O desafio da cadeia de suprimentos continua
Varejistas e empresas de bens de consumo enfrentaram mudanças constantes, principalmente nas cadeias de suprimentos. Novos modelos de vendas e distribuição, como vendas on-line, abordagens omnichannel, vendas diretas ao consumidor e ecossistemas complexos, evoluíram. As interrupções externas são frequentes, com 90% dos líderes relatando desafios da cadeia de suprimentos em 20241.
A agilidade e a resiliência da cadeia de suprimentos dependem da tomada de decisão rápida e precisa. Decisões ruins ou respostas lentas levam a promessas perdidas, impactando negativamente a receita e a satisfação do cliente e aumentando os custos devido a remessas ineficientes e níveis mais altos de estoque.
Para enfrentar esses desafios, há uma necessidade urgente de melhorar a qualidade e a velocidade da tomada de decisão no gerenciamento da cadeia de suprimentos.
Microsoft Cloud para varejo
Conecte seus clientes, seu pessoal e seus dados.
Entre agentes e sistemas agênticos
Os sistemas agênticos oferecem uma oportunidade revolucionária para melhorar a qualidade e a velocidade da tomada de decisão. Imaginados por eventos de negócios, os agentes coletam e analisam dados relevantes para agir diretamente ou recomendar ações.
A Microsoft anunciou a capacidade de construir agentes autônomos usando Microsoft Copilot Studio durante Microsoft Ignite Em outubro de 2024. Em um contexto da cadeia de suprimentos, essa capacidade poderia, por exemplo, permitir a identificação e ação sobre fontes alternativas de suprimentos no caso de uma remessa atrasada, com o mínimo de intervenção humana.
Visão geral dos sistemas agênticos
No contexto dos sistemas agênticos, um agente se refere a um sistema capaz de tomar decisões e ações autônomas. Esses sistemas podem buscar objetivos de forma independente sem intervenção humana direta. Os sistemas agênticos têm as seguintes características:
- Autonomia. Eles operam de forma independente, tomando decisões e executando tarefas sem supervisão humana, aumentando para um humano quando necessário.
- Contexto ciente. Eles interpretam dados e ajustam as ações de acordo.
- Orientação para objetivos. Eles podem ter como objetivo alcançar objetivos específicos.
- Aprendizado. Eles aprimoram seu desempenho usando novos dados e resultados passados.
- Raciocínio e tomada de decisão. Os agentes usam o raciocínio para processar informações, inferir relacionamentos e tomar decisões.
- Percepção e detecção. Os agentes percebem seu ambiente por meio de sensores ou outros meios, o que lhes permite ser desencadeados pelas mudanças no processo.
- Habilidades e capacidades. Os agentes possuem habilidades ou recursos específicos para executar tarefas. Essas habilidades podem ser aprendidas ou programadas.
- Memória. A memória de um agente armazena informações relevantes para tomada de decisão e ações futuras.
Os agentes podem ser programados para buscar objetivos específicos uma vez ativados. Por exemplo, ao pesquisar uma fonte de suprimento alternativa, eles podem priorizar a minimização de custos, em vez de selecionar a primeira opção disponível.
Os agentes já estão agregando valor aos clientes – por exemplo, um cliente tem agentes autônomos revisando as faturas de remessa com Mais casos de uso planejados. Com o tempo, os agentes podem ser desenvolvidos para várias tarefas em toda a organização, com Microsoft Copilot Servindo como a ‘UI para ai’.
Já ouvimos isso antes?
Isso pode parecer RPA (automação de processos robóticos). Você também pode questionar como um agente difere de um copiloto.
A RPA emprega automação baseada em regras, enquanto os agentes aprimoram essa capacidade, raciocinando sobre dados e usando modelos de idiomas grandes (LLMs) para extrair informações relevantes de conjuntos de dados extensos. Enquanto uma solução baseada em RPA é rígida em termos de cenários que ela pode abordar e requer programação para fazer alterações, uma solução de automação de processos baseada em agente pode aprender e melhorar com o tempo, resultando em resultados mais eficazes.
Os agentes operam autonomamente, diferentemente dos copilotes que ajudam os usuários em tempo actual. Um agente pode funcionar no copiloto, alinhando -se com a visão da Microsoft de copiloto como o Ui para ai. No futuro, os usuários terão um copiloto, mas vários agentes, incluindo muitos funcionando autonomamente nos bastidores.
