කෘතීම බුද්ධිය භාවිතය කෙරෙහි යොමු විය යුත්තේ ඇයි? (Why Embrace Artificial Intelligence?)
වත්මන් සැපයුම් දාම ජාලයන් අතීතයේ පැවති වෙළෙද අභිලාශයන්ට ගැළපෙන ආකාරයට නිර්මාණය වූවකි. පසුගිය දශක දෙකක කාලය තුළ, ගෝලීයකරණය තුළින් වෙළෙදපල ස්ථාවරත්වය සහ පුරෝකථනය කිරීමේ හැකියාව වැඩි දියුණු වූ බැවින් කිසියම් ස්ථානයක සිට තවත් ස්ථානයකට බාධාවකින් තොරව භාණ්ඩ ප්‍රවාහනය සිදු විය. කෙසේ වෙතත්, කොවිඩ් -19 වසංගතයෙන් පසුව ගෝලීය වෙළෙද පරිසරය වෙනස් මානයකට යොමු විය. ඒ අනුව, ඉතා සුමටව ක්‍රියාත්මක වන මෙහෙයුම් ක්‍රියාවලී (Lean Methodologies) සහ නියමිත වෙලාවට ක්‍රියාකාරි වන මෙහෙයුම් පද්ධති (Just in Time) වැනි, දැනට පවත්නා මෙහෙයුම් ආකෘති කාලෝචිතව, වත්මන් ගෝලිය අවශ්‍යතා සමග ඉතා සූක්ෂම ලෙස සම්බන්ධ කරන ලදී. වර්තමානය වනවිට, අප ජීවත් වන්නේ, ගෝලිය ප්‍රජාව අවිනිශ්චිතභාවය හා කැළඹීම් යන කරුණු දෙක පිළිබදව වඩා උනන්දුවන අවධියකයි. මෙම කරුණු ඉතා සරලව එකම කෙටි යෙදුමකින් සංක්ෂිප්ත කර ඇත. එනම්, VUCA – අස්ථාවරත්වය (Volatility), අවිනිශ්චිතභාවය (Uncertainity) සංකීර්ණත්වය (Complexity) සහ අපැහැදිලි (Ambiguity) බව වශයෙනි.
නමුත්, තවමත් සැපයුම් දාම කළමනාකරණය යල් පැනගිය ක්‍රියාවලීන් හා බැඳී පවතී. එනම්, මෙම ක්‍රියාවලීන් ගෝලීය ඉල්ලුම් හා දෛනික අභියෝගවලට තවමත් අනුගත වී නොමැති වීමයි. නිදසුනක් වශයෙන්, අප 2023 වසරින් ඉදිරියට ගමන් කරන විට, සැපයුම් දාම කළමනාකරණය කිරීම සඳහා පැතුරුම්පත් (Excel) මත පමණක් රඳා පැවතීම උචිත නොවේ. නොයෙකුත් අවිනිශ්චිතතාවයන්ගෙන් පීඩා විඳි ලෝකය අතිශයින් සංකීර්ණ වී ඇත. එහි ප්‍රතිඵලයක් වශයෙන්, පරිවර්තනයක් සඳහා දැඩි අවශ්‍යතාවක් පවතින අතර, කෘතීම බුද්ධිය (Artificial Intelligence), බාධාවකින් තොරව ඒකාබද්ධ කිරීම, මෙම නව පරිසරය තුළ තරඟකාරිත්වය ඉහළ නැන්වීම සඳහා උත්ප්‍රේරකයක් ලෙස මතු වේ.
බටහිර ලෝකය තුළ කෘතීම බුද්ධිය (Artificial Intelligence) තුළින් සැලකිය යුතු ප්‍රගතියක් අත්පත් කරගෙන ඇති නමුත් දකුණු ආසියාව තවමත් මන්දගාමී අවධියක පසුවේ. මෙම ප්‍රමාදයේ ප්‍රතිවිපාක ඉතා දරුණු ලෙස එම කලාපයට බලපා හැක. තාක්‍ෂණික ක්ෂේත්‍රයේ වේගවත් වීම යන්නෙන් අදහස් කරන්නේ, දියුණු තාක්‍ෂණයට ප්‍රවේශය ඇති අය, වර්තමාන පරිසරය තුළ දියුණු වීමට අවශ්‍ය මෙවලම් ඔවුන් සතුව ඇති බැවින් එවැනි හැකියාවන් නොමැති අය අභිබවා ඔවුන් ඉදිරියට යන බවයි. මේ අතර, බොහෝ කර්මාන්ත සහ සමාගම් මෙම පරිසරයේ ඇති අභියෝගවලට හැඩ ගැසීමට නොහැකිව, යල් පැන ගිය; එනම් යාවත්කාලීන නොවූ ක්‍රම තුළ තවමත් කටයුතු කරමින් පවතී.
