ChatGPT w zarządzaniu zapasami — możliwości i ograniczenia dla firm produkcyjnych

Rok 2023 przyniósł eksplozję zainteresowania generatywną AI w biznesie. W supply chain i produkcji pytanie zmieniło się z "czy AI?" na "jak?" i "gdzie?". Badanie z LogForum (DOI: 10.17270/J.LOG.2023.917) to jedna z pierwszych prób empirycznej odpowiedzi specyficznie dla zarządzania zapasami.

Autorzy testowali ChatGPT (GPT-4) w kilku konkretnych zadaniach: analizie danych historycznych, formułowaniu polityki zapasów, komunikacji z dostawcami i dokumentowaniu procedur. Wyniki są niejednoznaczne — i to właśnie czyni je użyteczne.

Gdzie GPT naprawdę pomaga

Badanie wyróżnia trzy obszary, gdzie modele językowe generują mierzalną wartość:

1. Analiza jakościowa i dokumentacja. GPT jest wyjątkowo skuteczny w przetwarzaniu nieustrukturyzowanych informacji — notatek ze spotkań, korespondencji z dostawcami, raportów niedoborów — i tworzeniu z nich czytelnych streszczeń lub procedur. Zadania, które planista wykonuje w 3 godziny, GPT obsługuje w 10 minut, przy akceptowalnej jakości.
2. Generowanie pytań i scenariuszy. Model może szybko wygenerować listę scenariuszy ryzyka ("co jeśli dostawca X opóźni dostawę o 4 tygodnie?") lub pytań do przeglądu procesu. Nie zastępuje analizy — ale skraca czas jej inicjowania.
3. Tłumaczenie między domenami. W firmach z wielokulturowym zespołem lub globalną siecią dostaw GPT pomaga w tłumaczeniu specyfikacji, warunków kontraktów i komunikatów operacyjnych — szybciej i taniej niż tradycyjne tłumaczenia.

Gdzie GPT zawodzi — i dlaczego to ważne

Badanie identyfikuje trzy kategorie awarii, które mają szczególne znaczenie operacyjne:

1. Obliczenia ilościowe przy złożonych danych

GPT-4 popełnia błędy obliczeniowe, szczególnie przy wieloetapowych kalkulacjach (zapas bezpieczeństwa z uwzględnieniem zmienności dostawcy i popytu, EOQ z niejednorodnym kosztem magazynowania). Co gorsza — błędy są często sformułowane pewnie i przekonująco. Bez weryfikacji przez planistę wyniki mogą trafić do decyzji.

2. Dane historyczne i aktualne stany

Model nie ma dostępu do Twojego systemu ERP. Wszelkie analizy opierają się wyłącznie na tym, co mu podasz w prompcie. Każda analiza wymaga manualnego eksportu i przygotowania danych — co częściowo neguje oszczędność czasu.

3. Kontekst operacyjny i specyfika firmy

GPT nie zna Twoich dostawców, historii relacji, sezonowych wzorców ani wewnętrznych ograniczeń. Generuje odpowiedzi "dla przeciętnej firmy" — co w zarządzaniu zapasami bywa gorsze od intuicji doświadczonego planisty.

Jak korzystać z GPT w planowaniu zapasów — bezpiecznie

Praktyczne wnioski z badania i naszego doświadczenia:

• Używaj GPT do warstwy tekstowej, nie liczbowej. Raporty, procedury, komunikacja, scenariusze — tak. Kalkulacja ROP, EOQ, zapasu bezpieczeństwa — weryfikuj niezależnie.
• Traktuj output jako szkic, nie wynik. Każda odpowiedź GPT wymaga weryfikacji przez osobę znającą kontekst. To narzędzie przyspieszające, nie decydujące.
• Integracja z danymi jest kluczowa. Systemy łączące GPT z bazą danych ERP (przez API lub eksport) dają kilkakrotnie lepsze wyniki niż praca na tekstowych promptach. To kierunek rozwoju — ale w 2024 roku nadal wymaga pracy technicznej.

Jedno pytanie, które warto sobie zadać

Zanim wprowadzisz GPT do procesu planowania zapasów, odpowiedz uczciwie: czy w Twojej firmie ktoś ma czas i kompetencje, żeby weryfikować to, co wygeneruje model?

Jeśli tak — zysk jest realny. Jeśli nie — model będzie produkował odpowiedzi, które będą wyglądały dobrze i mogą prowadzić do złych decyzji. W zarządzaniu zapasami błędy kosztują — nadmiar zamraża gotówkę, niedobór zatrzymuje produkcję.