大規模言語モデルを
より効果的に活用するために

　企業はサプライチェーンの設計と最適化に当たり、さまざまな複雑な課題に直面する。レジリエンスの強化、コスト削減、計画の質の向上などは、ごく一部にすぎない。ここ数十年、情報技術の発展によって、企業は直観と経験に基づく意思決定から、より自動化されたデータドリブンな手法へと移行することができている。その結果、効率化、大幅なコスト削減、顧客サービスの向上につながっている。

　ところが、ビジネスプランナーや経営者は、システムが提案するレコメンデーションを理解し、多様なシナリオを分析し、What-if分析を行うのに、いまだに相当な時間と労力を要している。事業環境の変化を反映してサプライチェーンマネジメントツールの数理モデルをアップデートするのにも時間がかかる。プランナーや経営者は、これらの問題に対応するため、データサイエンスチームや技術プロバイダーを呼んで結果の説明を求めたり、システムの変更を指示したりしなければならない。

　生成AIの一種である大規模言語モデル（LLM）の進化により、最近はサポートを受けずにこれらの作業を行うことが可能になり、意思決定にかかる時間が日単位、週単位から分単位、時間単位に短縮され、プランナーや経営者の生産性と影響力が劇的に向上している。

　本稿では、経営者がサプライチェーンの状態について理解を深め、さまざまな想定に基づき対応を検討し、現在の事業環境を考慮してサプライチェーンマネジメントツールをアップデートできるよう、LLMを使ってデータからインサイトを生成する方法について検討する。また、企業がLLMを採用するに当たり克服しなければならない課題と、将来LLMの用途を拡大する機会にも注目する。

　ここで紹介する経験の多くは、マイクロソフトがクラウドサービスを支えるため世界300カ所以上に展開しているデータセンター向けに、サーバーなどのハードウェアの供給を管理するLLMベースのシステムを採用した事例がもとになっている。

　マイクロソフトは、2023年の3月から10月までLLMベースのシステムを試験運用し、同年11月に本格運用を開始した。それ以来、システムはインシデント対応時間や意思決定のスピードで測る効率と生産性に著しい効果をもたらしており、さらに時間とともにシステムが洗練されれば、これらの効果はますます向上すると予想される。

　しかし、ここで述べるケイパビリティは、マイクロソフト製品の使用を前提としたものではない。現在はさまざまな高品質のLLMがあり、それらを利用して効果を実現できる。

　では、LLMがもたらす効果を見ていこう。