Lộ trình
Cơ bản về Kinh doanh Trí tuệ Nhân tạo
12 giờ
Giới thiệu về AI trong chuỗi cung ứng
AI đang phát triển nhanh chóng, khiến các ứng dụng và tiềm năng của nó trở nên rộng khắp, đặc biệt là tác động đến ngành chuỗi cung ứng. Hãy cùng tìm hiểu thêm bên dưới.
AI trong chuỗi cung ứng là gì?
AI là một nhánh của khoa học máy tính, đề cập đến việc phát triển các thuật toán và mô hình cho phép máy móc thể hiện trí thông minh giống con người. Trong quản lý chuỗi cung ứng, AI được sử dụng để phân tích, dự đoán và tối ưu hóa hoạt động nhằm đạt hiệu quả tối đa.
Với khả năng xử lý lượng dữ liệu lớn ở tốc độ cao, AI đã trở thành công cụ vô giá trong việc quản lý các chuỗi cung ứng phức tạp.
Tầm quan trọng của AI trong quản lý chuỗi cung ứng hiện đại
Chuỗi cung ứng đã chịu nhiều giám sát hơn trong những năm gần đây, đặc biệt là ở Mỹ. Năm 2021, một Sắc lệnh về Chuỗi Cung ứng của Hoa Kỳ đã được ký. Sắc lệnh này nhằm đảm bảo khả năng chống chịu của chuỗi cung ứng Mỹ trong các lĩnh vực trọng yếu như ICT và chất bán dẫn, bảo đảm việc phát triển, triển khai và năng lực cạnh tranh an toàn của công nghệ AI, đồng thời giảm thiểu rủi ro từ các mối đe dọa địa chính trị, mạng và môi trường.
Sau đó, năm 2023, một báo cáo tiến độ của Nhà Trắng Hoa Kỳ về xây dựng chuỗi cung ứng bền bỉ và một Sắc lệnh về Trí tuệ nhân tạo An toàn, Bảo mật và Đáng tin cậy đã được ban hành.
Báo cáo cho thấy Đạo luật CHIPS và Khoa học đã phân bổ 52,7 tỷ USD để tăng cường sản xuất chất bán dẫn trong nước, yếu tố then chốt cho phát triển AI, đồng thời các khoản đầu tư vào đào tạo lực lượng lao động và nghiên cứu nhằm hỗ trợ đổi mới trong các lĩnh vực liên quan đến AI.
Các quan hệ đối tác quốc tế, như Khuôn khổ Kinh tế Ấn Độ Dương - Thái Bình Dương, đã thúc đẩy chuỗi cung ứng an toàn và bền bỉ cho các sản phẩm số và ICT, giúp Hoa Kỳ duy trì năng lực cạnh tranh trong bối cảnh AI toàn cầu. Những nỗ lực này giải quyết các lỗ hổng trong vật liệu trọng yếu, thúc đẩy đổi mới dựa trên AI và bảo đảm các công nghệ đang dẫn dắt nền kinh tế AI.
Một khảo sát của McKinsey gần đây cũng cho thấy đa số người tham gia báo cáo rằng AI đã giúp tăng doanh thu đáng kể trên 5% trong quản lý chuỗi cung ứng và hàng tồn kho.
Vì sao sử dụng AI trong chuỗi cung ứng?
AI mang lại cơ hội độc đáo để các công ty tinh gọn hoạt động và giành lợi thế cạnh tranh trong chuỗi cung ứng. Doanh nghiệp có thể dự báo nhu cầu chính xác, xác định rủi ro và gián đoạn tiềm tàng, và đưa ra quyết định dựa trên dữ liệu, dẫn đến hiệu quả cao hơn và tiết kiệm chi phí.
Ngoài ra, AI có thể tự động hóa các tác vụ như quản lý tồn kho, tối ưu hóa tuyến đường và lựa chọn nhà cung cấp, giải phóng nguồn lực con người để tập trung vào các hoạt động mang tính chiến lược hơn.
Nếu không sử dụng AI, việc đạt được mức hiệu quả và độ chính xác cao như vậy gần như là không thể, xét đến tốc độ vận hành nhanh của chuỗi cung ứng.
AI trong logistics là gì?
