Arquitectura

Después de crear un proyecto de modelado de pronóstico de la demanda en Dataiku , un analista de la cadena de suministro interactúa con los datos a través de una interfaz dedicada, lo que le permite seleccionar SKU, mercados, tiendas y cronogramas específicos. Una aplicación de IA generativa está integrada en esta interfaz para brindarle al analista una comprensión más sencilla de las acciones recomendadas, como la orden de compra o la rebaja.

Por ejemplo, el LLM identifica inmediatamente un aumento planificado en la demanda de un SKU determinado en un contexto de stock limitado, lo que resulta en una sugerencia de orden de compra. El analista de la cadena de suministro cuenta con capacidad acelerada para enviar esto como un correo electrónico para participar en una actividad de adquisición, o puede revisar la recomendación según sea necesario gracias al acceso completo a los datos.

La consulta inicial del analista se envía a un LLM a través de API junto con:

1. Una plantilla para el tipo de comentarios, y
2. Datos detallados sobre el stock actual, pronóstico y más.

Teniendo en cuenta que estos datos son confidenciales para la empresa y pueden brindar importantes conocimientos competitivos a sus pares, se recomienda utilizar un LLM en contenedores para evitar cualquier fuga de datos.

Consideraciones de responsabilidad

Este proyecto utiliza un LLM para respaldar la generación de comentarios basados en los resultados de un modelo de aprendizaje automático de previsión de la demanda. Por lo tanto, tiene diferentes consideraciones de IA responsable para los dos modelos diferentes.

Para el modelo de pronóstico de la demanda, considera que utiliza datos históricos para respaldar la optimización de la provisión. Las acciones recomendadas son incorporar la explicabilidad de las predicciones en los resultados del modelo y monitorear la solidez y confiabilidad del modelo a lo largo del tiempo.

Para la aplicación de IA generativa, dado que el LLM se utiliza para generar información a través de un enfoque de chatbot, es importante que la información proporcionada por el LLM esté marcada como generada por IA y que los usuarios finales sepan que están interactuando con un sistema de IA.

Además, la revisión de los conocimientos debe realizarse a un metanivel y los analistas de la cadena de suministro deben tener una forma de informar conocimientos incorrectos o inconsistentes. Finalmente, se deben documentar las limitaciones del modelo y se debe alentar a los usuarios finales a utilizar su mejor criterio cuando trabajen con los resultados del modelo.

Por supuesto, todas estas recomendaciones deben estar respaldadas y respaldadas por una política general de IA responsable para imponer prácticas consistentes en todos los proyectos de IA.