Como os agentes podem operar na cadeia de suprimentos de varejo e bens de consumo (RCG)
Os agentes podem ser amplamente aplicados em toda a cadeia de suprimentos do RCG para automatizar tarefas repetitivas, analisar grandes quantidades de dados para insights e melhorar o gerenciamento da cadeia de suprimentos. Um caso de uso superb envolve tarefas intensivas em humanos, repetitivas e requerem tomada de decisão em tempo actual, onde a IA pode aumentar significativamente a eficiência e a precisão. Os critérios para um caso de uso superb incluem alta disponibilidade de dados, resultados alcançáveis claramente definidos e o potencial de melhorias mensuráveis na receita e economia de custos.
Os agentes da IA podem desempenhar um papel essential no desempenho da loja de varejo e nas práticas de gerenciamento de inventário. Um agente pode monitorar autonomamente os dados de desempenho para alertar o gerente da loja quando as métricas de desempenho da loja ficarem abaixo de um limite definido. Ao comparar o desempenho em lojas semelhantes, o agente pode identificar áreas para melhorar e recomendar ações para melhorar o desempenho da loja.
Os agentes podem ajudar a evitar situações de estoque e excesso de estoque em locais de varejo. Ao analisar dados de várias fontes (como vendas, inventário, promoções e eventos externos), um agente pode identificar quando um pico de vendas está desalinhado com a previsão, levando a uma possível escassez e alerta a equipe da cadeia de suprimentos. O agente recomenda uma ordem de reabastecimento que possa gerar automaticamente para ajudar a garantir níveis ótimos de estoque, menores custos de transporte e reduzir a probabilidade de ações ou inventário de excesso.
Mitigando desafios com a IA Agentic
As interrupções em toda a cadeia de suprimentos geralmente levam à escassez de produtos e à baixa taxa de preenchimento de casos (CFR), levando à complexa tarefa diária de alocar inventário em seus clientes. Um agente pode analisar pedidos de clientes, níveis atuais de inventário e opções de substituição de produtos para identificar possíveis situações de CFR. O agente aloca o inventário, priorizando os pedidos com base em critérios predefinidos, como lealdade ao cliente, segmentação do cliente, valor do pedido, multas de SLA e urgência.
Um dos maiores desafios enfrentados pelas empresas RCG em 2025 é avaliar o impacto das tarifas. Os agentes da IA podem avaliar e recomendar fornecedores alternativos de diferentes regiões para mitigar o risco de altas tarifas. Essa estratégia de diversificação ajuda a manter um suprimento constante de materiais e minimizar os custos. Ao monitorar continuamente as regulamentações tarifárias e as condições de mercado, um agente de IA pode sugerir medidas de economia de custos, como compra em massa antes de aumentar tarifas ou mudar de produção para países com tarifas mais baixas. Um agente pode ajudar na negociação de melhores termos com fornecedores, analisando as condições do mercado e os dados de preços históricos. Isso ajuda a garantir que as empresas obtenham as melhores ofertas possíveis, apesar das flutuações tarifárias.
O que vem a seguir?
Considere a quantidade significativa de tempo e esforço que é necessário hoje para responder à pergunta: “Como posso otimizar minha cadeia de suprimentos para aumentar as vendas em 10%?”.
Embora isso possa parecer uma questão da cadeia de suprimentos, envolve finanças, vendas, advertising and marketing e possivelmente fabricação. É uma pergunta tão complexa que responder é provável que exact de dias ou semanas de análise.
Hoje, os agentes integrados ao Copilot permitem que os usuários façam perguntas específicas em áreas definidas. Esse recurso expandirá o escopo e a complexidade ao longo do tempo, levando a uma reformulação abrangente dos aplicativos de negócios.
Projeto Sophia Visões de agentes, copiloto e aplicativos de negócios convergindo em uma tela de pesquisa infinita.
Projetado com uma primeira abordagem da IA, o Projeto Sophia permite fazer perguntas de negócios analisando dados de vários sistemas e insumos díspares. A IA o orienta a ver perspectivas diferentes, ajudando você a entender e agir com as idéias holisticamente.