AI có tác động đặc biệt lớn đến logistics, quá trình lập kế hoạch, triển khai và kiểm soát dòng chảy hàng hóa. Nó cho phép các công ty logistics tối ưu hóa tuyến vận chuyển, hoạt động kho bãi và lịch giao hàng dựa trên dữ liệu thời gian thực và phân tích dự báo.
AI trong logistics giúp doanh nghiệp rút ngắn thời gian giao hàng, giảm chi phí và nâng cao sự hài lòng của khách hàng.
Các ứng dụng chính của AI trong chuỗi cung ứng
AI đang cách mạng hóa quản lý chuỗi cung ứng thông qua một số ứng dụng then chốt. Dưới đây là những cách sử dụng phổ biến:
1. Dự báo nhu cầu
Dự báo nhu cầu ứng dụng AI cho phép các công ty dự đoán nhu cầu sản phẩm trong tương lai với độ chính xác cao bằng cách phân tích nhiều nguồn dữ liệu, bao gồm doanh số lịch sử, xu hướng thị trường, yếu tố kinh tế và hành vi khách hàng.
Không giống các phương pháp dự báo truyền thống, các mô hình AI có thể thích ứng với mẫu hình mới và phản ứng với dữ liệu thời gian thực, khiến dự báo linh hoạt và đáng tin cậy hơn.
- Mô hình dự báo: Thuật toán machine learning như phân tích chuỗi thời gian và mạng nơ-ron giúp nhận diện các mẫu nhu cầu phức tạp và tạo dự đoán chính xác hơn.
- Điều chỉnh theo thời gian thực: AI cho phép điều chỉnh dự báo tức thời dựa trên thay đổi của các yếu tố thúc đẩy nhu cầu, chẳng hạn khuyến mãi mới, dịch chuyển thị trường hoặc sự kiện bên ngoài (ví dụ thời tiết hay ngày lễ).
- Giảm hết hàng và tồn kho dư thừa: Dự báo nhu cầu chính xác giúp doanh nghiệp có đúng sản phẩm vào đúng thời điểm, nâng cao sự hài lòng của khách hàng và giảm chi phí do tồn kho dư thừa hoặc thất thoát doanh số.
Có thể sử dụng các mô hình như sau:
- Seasonal ARIMA: Các mô hình Seasonal Autoregressive Integrated Moving Average (ARIMA) được dùng cho dự báo chuỗi thời gian, tức dự đoán giá trị tương lai dựa trên dữ liệu quá khứ. Những mô hình này tính đến cả xu hướng và tính mùa vụ.
- Random forest: Random forest là một loại thuật toán machine learning sử dụng nhiều cây quyết định để tạo dự đoán. Chúng có thể xử lý bộ dữ liệu lớn với nhiều biến và có độ chính xác dự đoán cao.
Một ví dụ hay cho trường hợp sử dụng này là việc Amazon dùng AI để dự báo nhu cầu vận chuyển hàng ngày cho hơn 400 triệu sản phẩm trong mùa lễ hội 2023.
2. Quản lý tồn kho
AI cũng tối ưu hóa quản lý tồn kho. Điều này được thực hiện bằng cách phân tích dữ liệu bán hàng, động lực chuỗi cung ứng và các biến số bên ngoài để duy trì mức tồn kho lý tưởng. Điều này giúp doanh nghiệp đạt cân bằng tinh tế giữa việc có đủ hàng để đáp ứng nhu cầu và tránh tồn kho dư thừa gây chi phí lưu kho.
Dưới đây là một số cách phổ biến để quản lý tồn kho bằng AI.
- Bổ sung hàng tự động: Hệ thống AI có thể tự động đặt hàng khi mức tồn kho chạm ngưỡng định sẵn, bảo đảm hàng hóa được bổ sung liên tục mà không cần can thiệp thủ công.
- Tồn kho theo nhu cầu: Bằng cách dự báo nhu cầu chính xác hơn, AI giúp doanh nghiệp dự trữ nhiều sản phẩm có nhu cầu cao và giảm thiểu mặt hàng kém phổ biến, tối ưu hóa diện tích lưu trữ và giảm chi phí lưu kho.
- Hiệu quả kho bãi: Hệ thống vận hành bằng AI tối ưu hóa bố trí kho và lộ trình lấy hàng, cải thiện tốc độ hoàn tất đơn và giảm thời gian, nguồn lực cho xử lý đơn hàng.
