Rapport de Gartner: une seule entreprise de chaîne d'approvisionnement en 4 (23%) a une stratégie pour l'IA

L'impact concret et les avantages apportés au monde de la chaîne d'approvisionnement peuvent déjà être très pertinents. Encore plus le potentiel en perspective. Néanmoins, Seules une entreprise sur quatre de ceux qui se sont spécialisés dans les chaînes d'approvisionnement et d'approvisionnement – 23% du total – ont sa propre stratégie pour une IA bien définie, précise, de moyen et long terme. Une autre minorité claire.

Et les autres? La tranche la plus cohérente, quatre sur dix (41%), procède plus ou moins sur le surf à vue. Avec une ligne d'opération très flottante, flexible et courte. Principalement fait de choix et d'actions limités dans le temps et pour des projets non stratégiques mais ad hoc, spécifiques, isolés.

Cela signifie que, dans de nombreux cas, des outils et des solutions d'intelligence artificielle sont adoptés pour gérer les chaînes d'approvisionnement, leurs problèmes et leurs problèmes critiques, pour les rendre plus efficaces et réduire les coûts, mais cela se fait de manière non structurée. Déconnecté par une vision et une stratégie plus larges et plus globales.

Gartner: Projets limités, négligés ou non existants

Une petite part d'entreprises spécialisées dans le secteur, environ 6% du total – toujours selon leRapport exécutif de la chaîne d'approvisionnement ' Fabriqué par Gartner à un niveau international, parmi les gestionnaires en charge -, (ou peut-être qu'il est approprié de dire « aurait »)) sa propre stratégie formelle pour l'IA, mais ne l'a pas encore développée et concrétisée. Un projet sur papier demeure. Une liste de désirs et de bonnes intentions. Il se trouve dans un tiroir sombre et reste pratiquement inconnu de la plupart.

Deux sommes à ce décompte, il est facile de détecter que le total des sociétés spécialisés dans les chaînes d'approvisionnement est toujours une partie très pertinente: 30%, un sur trois, qui n'a aucune stratégie sur l'intelligence artificielle. Ces réalités ne sont actuellement même pas oubliées dans les armoires.

Quelles sont les raisons de cette situation et de ces retards? Tout d'abord, un: la préoccupation des gestionnaires de la chaîne d'approvisionnement (chef de la chaîne d'approvisionnement, CCO) Retour des investissements (ROI) à court terme. Un frein qui peut mettre en danger et compromettre le plein potentiel de transformation et d'innovation de l'IA dans les temps plus longs et en perspective.

Le rendement des investissements est une pression et un frein

« Les gestionnaires de CCOHOP ressentent beaucoup de pression pour obtenir un retour sur investissement rapide de leurs investissements dans l'intelligence artificielle. Et en même temps, ils doivent garantir que les dépenses et tout succès immédiat ne créent pas trop de contraintes de coûts futures », note Jury de BenjaminRecherche principale principale dans la division de la chaîne d'approvisionnement de Gartner.

Et il explique: « Nous avons impliqué 120 gestionnaires et des chaînes d'approvisionnement dans notre analyse qui ont mis en œuvre l'IA dans leurs organisations entre décembre 2024 et janvier 2025. Les données recueillies indiquent qu'il existe de nombreuses différences et lacunes entre les attentes et la réalité. Cet écart doit être comblé. Parmi les principaux différences, le projet de projet.

Au lieu d'une stratégie plus large et plus définie, qui garantit un financement adéquat pour des investissements transformateurs à long terme « .

Les risques des objectifs à court terme et non structurés

Cette approche non structurée et courte du souffle représente un risque important. Résultat: Sans un chemin bien planifié, les organisations risquent de créer des systèmes inefficaces (systèmes « Frankenstein « Gartner les définit), qui deviennent obsolètes en peu de temps, luttent pour grimper et s'adapter aux besoins changeants de l'entreprise. Ils se traduisent en architectures complexes et stratifiées qui prolongent la période d'amortissement des transformations en IA.

Tout cela peut également conduire à un désalignement dans le but des PDG de l'entreprise d'utiliser l'intelligence artificielle pour stimuler la croissance.

« Bien que la gratification immédiate du ROI à court terme puisse sembler tentante, conduit souvent à des gains marginaux à long terme et à une infrastructure technique fragile », observe le jury.

Paramètres de profit par rapport aux niveaux d'innovation

D'autres données et résultats de l'enquête soulignent que Les gestionnaires des chaînes d'approvisionnement utilisent principalement des paramètres de profit, tels que l'efficacité, la vitesse de décision et les coûts, pour évaluer le succès de leurs investissements. Classifier ces facteurs bien avant les paramètres tels que l'augmentation du chiffre d'affaires et les niveaux d'innovation.

Cela indique que les CCC considèrent actuellement l'IA principalement comme un instrument d'efficacité et d'épargne, plutôt que comme une technologie vraiment transformatrice capable de guider l'innovation et de nouveaux modèles commerciaux.

Sans investir dans des projets calculés à l'avance, plus à risque et avec des temps d'amortissement plus longs, « les gestionnaires de chaînes d'approvisionnement perdent l'occasion de transformer vraiment les compétences de leur organisation », indiquent les analystes.

Gartner conseille ainsi aux CCO et aux professionnels de développer un portefeuille des investissements dans l'IA qui nous mènent des priorités à court et à long terme, garantissant que les investissements produisent rapidement de la valeur sans négliger les initiatives de transformation qui nourriront la future organisation des chaînes d'approvisionnement.

Trois chemins et opportunités d'amélioration

Pour équilibrer efficacement les résultats et les avantages sous peu et plus longs, trois cours peuvent être développés par exemple:

1 et 1 Développer une stratégie bien définiequi décrit les objectifs à court et à long terme; Quels sont les objectifs à atteindre et ce que cela doit être fait (et quand) pour les atteindre.

2 Adopter le schéma Run-for-transformaou exécution, croissance, transformation.

• Phase d'exécution: Concentrez-vous sur l'amélioration de l'efficacité opérationnelle et de l'optimisation des coûts grâce à l'automatisation en fonction de l'IA et de la maintenance prédictive.
• Phase de croissance: Promouvoir l'alignement interfonctionnel et améliorer les compétences de prise de décision, intégrant l'intelligence artificielle dans des processus clés, tels que la planification des ventes et les opérations.
• Phase de transformation: Concentrez-vous sur les initiatives d'intelligence artificielle qui positionnent la chaîne d'approvisionnement en tant que partenaire stratégique dans la croissance des entreprises, en utilisant l'IA par exemple pour obtenir des informations sur les consommateurs et pour modéliser de manière proactive la demande du marché.

3 et 3 Investir dans des infrastructures préparées à mettre en œuvre l'intelligence artificielle: Garantiz l'évolutivité et l'adaptabilité des systèmes et des processus pour répondre aux besoins commerciaux changeants, en collaboration avec le CIO et d'autres gestionnaires.