GyártásTrend: Amikor az SAP 2023-ban bemutatta a Joule-t, az még önálló MI-megoldásként, egyfajta puzzle-darabként illeszkedett az SAP ökoszisztémájába. Most, az új Business Suite megjelenésével úgy tűnik, a fókusz az integrált megközelítésre került: az MI már nem kiegészítő elem, hanem a rendszer alapja. Mit jelent ez az átalakulás az ellátásilánc-menedzsment szempontjából?

David Vallejo: Pontosan így van. Korábban a Joule-asszisztensek különálló ellátásilánc-alkalmazásokban kaptak helyet – például az üzleti tervezésben, a digitális gyártásban vagy a szervizmenedzsmentben. Most azonban a Business Data Cloud segítségével mindezt egy új szintre emeljük, létrehozva egy egységes adatplatformot. A gondolat egyszerű: a legtöbb zavaró tényező – legyen az egy gépleállás vagy egy új vámrendelet – több rendszer adatát érinti egyszerre. Ahelyett tehát, hogy ezeket külön-külön elemeznénk, az összes adatot egyetlen közös adatstruktúrába, egyfajta „adat-szövetbe” rendezzük. Az új, Joule-alapú Supply Chain Orchestration megoldás így a gyártás, a logisztika, sőt akár a HR vagy a pénzügy területeiről is képes adatokat összekapcsolni, és a döntéshozók számára sokkal átfogóbb képet adni arról, mi történik, és hogyan érdemes reagálni.

GyT: Tudna egy gyakorlati példát mondani arra, hogyan működik ez a gyakorlatban? Miben segít a Joule a problémák felismerésében és megoldásában?

David Vallejo: Képzeljünk el egy helyzetet, amikor a termékminőség hirtelen romlani kezd. Hagyományosan ez egy hosszadalmas vizsgálati folyamatot indítana: ellenőrizni kellene a gyártósort, a beszállítókat, a mérnöki beállításokat és az ügyfélpanaszokat is. A Joule azonban képes mindezt az adatot automatikusan összekapcsolni és elemezni. Előfordulhat, hogy a rendszer megmutatja: a probléma egyetlen gép nem megfelelő beállításából vagy egy gyengébb minőségű beszállítói tételből ered. A gyártási, CRM- és beszállítói adatok összekapcsolásával a rendszer sokkal gyorsabban vezeti el a felhasználót a probléma észlelésétől a megoldásig. Végső soron a válaszok már ott vannak az adatokban — csak egy mesterséges intelligencia kell hozzá, hogy összekösse a pontokat.

GyT: A mai kiszámíthatatlan VUCA-világban – világjárványok, geopolitikai konfliktusok, környezeti kockázatok – hogyan látja az MI és a digitalizáció szerepét az ellátási láncok irányításában?

David Vallejo: A legnagyobb elmozdulás a prediktív és kockázatalapú irányítás felé történik. A vállalatok ma már nem csak reagálnak az eseményekre, hanem előre igyekeznek felkészülni arra, ami bekövetkezhet. A háború Ukrajnában jó példa volt erre: sok autógyártó egyik napról a másikra szembesült azzal, hogy minden kábelét abból a régióból szerzi be. Az új adatplatform révén a cégek ma már képesek előre felmérni a beszállítói, gyártási és logisztikai kockázatokat, valamint „mi lenne, ha” forgatókönyveket modellezni. Pontosan ezt értjük az alatt, amikor az ellátási láncokat reaktív rendszerekből proaktív, előrelátó rendszerekké alakítjuk.

GyT: Gyakran hangsúlyozza az ökoszisztémák fontosságát. Hogyan kapcsolódik ez az SAP új megközelítéséhez?

