L'IA di Flowlity è trasparente e spiegabile agli utenti?

sì — è persino uno dei principi fondanti di Flowlity: fornire un'IA che possa essere spiegata e compresa dagli umani che la utilizzano.

Sappiamo che nella catena di fornitura, i pianificatori e i manager devono fidarsi delle raccomandazioni di uno strumento e ciò richiede la comprensione del «perché».

Flowlity è stato quindi progettato non per essere una scatola nera, ma piuttosto uno strumento educativo oltre che uno strumento decisionale.

Concretamente, come si manifesta?

Nell'interfaccia Flowlity, ogni previsione e ogni raccomandazione sono accompagnate da elementi esplicativi. Ad esempio, se Flowlity consiglia di ordinare 500 unità dell'articolo X per il mese successivo, l'utente visualizza la suddivisione della domanda prevista: stagionalità, tendenza, effetto promozionale, ecc., a seconda dei casi.

Lo strumento mostra anche un intervallo di confidenza attorno alla previsione (ad esempio: previsione centrale 500, con uno scenario basso a 450 e uno scenario alto a 560), che dà un'idea dell'incertezza. Ciò consente di giustificare le scorte di sicurezza calcolate. Inoltre, Flowlity fornisce avvisi e giustificazioni. Ad esempio: «Rischio di carenza di questo prodotto entro 15 giorni perché la domanda recente supera le previsioni del 20%». Oppure: «Riduzione delle scorte proposta per questo articolo, perché il suo tasso di fatturato è diminuito negli ultimi 3 mesi». Tecnicamente, l'intelligenza artificiale di Flowlity utilizza modelli di machine learning (incluso il deep learning), ma la complessità è nascosta dietro una semplice interfaccia.

Sono inoltre favorite le tecniche di apprendimento d'insieme, che attenuano le previsioni ed evitano le aberrazioni. E soprattutto, Flowlity si considera un assistente: l'utente ha sempre la possibilità di rivedere una decisione. Se non è d'accordo con una raccomandazione, può modificarla (ad esempio, ordinare un po' di più o un po' di meno) e il sistema terrà conto di questo feedback per adattarlo in futuro. È un ciclo di apprendimento virtuoso in cui l'essere umano mantiene il controllo finale. Durante la formazione, insistiamo affinché gli utenti comprendano come funziona lo strumento.

Senza rivelare tutti i dettagli algoritmici, spieghiamo i principi fondamentali (previsione probabilistica, calcolo dinamico del buffer, ecc.). Molto rapidamente, i pianificatori vedono che lo strumento reagisce come farebbe in molti casi, ma meglio perché reagisce più rapidamente e integra più dati. Ad esempio, lo strumento è in grado di rilevare correlazioni tra prodotti che gli esseri umani non avrebbero visto, ma mostrerà «un aumento del 30% della domanda prevista per il prodotto A perché è correlata a quella del prodotto B in promozione». Questo tipo di spiegazione rende tangibile l'IA.

Infine, sulla questione della trasparenza tecnica, Flowlity è aperta a discutere il suo approccio:

Pubblichiamo white paper e articoli sul nostro approccio (ad esempio, uso di previsioni probabilistiche e deterministiche). Il nostro obiettivo non è confondere l'algoritmo, ma rendere collettivamente più intelligente la catena di fornitura. Gli utenti di Flowlity migliorano il loro lavoro perché imparano dal feedback dell'IA. Molti riferiscono che dopo alcuni mesi, hanno una migliore comprensione delle dinamiche della loro catena di fornitura (stagionalità, impatto delle promozioni, comportamento dei fornitori) grazie alla visibilità che lo strumento offre.

In breve, l'IA di Flowlity è trasparente, spiegabile e a misura d'uomo. È un compagno che informa le tue decisioni invece di sostituirle arbitrariamente. Questa filosofia aumenta la fiducia e l'adozione della soluzione all'interno dei team della catena di fornitura. (Se desideri vedere in pratica come Flowlity presenta i suoi consigli e quali spiegazioni vengono fornite, ti invitiamo a una demo in cui puoi giudicare tu stesso la chiarezza dello strumento.)