O Projeto Sophia reimagina a experiência do usuário, apoiando cada função de trabalho para abordar as perguntas de sua perspectiva enquanto integra abordagens estratégicas e táticas.
Introdução com sistemas Agentic
Aumentar o potencial da IA para escalar a otimização da cadeia de valor no varejo, bens de consumo
A IA Agentic se presta bem à navegação na complexidade das rotas para o mercado – integrando estratégias de fabricação e vendas, vendendo através de vários canais ou direto ao consumidor, gerenciando várias linhas e empresas de produtos e integrando os esforços de advertising and marketing e vendas globalmente.
A IA Agentic é uma ferramenta integrante que oferece à agência LLMS, com a capacidade de agir de forma autônoma. Enquanto os LLMs foram usados anteriormente para executar tarefas, incluindo a geração de texto e resumo de documentos, eles não conseguiram agir de acordo com suas recomendações. A IA Agentic, por outro lado, foi projetada para conduzir otimizações baseadas em metas e pode adaptar e executar dinamicamente as metas com alta previsibilidade e supervisão humana mínima. Juntos, os avanços em IA generativa e IA agêntica redefinirão o valor estratégico e a produtividade derivados da tecnologia, incorporando processos de tomada de decisão mais avançados com maior precisão e velocidade.
Identifique problemas de negócios e cenários para mais engajamento estratégico
Ao considerar como usar os agentes de IA de maneira estratégica, é important enquadrar aplicações de IA agêntica no contexto maior de identificar os processos de negócios que se prestam à automação: otimizando tarefas/cenários que demoram tempo e mundano; Estabelecer confiança do usuário nos recursos do agente e estabelecer um lixo operacional claro para a IA agêntica, incluindo governança de dados, privacidade, segurança; e incutir confiança na entrega de valor do agente, estendendo o gerenciamento de trabalho colaborativo além do rastreamento de tarefas às funções de planejamento e execução.
A integração da IA agêntica e da IA generativa nos aplicativos de negócios significa uma mudança monumental na maneira como as organizações podem abordar a solução de problemas, o planejamento estratégico e a eficiência operacional. Ao usar recursos avançados de IA, as empresas podem antecipar um futuro em que a tomada de decisão não é apenas mais rápida e precisa, mas também mais perspicaz e holística. Essa convergência de tecnologia abre caminho para soluções inovadoras e níveis de produtividade sem precedentes, firmemente com a IA no centro do cenário de negócios de amanhã.
Saiba mais sobre sistemas agênticos
Fontes
1 https://www.mckinsey.com/capabilities/operations/our-insights/supply-chain-risk-survey
A Felice lidera a cadeia de suprimentos e a estratégia de sustentabilidade para os grupos mundiais de varejo e bens de consumo da Microsoft, colaborando com clientes e parceiros para reimaginar dados e soluções de IA e alavancar a tecnologia para impulsionar a inovação e melhores resultados de negócios. Ela tem uma vasta experiência em produtos de consumo, varejo e fabricação world. Felice tem sido uma investidora anjo em startups em estágio inicial, o fundador da Delvv, um estúdio de aprendizado de máquina que criou a tecnologia de interface orientada por IA para aprimorar a experiência do usuário do smartphone e é um defensor da tecnologia centrada no consumidor no espaço móvel.
Veja mais artigos deste autor
Oliver Man, arquiteto world da indústria, é especialista em ajudar os líderes empresariais a inovar e competir mais flexibilidade e eficientemente. Por mais de 25 anos, ele agregou valor às empresas de varejo e bens de consumo em todo o mundo, com mudanças de tecnologia lideradas. Oliver é um influenciador de tecnologia de varejo reconhecido pelo varejo Expertise Innovation Hub (RTIH) e também é um painel do Braintrust.
Veja mais artigos deste autor
Como arquiteto da indústria de manufatura, Paul trabalha com negócios seniores e líderes de TI para ajudá -los a entender como aplicar as tecnologias e soluções de parceiros da Microsoft para transformar digitalmente sua empresa. Aproveitando mais de 35 anos de experiência na indústria de manufatura, Paul trabalha com clientes para criar sua estratégia de transformação, considerando quatro pilares principais da transformação digital: experiência do cliente, excelência operacional, transformação da força de trabalho e produto como serviço.
Veja mais artigos deste autor