කෘතීම බුද්ධියෙන් උපරිම ඵල නෙලාගැනීම (Harnessing the power of Artificial Intelligence - AI)
තොග කළමනාකරණය (Inventory Management) වඩාත් ප්‍රමුඛ ක්ෂේත්‍රයක් වන අතර, එහි සැලකිය යුතු උපායමාර්ගික තීරණ සඳහා කෘතීම බුද්ධිය (Artificial Intelligence) භාවිතා කළ හැක. ගැටලුව පවතින්නේ බොහෝ තොග කළමණාකරණ තීරණ දත්ත මත පදනම් නොවන බැවිනි. එය බොහෝ විට හැඟීම් මත රඳා පවතී. නියමිත වේලාවට ඇණවුම් භාර දීමට නොහැකි වේ යැයි ඇති බිය නිසා ඩොලර් මිලියන ගණනක් වටිනා අතිරික්ත භාණ්ඩ තොග සමාගම් විසින් රඳවා තබා ගනී. අවදානම නිවැරදිව තක්සේරු කරනවාට වඩා, ප්‍රමාද වන බෙදාහැරීම් පිලිබඳ භීතිය විශාල ඇණවුම් කිරීමට පොළඹවයි. තොග කළමනාකරණය අවදානම් කළමනාකරණය හා බැදී පවතී. රඳවා තබා ගැනීමේ පිරිවැය (Holding Cost) මත සිටිමින් එය තොග ගබඩා කිරීමේ අවදානම අතර සමතුලිතතාවයක් ඇති කිරීමට උත්සාහ කරයි. එමෙන්ම තොග අඩු කිරීමේ හැකියාව, තොග අඩු වීමේ අවදානම හා රදා පවතී. අනවශ්‍ය ඇණවුම් හා සම්බන්ධ සැබෑ අවදානම සැපයීම සහ ඊට අනුපාත කිරීම මගින් ප්‍රශස්ත සමතුලිතතාවය හඳුනා ගැනීමට කෘතීම බුද්ධිය (Artificial Intelligence) සහාය කර ගත හැක. තොග කළමනාකරණයේදී කෘතීම බුද්ධිය (Artificial Intelligence) භාවිතා කිරීමේ ප්‍රතිලාභ පිළිබදව සැලකිලිමත් විය යුතු ය. තොග කළමනාකරණයේදී ගබඩා කිරීම, ප්‍රවාහන වියදම්, බඩු තොග තබා ගැනීමේ පිරිවැය සහ පොලී අනුපාත ගෙවීම් වැනි වියදම් ඇතුළත් වේ. වර්තමානයේ, තොග ගබඩා කිරීම සිදු වූ විට, සමාගම් විසින් ප්‍රවාහනය, තොග රඳවා තබා ගැනීම, පොලී ගෙවීම් සහ, විශේෂයෙන්, තොග තුළ සිර කර ඇති සැලකිය යුතු කාරක ප්‍රාග්ධනය (Working Capital) සම්බන්ධ වියදම් දරයි. නිවැරදි අවදානම් ආකෘතිකරණය හරහා තොග ප්‍රශස්ත කිරීම මගින් වෙනත් අරමුණු සඳහා කාරක ප්‍රාග්ධනය (Working Capital) මුදා හැරිය හැක.
සැපයුම් දාම කළමනාකරණයේ තවත් වැදගත් උපායමාර්ගික තීරණයක් ලෙස සැපයුම් තේරීම හදුනා ගත හැකිය. එනම්, සැපයුම් දාමයට සම්බන්ධ වීමට අවශ්‍ය සැපයුම්කරුවන් තෝරා ගැනීමයි. වර්තමානයේ, සමාගම් මූලික වශයෙන් සැපයුම්කරුවන් තෝරා ගැනීම සඳහා නිර්ණායක තුනක් කෙරෙහි අවධානය යොමු කරයි. ඒවා නම්, පිරිවැය, ගුණාත්මකභාවය සහ මිල යි. කෙසේ වෙතත්, දිනෙන් දින වෙනස් වන පරිසරය තුළ, සලකා බැලිය යුතු අවදානම් පරාසයක් තුළ සැපයුම්කරු තෝරා ගැනීම වඩාත් සංකීර්ණ වේ. තවද, සැපයුම්කරුවන් වෙන් කිරීම, එක් එක් සැපයුම්කරුට ලැබෙන ප්‍රතිපාදන ප්‍රතිශතය තීරණය කිරීම, ආරක්ෂක අරමුදලක් (Hedge Fund) සඳහා කළඹ කළමණාකරුවෙකු (Portfolio Manager) ආයෝජන කළමනාකරණය කරන ආකාරය, වෙළෙඳාම ප්‍රශස්ත කිරීම සහ අවදානම් අවම කිරීම වැනි ඉතා සංකීර්ණ ප්‍රවේශයක් අනුගමනය කළ යුතුය.
