نعم، إذا كانت الأساسيات سليمة: مُهل توريد حقيقية من الموردين، وأوامر شراء مفتوحة، ومستويات مخزون تثق بها. قواعد إعادة الطلب في نظام تخطيط الموارد تتولى الحساب. ويضيف الذكاء الاصطناعي ما لا تراه القواعد، مثل رسائل الموردين عن التأخير والطلبات الكبيرة من العملاء المذكورة في الرسائل، ويشرح كل تنبيه بلغة واضحة، ويصوغ طلب إعادة التوريد. ويعتمد المخطِّط كل طلب.
أبرز النقاط
- معظم حالات نفاد المخزون تعود إلى مُهل توريد قديمة، ونقاط إعادة طلب قديمة، وأخبار متأخرة من الموردين، لا إلى ضعف نموذج التنبؤ.
- قواعد إعادة الطلب والتنبؤ الإحصائي موجودة أصلاً في نظام تخطيط الموارد، فتأكد أنك تستخدمها قبل إضافة الذكاء الاصطناعي.
- يفيد الذكاء الاصطناعي في الإشارات غير المنظمة: إشعارات تأخير الموردين، ورسائل العملاء، وملاحظات المبيعات.
- كل اقتراح لإعادة الطلب يجب أن يأتي مع سببه، ويعتمده المخطِّط.
- قِس حالات النفاد في أهم أصنافك، ومدى قبول المخطِّطين للاقتراحات أو تعديلها.
كيف يبدو أسبوع المخطِّط قبل نفاد المخزون؟
يوم الاثنين يصدّر المخطِّط تقرير المخزون من SAP أو Oracle أو Odoo إلى Excel، ويقارنه بحدود دنيا وعليا وُضعت منذ زمن طويل. يرسل مورد بريداً بأن شحنة تأخرت، فيبقى البريد في صندوق مشترك. ويذكر مدير مبيعات طلباً كبيراً على WhatsApp. وما زال أمر الشراء المفتوح يعرض تاريخ التسليم الأصلي، فلا يبدو أن هناك خطأ.
لاحقاً يفرغ الرف، ويجد الجميع التنبيه في بريدهم. كانت البيانات موجودة، لكن ليس حيث يبحث منطق إعادة الطلب. وأبحاث قطاع التجزئة تشير إلى الاتجاه نفسه: IHL Group، سبتمبر 2025 تذكر أخطاء الموردين وأوجه القصور الداخلية بين الأسباب الرئيسية لنفاد المخزون وتكدّسه.
ما الذي يجب أن يكون صحيحاً قبل أن يساعد الذكاء الاصطناعي؟
- مُهل توريد مقيسة من الاستلامات الفعلية، لكل مورد وصنف، لا الرقم المسجل في بيانات المورد.
- أوامر شراء مفتوحة بتواريخ تسليم مؤكدة ومحدّثة.
- مستويات مخزون تثق بها، بما فيها البضائع في الطريق وفي المستودعات الأخرى.
- أصناف مصنّفة حسب أهميتها، لتحظى الأصناف الأكثر حساسية بأقرب متابعة.
- نقاط إعادة طلب ومخزون أمان رُوجعت مؤخراً، لا موروثة.
- مخطِّط محدد يتولى كل مجموعة أصناف.
إذا تجاوزت ذلك، فلن ينتج الذكاء الاصطناعي سوى تنبيهات واثقة مبنية على بيانات سيئة. فقد ذكرت Gartner، يوليو 2024 ضعف جودة البيانات بين الأسباب الرئيسية للتخلي عن مشاريع الذكاء الاصطناعي التوليدي بعد مرحلة إثبات المفهوم.
ماذا يضيف الذكاء الاصطناعي إلى ما تفعله قواعد إعادة الطلب؟
تعمل قواعد إعادة الطلب على الأرقام الموجودة في نظام تخطيط الموارد. أما الذكاء الاصطناعي فيستطيع قراءة ما لم يصل إليه بعد: رسائل الموردين التي تعلن تأخيراً أو شحنات جزئية، ورسائل العملاء وملاحظات المبيعات عن طلبات كبيرة على غير العادة، وخطط العروض الترويجية في مستند مشترك. ويحوّل كلاً منها إلى تغيير مقترح، مثل تاريخ متوقع جديد لأمر مفتوح، مع رابط إلى الرسالة المصدر.
ثم يستطيع شرح التنبيه بلغة واضحة: هذا الصنف سينفد قبل الاستلام القادم لأن المورد أجّل الشحنة وهناك طلب كبير من عميل مستحق. ويصوغ طلب إعادة التوريد، أو طلب التعجيل إلى المورد، ليعتمده المخطِّط أو يعدّله أو يرفضه. ولا يُطلب شيء دون المخطِّط.