David Vallejo: Mielőtt bármilyen megoldást fejlesztenénk, először pontosan meg kell értenünk, milyen valós problémákkal szembesülnek az ügyfeleink – és ezt csak partnerekből, elemzőkből és iparági szereplőkből álló ökoszisztémában lehet megtenni. A hagyományos, moduláris rendszerek – például a gyártásirányítás, a raktározás vagy a szállítmányozás – fokozatosan háttérbe szorulnak a horizontális, több funkciót átfogó megoldások javára. A mai problémák ugyanis ritkán maradnak meg egyetlen modul határain belül. Az új, összehangolt (orchestration) megközelítés révén a vállalatok gyorsabban tudnak együttműködni és több forgatókönyvet is képesek szimulálni anélkül, hogy elhagynák a rendszert.

GyT: Az új Supply Chain Orchestration megoldás, amelyet most bejelentettek – már elérhető?

David Vallejo: Most jelentjük be hivatalosan, de a piaci bevezetésére jövő év elején kerül sor. Jelenleg az ügyfeleinkkel úgynevezett „forward development” együttműködésben dolgozunk, ami közös fejlesztést jelent: valós használati eseteket tesztelünk, és a visszajelzések alapján finomítjuk a prioritásokat és a funkciókat.

GyT: Meg tudna osztani egy konkrét példát arra, hogyan működik mindez a gyakorlatban?

David Vallejo: Az egyik kulcselem az ellátási lánc digitális ikrének létrehozása egy élő tudásgráf (knowledge graph) alapján. Ez képes modellezni a beszállítói lánc több szintjét – még azokat a beszállítókat is, akiket a vállalat közvetlenül nem is ismer. Például ha egy új vámot vezetnek be, a rendszer nemcsak a közvetlen beszállítókra gyakorolt hatást tudja értékelni, hanem a második és harmadik szintű partnerekét is. A mesterséges intelligencia pedig segít valószínűsíteni azokat a beszállítókat is, akik közvetlenül nem szerepelnek az adatbázisban, azáltal, hogy elemzi a kereskedelmi adatokat és az üzleti kapcsolatokat. Így a vállalatok számszerűsíteni tudják a kockázatokat és azok pénzügyi hatásait is. Ilyen szintű átláthatóság korábban egyszerűen nem volt lehetséges.

GyT: Mely iparágakra fókuszálnak elsősorban?

David Vallejo: Nem egyetlen iparágra koncentrálunk. Különböző szektorokból – például a high-tech, az autóipar és az élettudományok területéről – gyűjtünk visszajelzéseket. Mindegyiknek megvannak a maga kihívásai: a chiphiány a high-tech ágazatban, az akkumulátor-kompatibilitás az autóiparban, vagy a fenntarthatósági követelmények az élettudományokban. Ugyanakkor ezek a problémák sok ponton átfednek egymással, ezért olyan modelleket építünk, amelyek több iparágban is alkalmazhatók. Az iparági határok egyre inkább elmosódnak – gondoljunk csak arra, hogy például a BMW ma már akkumulátorgyártó is. Az élettudományi vállalatok pedig egyre inkább a high-tech cégekhez hasonló működést vesznek át. Ezért mi olyan megoldásokat tervezünk, amelyek elég rugalmasak ahhoz, hogy egyszerre több iparág igényeit is kiszolgálják.

GyT: Ha már a fenntarthatóságról beszélünk – említette, hogy ez mára az SAP megközelítésének alapvető részévé vált. Hogyan látja ennek a szerepét ma?

David Vallejo: Kulcsfontosságú tényező. Európában elsősorban a szabályozás ösztönzi a fenntarthatóságot: a vállalatoknak jelenteniük kell szén-dioxid-lábnyomukat, az alapanyagok eredetét és a megfelelőségi adatokat. Az Egyesült Államokban ez egyelőre széttagoltabb, de egyre nagyobb lendületet kap, különösen olyan államokban, mint Kalifornia. A szabályozáson túl azonban a fenntarthatóság üzleti megkülönböztető tényezővé vált. A fogyasztók és a befektetők egyaránt a fenntartható vállalatokat részesítik előnyben, ami kézzelfogható pénzügyi motivációt teremt. Az SAP Business Suite-ban a termékmegfelelőség és a fenntarthatósági nyomon követés beépített funkciók, amelyeket tanúsítási és jelentési adatpartnerségek támogatnak.