එදිනෙදා යෙදුම් සඳහා, කෘතීම බුද්ධිය (Artificial Intelligence) හි ක්‍රියාකාරී ඇඟවුම් (Operational Implications) ප්‍රයෝජනවත් වේ. පළමුව, ඵලදායිතාව සැලකිය යුතු ලෙස ඉහළ නැන්වීමට කෘතීම බුද්ධිය (Artificial Intelligence) හට හැකියාව ඇති බව හදුනා ගත යුතුය. මැකෙන්සි සහ සමාගම (McKinsey & Company) විසින් “ලෝක ආර්ථිකය මත කෘතීම බුද්ධිය (Artificial Intelligence) හි බලපෑම ආදර්ශනය කිරීම’’ (Modeling the Impact of AI on the World Economy) යන මාතෘකාවෙන් යුතුව ඉදිරිපත් කළ වාර්තාවකට අනුව, 2030 වන විට, ගෝලීය ආර්ථික ක්‍රියාකාරකම් සඳහා ඇමෙරිකානු ඩොලර් ට්‍රිලියන 13 ක් ඇස්තමේන්තු කර ඇත. ගෝලීය පරිමාණයෙන් වාර්ෂිකව ඇමෙරිකානු ඩොලර් ට්‍රිලියන 2.6 සිට ඇමෙරිකානු ඩොලර් ට්‍රිලියන 4.4 දක්වා ආයතනික ලාභ උත්පාදනය කිරීමට කෘතීම බුද්ධියට (Artificial Intelligence) ඇති හැකියාව එයින් ඉස්මතු කරයි. එහි ප්‍රතිඵලයක් වශයෙන්, සේවක සංඛ්‍යාව අඩුවීමක් අපේක්ෂා කරන අතර, සමාගම්වලට අඩු සේවක සංඛ්‍යාවක් සමඟ ක්‍රියාත්මක වීමට හැකි වන, ඵලදායිතාව ඉහළ නන්වන හෝ, ශ්‍රම සම්පත් වඩාත් උපාය මාර්ගික කාර්යයන් සඳහා යොදවනු ලැබේ. මෙම කාර්යයන් ස්වයංක්‍රීය කිරීම කිසි විටෙක පහසු නොවන බැවින් මෙම පරිවර්තනය හරහා බොහෝ විට ‘ක්‍රියාවලි ස්වයංක්‍රීය කිරීම’ මගින් පහසු කිරීමක් අපේක්ෂා කෙරේ.
කෘතීම බුද්ධිය වෙත යොමුවීමේ දී ආයතන මුහුණ දෙන අභියෝග (Challenges Encountered by Firms in AI Adoption)
කෘතීම බුද්ධිය (Artificial Intelligence) භාවිතා කිරීමේ අභියෝග මූලික වශයෙන් නවෝත්පාදනයන් හා සම්බන්ධ අවදානම් අතරට ඇතුළත් වේ. නවෝත්පාදනයේ කිසියම් වැරදි පියවරක් තම ස්ථාවරයට අනතුරක් විය හැකි බවට බියෙන් බොහෝ සමාගම් කනස්සල්ලට පත්ව සිටිති. නවෝත්පාදන අවදානම පිළිබඳ ගැටළුව මඟ හැරීම හෝ නොසලකා හැරීම වෙනුවට, නවෝත්පාදන හා සම්බන්ධ අවදානම් අවබෝධ කර ගැනීමට සමාගම් උත්සාහ කළ යුතුය. මෙහිදී ප්‍රධාන අවදානම් තුනක් පිළිබද සැලකිලිමත් විය යුතු වේ.
1. ආරම්භක අවදානම (Initiative Risk) – එනම්, මෙය නිවැරදි අදහසද නැතහොත් අවධානය යොමු කළ යුතු ප්‍රවේශය මෙයද යන්න
2. අන්තර් යැපුම් අවදානම (Interdependency Risk)- මූලික අරමුණ ළඟා කර ගැනීම සඳහා අවශ්‍ය පාර්ශවකරුවන් ගේ සංඛ්‍යාව
3. ක්‍රියාත්මක කිරීමේ අවදානම (Execution Risk) – මූලික අරමුණ සාර්ථකව ක්‍රියාත්මක කිරීමට ඇති හැකියාව.
