জস্যপূর্ণ থিম হল ইন্টিগ্রেশন। লজিস্টিক ক্রিয়াকলাপগুলি আরও আন্তঃসংযুক্ত হয়ে উঠলে, বিদ্যমান সিস্টেমগুলির সাথে AI{1}}চালিত অ্যাপ্লিকেশনগুলিকে লিঙ্ক করার ক্ষমতা অপরিহার্য হয়ে উঠছে৷ "আমরা সর্বদা প্রশ্ন পাই: কিভাবে আমি আমার ERP সিস্টেম, আমার অন্যান্য সমাধানগুলির সাথে একীভূত করব?" হেনরিকস আমাকে বলে। ইনফর্মের প্রতিক্রিয়া হল সংযোগকারীকে মানসম্মত করা এবং SAP এবং Microsoft এর মতো প্রধান প্ল্যাটফর্মগুলির সাথে সারিবদ্ধ করা। ফলাফল হল আরও সহজবোধ্য একীকরণের পথ, খরচ এবং বাস্তবায়নের সময় উভয়ই কমিয়ে দেয়।

 

"এটি একটি বড় পার্থক্য করে," তিনি যোগ করেন। "এবং এটি আমাদের জন্য আন্তর্জাতিকভাবে প্রসারিত করা সহজ করে তোলে।"
এআই গ্রহণের ক্ষেত্রে এটি একটি গুরুত্বপূর্ণ বিষয়। এমনকি সবচেয়ে উন্নত অ্যাপ্লিকেশনটি মান তৈরি করতে লড়াই করবে যদি এটি এমন সিস্টেমগুলি থেকে আলাদা থাকে যেখানে ব্যবসার প্রক্রিয়াগুলি আসলে পরিচালিত হয়। লজিস্টিক কোম্পানিগুলি ইতিমধ্যেই প্রতিষ্ঠিত আইটি ল্যান্ডস্কেপগুলির সাথে কাজ করে এবং নতুন সমাধানগুলি অতিরিক্ত জটিলতা তৈরি না করেই সেই পরিবেশগুলিতে মাপসই করা আবশ্যক৷

 

 

ডেটা দায়িত্ব

বর্ধিত সংযোগ এবং ডেটা ব্যবহারের সাথে নিরাপত্তার চারপাশে উচ্চতর যাচাই-বাছাই করা হয়। সাইবার নিরাপত্তায় হেনরিচের পটভূমি এই বিষয়ে একটি শক্তিশালী অবস্থানের কথা জানায়। "প্রতিটি পণ্যের বাইরে যাওয়ার আগে একটি নিরাপত্তা স্ট্যাম্প থাকতে হবে," তিনি বলেছেন। "এটি বাধ্যতামূলক।"

যেহেতু AI মডেলগুলি বৃহত্তর ডেটা উত্সগুলিকে আকর্ষণ করে - যেমন সংবাদ এবং বাজারের তথ্যের মতো বাহ্যিক ফিডগুলি সহ - সেই ডেটা পরিচালনা এবং সুরক্ষিত করার জটিলতা বৃদ্ধি পায়। "আমরা যে পরিমাণ ডেটা ব্যবহার করছি তা ডেটা সুরক্ষার ক্ষেত্রে একটি বিশাল চাহিদা তৈরি করে," হেনরিকস নোট করে৷ "আপনাকে এর উপরে থাকতে হবে।"

 

একটি বাজার সরানোর জন্য প্রস্তুত

সম্ভবত সবচেয়ে আকর্ষণীয় হল হেনরিক্সের বাজারের অনুভূতির মূল্যায়ন। সতর্কতার পরিবর্তে, তিনি পরীক্ষা-নিরীক্ষা এবং দ্রুত অগ্রগতির জন্য ক্রমবর্ধমান ক্ষুধা দেখেন।

"গ্রাহকরা আমাদের ধারণা নিয়ে আসতে বলছে," তিনি বলেছেন। "তারা দ্রুত জিততে, দ্রুত ব্যর্থ হতে ইচ্ছুক।" সেই উন্মুক্ততা বুদ্ধিমান সমাধানের জন্য উর্বর স্থল তৈরি করে যা বৃহৎ আকারের রূপান্তর প্রকল্পগুলির জড়তা ছাড়াই বাস্তব উন্নতি প্রদান করতে পারে৷

 

অনেক কোম্পানির জন্য, ডিজিটালাইজেশনের পরবর্তী ধাপটি একা এআই দ্বারা সংজ্ঞায়িত করা হবে না। এটি AI দ্বারা সংজ্ঞায়িত করা হবে যা নিজেকে ব্যাখ্যা করে, বিদ্যমান সিস্টেমের সাথে পরিষ্কারভাবে সংযোগ করে এবং লোকেরা বিশ্বাস করতে পারে এমন সিদ্ধান্তগুলিকে সমর্থন করে।