GyT: Közép- Kelet-Európában, például Magyarországon, a digitalizáció sokszor lassan indul. Mit tanácsolna azoknak a vállalatoknak, amelyek most kezdenek bele?

David Vallejo: Az egyik új megoldásunk az SAP Logistics Management, amely egyesíti a raktározási, szállítási és logisztikai hálózati képességeinket egyetlen csomagban. Bár világszerte támogatjuk a legösszetettebb, robotizált, többdimenziós raktárakat is, tisztában vagyunk vele, hogy sok kisebb vállalat még csak most indítja el digitalizációs útját. Számukra egy egyszerűbb, gyorsan bevezethető megoldást kínálunk: olyan logisztikai menedzsment rendszert, amely akár egy hét alatt bevezethető. Ezt kifejezetten azoknak a cégeknek terveztük, amelyek még papíron vagy Excelben vezetik a pótalkatrészeket vagy a kisebb raktárkészleteket. A cél, hogy könnyen csatlakozhassanak a felhőhöz – kicsiben kezdve, azonnali értéket teremtve, majd fokozatosan bővítve a megoldást. Ahogy a vállalatok érettebbé válnak, új funkciókat adhatnak hozzá, lépésről lépésre. A nyilvános felhőalapú SaaS-modellünk pontosan erre épül: a digitális transzformációt gyorssá, megfizethetővé és skálázhatóvá tenni, anélkül hogy hatalmas bevezetési projektekre vagy többmillió dolláros költségvetésre lenne szükség.

GyT: Tehát lépésről lépésre haladnak – és közben látják az előnyöket is?

David Vallejo: Pontosan. Még a tervezésben is sok vállalat valami egyszerűvel kezdi, például alapvető előrejelzéssel vagy készlettervezéssel, hogy elmozduljon a manuális folyamatoktól. Idővel azonban továbbfejlődnek – gépi tanulást, optimalizálást és fejlettebb eszközöket integrálnak – de mindezt ugyanazon a platformon belül. Így nem kell rendszert váltaniuk, hanem együtt fejlődnek a megoldással.

GyT: És ebbe  a folyamatba hol lép be és hogyan illeszkedik a mesterséges intelligencia? Mikor jön el a megfelelő pillanat a kisebb vagy kevésbé digitalizált vállalatok számára, hogy elkezdjék alkalmazni?

David Vallejo: Az első lépés mindig az, hogy bízhassanak az adataikban. A mesterséges intelligencia ugyanis csak annyira lesz jó, amennyire az adatok, amelyekből tanul. Sok vállalat még mindig széttagolt, következetlen adatokra támaszkodik – amit mi gyakran „piszkos adatoknak” nevezünk. Ha ilyen alapokra építik az MI-t, „piszkos válaszokat” kapnak. Ezért először egy megbízható adatbázisra, egy úgynevezett data fabricre van szükség, valamint alapvető gépi tanulási eszközökre az adatok tisztításához és validálásához. Ha ez a bizalom megvan, az MI már hatékonyan használható, mert az eredmények valós, megbízható adatokon alapulnak.

GyT: Hogyan látja az ellátási láncmenedzsment jövőjét mondjuk öt év múlva?

David Vallejo: A legnagyobb változás a felhasználói élményben lesz. A táblázatok és jelentések helyett a felhasználók természetes nyelven kommunikálnak majd a rendszerrel. Képzeljük el, hogy valaki megkérdezi: „Miért csökken az ügyfél-elégedettség ebben a régióban?”, és azonnal választ kap: „Azért, mert az egyik gyárban szűk keresztmetszet alakult ki, ami lassítja a szállítást, miközben a vevők rendelési mintái is megváltoztak.” Amikor ezt bemutattuk az ügyfeleknek, az egyikük azt mondta, ez igazi fordulópont, mert ami korábban egyhetes elemzői munkát igényelt, most azonnal látható. Ez az irány: intelligens asszisztensek, amelyek nemcsak elemzik, hanem érthetően el is magyarázzák az adatokat – teljesen új szintre emelve az ember és a technológia közötti együttműködést.