මෙම අවදානම් හොඳින් අවබෝධ කරගත් පසු, ඒවාට එරෙහිව කටයුතු කිරීමට, එනම් අවදානම් අවම කිරීම හෝ අවදානමින් ආරක්ෂා වීම සඳහා ප්‍රතිපත්ති සහ ක්‍රියාවලි සකස් කළ හැකිය. ආරම්භක අවදානම පිළිබද සැලකීමේ දී උදාහරණයක් ලෙස, මැකෙන්සිහි (McKinsey) හි ක්ෂිතිජ තුනේ වර්ධන ආකෘතිය (Three horizons of growth model) සහ 70:20:10 රීතිය වැනි ආකෘති අනුගමනය කිරීම ඇතුළත් කළ හැකිය. එහිදී මූලිකවම ව්‍යාපාරය ආරක්ෂා කිරීම සඳහා නවෝත්පාදන සම්පත් වලින් 70% ක් පමණ වෙන් කරයි. (උදා: පිරිවැය අඩු කිරීම, ගුණාත්මක දෝෂ අවම කිරීම, කාර්යක්ෂමතාවය වැඩි කිරීම), අතවශ්‍ය අවස්ථා සඳහා 20% කැප කිරීම සහ නව්‍ය, දිගු කාලීන ව්‍යාපාර ආකෘති සඳහා 10% ක් වෙන් කිරීම වැනි කරුණු පිළිබද අවධානය යොමු කෙරේ.
තවත් වැදගත් අභියෝගයක් වන්නේ ශ්‍රී ලංකාව තුළ විශාල වශයෙන් මතුවන නමුත් බටහිර සන්දර්භයන් තුළ එතරම් ප්‍රකාශ නොවන සංස්කෘතිය පිළිබඳ ගැටලුවයි. තාක්ෂණය වැලඳ ගැනීම සහ එයට ප්‍රවේශ වීම, විවෘතභාවය සහ අත්හදා බැලීමේ සංස්කෘතියක් වැනි ගුණාංග මෙහිදී අවශ්‍ය වේ. සරල උදාහරණයකින් පැහැදිලි කරන්නේ නම්, විවෘතභාවය යනු වසර 21ක ගණිත උපාධිධාරියෙකුට වසර 20ක පළපුරුද්දක් ඇති අයෙකුට වඩා උසස් පුරෝකථන කුසලතා තිබිය හැකිය යන අදහස පිළිගැනීමයි. එනම් විරුද්ධ වීමකින් තොරව මෙම යථාර්ථය පිළිගැනීමට ඇති කැමැත්ත ඇතුළත් වේ. එපමනක් නොව, අත්හදා බැලීමේ සංස්කෘතියක් පෝෂණය කිරීම යනු තාක්ෂණය පිළිබඳ ඉක්මන් තීරණ ගැනීමයි. අනවශ්‍ය ප්‍රමාදය වේගයෙන් විකාශනය වන තාක්‍ෂණික ගෝලීය සන්දර්භය තුළ ඔබට අවස්ථාවන් මග හැරී යාමට හේතු වේ. සරලවම, තාක්ෂණය සීඝ්‍රයෙන් පරිණාමය වන ලෝකයක, තාක්ෂණය පිළිබඳ තීරණ ගැනීම ප්‍රමාද වීම අවස්ථා මඟ හැරීමට හේතු විය හැක. කුමක් පිළිබදව හෝ නව්‍ය අදහසක් ඔබ තුළින් හඳුනා ගන්නේ නම්, එය ක්‍රියාත්මක කිරීමට වහාම පියවර ගත යුතුය.
This article is a part of the Business Tips for Trading Across Borders series — A collaborative effort of
The Ceylon Chamber of Commerce and United States Agency for International Development (UASID) Partnership for
Accelerating Results in Trade, National Expenditure and Revenue (PARTNER) Activity
Economy Breaking the Norm: Understanding Negative Interest Rates
Breaking the Norm: Understanding Negative Interest Rates Negative interest rates or Negative Interest Rate Policy (NIRP) have emerged as a powerful...
Trade කෘතීම බුද්ධිය භාවිතයෙන් සැපයුම් දාම කළමනාකරණය (Artificial Intelligence in Supply Chain Management)
කෘතීම බුද්ධිය භාවිතය කෙරෙහි යොමු විය යුත්තේ ඇයි? (Why Embrace Artificial Intelligence?) වත්මන් සැපයුම් දාම ජාලයන් අතීතයේ පැවති වෙළෙද අභිලාශයන්ට...
Trade වෙළෙද සන්නාමයන් විද්‍යුත්-වාණිජ්‍යය හරහා වෙළෙදපලට ප්‍රවේශ වන්නේ කෙසේද?(How can Brands Enter into the Market through E-Commerce)
විද්‍යුත්-වාණිජ්‍යය, ජාත්‍යන්තර වෙළෙදාමට ප්‍රවේශ කරමින් සිදු කරන ලද විප්ලවීය වෙනසත් සමග ගෝලීය ආර්ථික වර්ධනය 2023 දී 10.4% දක්වා ළඟා වනු...