Quản lý tồn kho cũng là một ứng dụng phổ biến cho AI trong chăm sóc sức khỏe, nơi nhiều vật tư dùng một lần được tiêu thụ nhanh chóng.
3. Tối ưu hóa chuỗi cung ứng
AI nâng cao và đơn giản hóa toàn bộ quy trình tối ưu hóa chuỗi cung ứng.
AI có thể mang lại khả năng quan sát từ đầu đến cuối và tự động hóa các quy trình phức tạp, từ hoạch định sản xuất đến logistics. Thuật toán AI có thể phân tích dữ liệu trên nhiều điểm chạm, cho phép ra quyết định tối ưu về lịch sản xuất, tuyến vận chuyển và phân bổ nguồn lực.
Cụ thể hơn, AI có thể được dùng theo các cách sau:
- Tối ưu hóa tuyến và logistics: Hệ thống vận hành bằng AI có thể tối ưu hóa các tuyến vận tải, gom lô hàng, và tính đến dữ liệu giao thông, thời tiết theo thời gian thực, giúp rút ngắn thời gian giao hàng và giảm chi phí nhiên liệu.
- Hoạch định sản xuất: Thuật toán AI cân bằng năng lực sản xuất với nhu cầu, điều chỉnh lịch trình và nguồn lực để ngăn nghẽn cổ chai và đáp ứng thời hạn hiệu quả hơn.
- Quan sát từ đầu đến cuối: Với AI, doanh nghiệp có khả năng quan sát theo thời gian thực trên toàn chuỗi cung ứng, giúp theo dõi đơn hàng, lô hàng và mức tồn kho tốt hơn, từ đó sớm phát hiện và giảm thiểu gián đoạn tiềm tàng.
4. Quản trị quan hệ nhà cung cấp
AI cũng có thể hỗ trợ tăng cường quản trị quan hệ nhà cung cấp (SRM).
Một mô hình AI có thể cung cấp insight về hiệu suất nhà cung cấp, yếu tố rủi ro và cơ hội hợp tác. Insight này được tạo ra bằng cách phân tích lượng lớn dữ liệu doanh nghiệp.
Cụ thể, có thể cải thiện các khía cạnh sau:
- Giám sát hiệu suất nhà cung cấp: AI theo dõi các chỉ số hiệu suất chính (KPI) như thời gian dẫn, tỷ lệ lỗi và hồ sơ tuân thủ, cung cấp cái nhìn toàn diện về độ tin cậy và chất lượng của từng nhà cung cấp.
- Đánh giá rủi ro: AI xác định và đánh giá rủi ro trong tập nhà cung cấp bằng cách phân tích các yếu tố bên ngoài (ví dụ thay đổi địa chính trị, sức khỏe tài chính) có thể ảnh hưởng đến sự ổn định của nhà cung cấp, giúp chủ động quản trị rủi ro.
- Lập kế hoạch hợp tác: AI có thể tăng cường hợp tác bằng cách chia sẻ dự báo nhu cầu và kế hoạch sản xuất với nhà cung cấp, cải thiện phối hợp và bảo đảm nhà cung cấp đáp ứng nhu cầu hiệu quả.
Điều này đặc biệt hữu ích cho chuỗi cung ứng trong thương mại điện tử, nơi có nhiều đối tác nhà cung cấp tham gia.
Lợi ích của AI trong quản lý chuỗi cung ứng
Việc sử dụng AI trong chuỗi cung ứng mang lại lợi ích lớn, bao gồm cải thiện ra quyết định, giảm chi phí, nâng cao hiệu quả vận hành và tăng cường tính bền vững.
Mỗi lợi ích này giúp doanh nghiệp vượt qua các thách thức phức tạp của chuỗi cung ứng và duy trì sức cạnh tranh trên thị trường năng động.
1. Cải thiện ra quyết định
AI chuyển đổi cách ra quyết định trong chuỗi cung ứng bằng cách cung cấp insight theo thời gian thực dựa trên dữ liệu, cho phép doanh nghiệp chủ động thay vì phản ứng bị động.
Hệ thống AI có thể phân tích khối lượng dữ liệu lớn từ nhiều nguồn—bao gồm dữ liệu lịch sử, xu hướng thị trường và các yếu tố bên ngoài như thời tiết, biến động kinh tế—để tạo insight dự báo và đề xuất hành động.
- Phân tích dự báo: Mô hình dự báo ứng dụng AI dự đoán nhu cầu, giúp doanh nghiệp điều chỉnh tồn kho, tối ưu lịch sản xuất và giảm khả năng hết hàng hoặc tồn kho quá mức.
- Lập kế hoạch kịch bản: Bằng cách mô phỏng các kịch bản khác nhau (ví dụ thay đổi nhu cầu, gián đoạn nguồn cung), AI cho phép doanh nghiệp đánh giá tác động tiềm tàng của các lựa chọn, nâng cao khả năng lập kế hoạch cho bất định.
- Phản ứng nhanh hơn trước thay đổi: Công cụ hỗ trợ quyết định dựa trên AI có thể phát hiện vấn đề hoặc xu hướng theo thời gian thực, như nhu cầu tăng đột ngột hoặc nút thắt logistics, cho phép điều chỉnh nhanh để duy trì vận hành trơn tru. AI cũng có thể phân tích bộ dữ liệu lớn nhanh hơn nhiều so với phân tích thủ công.
Ví dụ, kiến trúc công nghệ chuỗi cung ứng nhận thức của IBM cho phép họ phản ứng nhanh với các vấn đề trong chuỗi cung ứng trước khi xảy ra gián đoạn.
Về cơ bản, hệ thống sử dụng AI để thu thập thông tin trên web và nếu có gián đoạn, chúng tôi có thể nhanh chóng hành động để đảm bảo nguồn cung thứ hai.
Rob Cushman, Senior Partner, IBM Supply Chain Transformation
Nhờ đó, có thể nhanh chóng triển khai hành động để tìm nguồn cung thứ hai nếu một nguồn bị gián đoạn. Công nghệ chuỗi cung ứng nhận thức tận dụng AI của họ đã mang lại tỷ lệ hoàn tất đơn hàng 100% ngay cả trong giai đoạn đại dịch 2020.
2. Giảm chi phí và nâng cao hiệu quả vận hành
Thông qua cùng công nghệ chuỗi cung ứng nhận thức dựa trên AI này, IBM đã giảm chi phí chuỗi cung ứng 160 triệu USD.
AI giúp giảm đáng kể chi phí và nâng cao hiệu quả vận hành bằng cách tự động hóa và tối ưu hóa các quy trình cốt lõi của chuỗi cung ứng. Từ quản lý tồn kho đến hoạch định logistics, tự động hóa dựa trên AI giúp tối thiểu hóa tác vụ thủ công, giảm lỗi con người và cải thiện hiệu suất quy trình.
- Tối ưu hóa tồn kho: Hệ thống AI có thể duy trì mức tồn kho tối ưu bằng cách phân tích các yếu tố như lịch sử bán hàng, thời gian dẫn và tính mùa vụ, từ đó giảm chi phí tồn kho dư thừa và giảm chi phí lưu kho.
- Lập lịch tự động: AI tinh gọn lịch sản xuất và logistics, giảm thời gian chết và cải thiện sử dụng nguồn lực. Ví dụ, thuật toán AI có thể tối ưu tải trọng xe, tuyến vận chuyển và thời gian giao, giúp giảm chi phí nhiên liệu và giao hàng nhanh hơn.
- Giảm lãng phí: Thông qua dự báo chính xác và phân bổ nguồn lực hiệu quả, AI giúp giảm lãng phí trong sản xuất và logistics. Điều này không chỉ giảm chi phí xử lý mà còn góp phần vào tính bền vững môi trường.
3. Tăng cường tính bền vững
Như chúng tôi đã bàn trong một bài viết khác, AI có thể nâng cao tính bền vững ở nhiều lĩnh vực. Trong chuỗi cung ứng, AI có thể giúp sử dụng tài nguyên hiệu quả hơn và giảm lãng phí, phát thải.
Khi các công ty đặt mục tiêu bền vững, AI cung cấp công cụ để theo dõi, đo lường và tối ưu hóa các thực hành bền vững trong chuỗi cung ứng.
- Giảm phát thải carbon: Tối ưu hóa định tuyến và logistics bằng AI có thể giảm tiêu thụ nhiên liệu nhờ lựa chọn tuyến hiệu quả, gom lô hàng và tối thiểu vận chuyển không cần thiết, từ đó giảm phát thải khí nhà kính.
- Hiệu quả năng lượng: Trong sản xuất, AI có thể tối ưu sử dụng thiết bị, giảm thời gian chờ và lên lịch sản xuất theo mức độ sẵn có và chi phí năng lượng, giúp giảm tiêu thụ năng lượng và nâng cao bền vững vận hành.
- Tối thiểu lãng phí: Bằng cách dự báo nhu cầu chính xác, AI giúp giảm sản xuất dư thừa và tồn kho không cần thiết, tối thiểu lãng phí và hỗ trợ cách tiếp cận kinh tế tuần hoàn, nơi tài nguyên được tái sử dụng hoặc tái mục đích.
Ngành vận tải và chuỗi cung ứng chiếm 25% phát thải khí nhà kính toàn cầu, theo báo cáo của Liên Hợp Quốc. Với việc giảm lãng phí và cải thiện quản lý tồn kho nhờ AI, có thể dẫn đến giảm phát thải khí nhà kính.
Việc tích hợp AI vào quản lý chuỗi cung ứng cuối cùng sẽ giúp hoạt động linh hoạt hơn, tiết kiệm chi phí và thân thiện môi trường hơn.
Những cải thiện này không chỉ giúp doanh nghiệp tiết kiệm tiền và tối ưu nguồn lực mà còn phù hợp với nỗ lực toàn cầu hướng tới bền vững, nâng cao hình ảnh thương hiệu và sức hấp dẫn với khách hàng quan tâm đến môi trường.
Sẵn sàng triển khai AI trong tổ chức của bạn? Khóa học Các nền tảng AI của chúng tôi sẽ là điểm khởi đầu hoàn hảo để học mọi kỹ năng AI cần thiết.
AI tạo sinh trong chuỗi cung ứng
AI tạo sinh là dạng AI tiên tiến sử dụng học sâu để tạo ra đầu ra mới, độc đáo dựa trên tập dữ liệu huấn luyện. Trong quản lý chuỗi cung ứng, AI tạo sinh có thể giúp tối ưu quy trình bằng cách tạo nhiều kịch bản và gợi ý phương án hành động hiệu quả nhất.
Dưới đây là một số trường hợp sử dụng tiềm năng:
- Tạo các tuyến vận chuyển thay thế để tối thiểu chi phí và cải thiện hiệu quả
- Tạo lịch sản xuất tối ưu dựa trên các mức nhu cầu khác nhau
- Tạo các giải pháp tiềm năng cho gián đoạn chuỗi cung ứng theo thời gian thực
Nghiên cứu điển hình
AI tạo sinh đang thay đổi quản lý chuỗi cung ứng bằng cách giúp doanh nghiệp tối ưu vận hành, nâng cao hiệu quả và cải thiện ra quyết định. Dưới đây là một số ví dụ thực tế về các công ty tận dụng AI tạo sinh trong chuỗi cung ứng của họ:
1. DHL Supply Chain
DHL đã hợp tác với Boston Consulting Group để triển khai các ứng dụng AI tạo sinh nhằm nâng cao quản lý dữ liệu và phân tích. Một ứng dụng là công cụ làm sạch dữ liệu xử lý và phân tích dữ liệu từ khách hàng tiềm năng, giúp kỹ sư DHL thiết kế giải pháp logistics hiệu quả hơn.
Một ứng dụng khác hỗ trợ đội ngũ bán hàng bằng cách cung cấp insight trong quá trình xây dựng đề xuất, cho phép đưa ra đề xuất nhanh hơn và cá nhân hóa hơn cho khách hàng.
2. Mars Incorporated
Mars đang hợp tác với Celonis để sử dụng AI tạo sinh tối ưu tải trọng xe tải. Bằng cách phân tích các yếu tố như thời tiết và chi tiết lô hàng, hệ thống AI đề xuất gom lô, giảm 80% công sức thủ công và cắt giảm chi phí vận chuyển cũng như phát thải.
3. ThredUp
Nhà bán lẻ đồ thời trang đã qua sử dụng ThredUp ứng dụng AI trong các trung tâm phân phối để tăng thông lượng và năng suất. AI được dùng để tạo mô tả chi tiết cho sản phẩm, tinh gọn vận hành và cải thiện hiệu quả.
4. UPS
UPS sử dụng hệ thống On-Road Integrated Optimization and Navigation (ORION), tận dụng AI và thuật toán tiên tiến để tối ưu tuyến giao hàng theo thời gian thực. Hệ thống xem xét các yếu tố như khối lượng kiện, khung thời gian giao, tình hình giao thông và thời tiết để tạo tuyến hiệu quả, tiết kiệm hơn 10 triệu gallon nhiên liệu mỗi năm và giảm chi phí cũng như phát thải carbon.
Những ví dụ này cho thấy AI tạo sinh đang được áp dụng trong nhiều ngành để nâng cao hiệu quả chuỗi cung ứng, giảm chi phí và cải thiện hiệu quả vận hành tổng thể.
Thách thức và cân nhắc khi triển khai AI
Bất chấp nhiều lợi ích, triển khai AI trong chuỗi cung ứng không phải không có thách thức. Những thách thức này có thể gây khó khăn cho các tổ chức chưa sẵn sàng cho sự thay đổi này.
Quyền riêng tư dữ liệu
Quyền riêng tư và bảo mật dữ liệu là mối quan ngại lớn, vì hệ thống AI phụ thuộc vào xử lý lượng lớn thông tin có thể nhạy cảm. Các công ty phải đảm bảo thực hành xử lý dữ liệu tuân thủ quy định và tiêu chuẩn quốc tế.
Nếu bạn là một tổ chức đặt tại EU, Đạo luật AI của EU là hướng dẫn then chốt với các quy định nghiêm ngặt về quyền riêng tư dữ liệu cần phải tuân thủ. Bạn có thể đọc thêm trong hướng dẫn Đạo luật AI EU dành cho lãnh đạo của chúng tôi.
Như bạn có thể thấy từ hình ảnh trên, Đạo luật AI EU áp dụng quản trị dữ liệu tốt, điều này có thể là thách thức với nhiều doanh nghiệp nhỏ.
Chất lượng và độ phức tạp dữ liệu
Thuật toán AI chỉ tốt khi dữ liệu huấn luyện tốt. Các công ty phải đảm bảo dữ liệu chính xác, phù hợp và được cập nhật liên tục để tránh dự đoán sai lệch.
Trên mọi ngành, chất lượng dữ liệu là thách thức then chốt khi áp dụng AI. Các vấn đề về độ chính xác và tích hợp dữ liệu đặc biệt đúng trong những chuỗi cung ứng phức tạp.
Ví dụ, trong chuỗi cung ứng toàn cầu, dữ liệu phải được thu thập và phân tích từ nhiều nhà cung cấp, nhà sản xuất và nhà phân phối trên các quốc gia và múi giờ khác nhau. Điều này đặt ra thách thức về tích hợp, tiêu chuẩn hóa và khả năng tương tác dữ liệu.
Chi phí triển khai cao
Với việc triển khai bất kỳ công nghệ mới nào, sẽ có chi phí ban đầu. Các công ty phải cân nhắc kỹ lưỡng ROI và lợi ích tiềm tàng trước khi đầu tư vào AI.
Một số chi phí có thể đến từ:
- Thuê chuyên gia có kỹ năng để phát triển và duy trì hệ thống AI
- Nâng cấp hạ tầng hiện có để hỗ trợ công nghệ AI
- Vận hành, bảo trì các mô hình AI lớn tại chỗ
Tuy nhiên, những kết quả tích cực từ AI vượt xa các thách thức tài chính và vận hành khi áp dụng giải pháp AI.
Đào tạo và thích ứng của lực lượng lao động
Tác động đến lực lượng lao động là một cân nhắc khác. Dù AI có thể tự động hóa nhiều tác vụ, nó cũng dẫn đến nhu cầu tái đào tạo và nâng cao kỹ năng về AI. Các công ty cần tìm sự cân bằng giữa tiến bộ công nghệ và duy trì nền tảng kỹ năng của lực lượng lao động.
Các tổ chức phải sẵn sàng trang bị cho nhân viên làm việc cùng AI và sử dụng các công cụ AI mới để lấp đầy khoảng trống kỹ năng có thể phát sinh.
Đây là nơi DataCamp for Business có thể giúp. DataCamp for Business mang đến giải pháp toàn diện cho đào tạo doanh nghiệp về kỹ năng khoa học dữ liệu và AI đang được săn đón trong lĩnh vực AI đang phát triển của chuỗi cung ứng. Bắt đầu với một bản demo ngay hôm nay.