متى تكفي قواعد إعادة الطلب في نظام تخطيط الموارد؟
إذا كانت أخبار الموردين تصل إلى نظام تخطيط الموارد بانتظام، ومُهل التوريد مقيسة، وتشكيلة الأصناف مستقرة، فإن قواعد إعادة التزويد أو تخطيط احتياجات المواد (MRP) في نظامك، مثل إعادة التزويد في Odoo أو MRP في SAP، كافية. وتناسب أداة مخصصة لتخطيط الطلب حين يكون التنبؤ نفسه هو المشكلة، كالموسمية القوية عبر مواقع كثيرة.
ويناسب الذكاء الاصطناعي الفجوة بين صندوق البريد ونظام تخطيط الموارد: حين تكون التنبيهات موجودة لكنها تصل رسائل بالعربية والإنجليزية من موردين كثيرين، ولا يجد أحد الوقت لقراءتها كلها ومقارنتها بالأوامر المفتوحة.
#كيف تنفّذ Stennir ذلك؟
تبدأ Stennir بـاستشارات الذكاء الاصطناعي، لأن الجواب الصريح يكون غالباً إصلاح مُهل التوريد ونقاط إعادة الطلب أولاً. يرتّب تدقيق فرص الذكاء الاصطناعي خمسة مسارات عمل، لكل منها تكلفة وحالة استرداد، ويوصي ببناء واحد، وأحياناً يكون إصلاحاً للبيانات لا بناءً بالذكاء الاصطناعي.
وحين تكون الفجوة بين البريد ونظام تخطيط الموارد هي المشكلة، يبني تنفيذ الذكاء الاصطناعي قراءة رسائل الموردين والعملاء، والتحديثات المقترحة، وطلبات إعادة التوريد المصاغة، ويعتمد المخطِّط كلاً منها. العربية والإنجليزية مدعومتان بالكامل، ولغات أخرى عند الطلب. ثم يتابع التشغيل المُدار للذكاء الاصطناعي مدى قبول المخطِّطين للاقتراحات ويصلح ما يرفضونه باستمرار. ويساعد تدريب الذكاء الاصطناعي المخطِّطين على العمل معه.
We are
تربط Stennir رسائل الموردين والعملاء بعملية إعادة الطلب لديك، ويعتمد المخطِّط كل طلب وكل تغيير في تاريخ متوقع.
We aren't
Stennir ليست منظومة لتخطيط الطلب، ولا تصدر أوامر شراء من تلقاء نفسها.
ما الخطوة التالية لمدير سلسلة الإمداد؟
اسرد آخر خمس حالات نفاد في أصناف مهمة، وابحث أين ظهر التنبيه الأول. إذا كان في بريد أو رسالة، فالفجوة في القراءة لا في التنبؤ. راجع الذكاء الاصطناعي للعمليات وكيف تختار أول عملية تؤتمتها، ثم أجرِ تقييم الجاهزية المجاني أو احجز مكالمة مدتها 30 دقيقة.
أسئلة شائعة
ماذا تحتاجون من فريقنا؟
صلاحية قراءة المخزون والأوامر المفتوحة والاستلامات في نظام تخطيط الموارد، وصندوق البريد المشترك الذي تصل إليه أخبار الموردين، والمخطِّطين الذين يتولون مجموعات الأصناف. يستعرضون حالات النفاد الأخيرة، ليستهدف البناء الإشارات التي فاتت فعلاً. ويعتمد مخطِّط محدد كل اقتراح.
هل يصدر الطلبات تلقائياً؟
لا. يصوغ طلبات إعادة التوريد وطلبات التعجيل وتغييرات التواريخ المقترحة على الأوامر المفتوحة. ويعتمد المخطِّط كلاً منها أو يعدّله أو يرفضه، ويُسجَّل القرار مع سببه. وبعض الفرق تسمح لاحقاً بالتحديث التلقائي للتغييرات منخفضة المخاطر، لكن هذا قراركم، تتخذونه والأدلة بين أيديكم.
هل يقرأ رسائل الموردين بالعربية؟
نعم. تبني Stennir مسارات عمل تقرأ الرسائل العربية والإنجليزية، بما فيها المختلطة، وتربط كلاً منها بأمر الشراء المطابق. وتُدعم لغات أخرى عند الطلب، وتُختبر أولاً على رسائل مورديكم. والرسائل غير الواضحة تذهب إلى المخطِّط بدلاً من تحديث أي شيء.
ما الذي قد يحدث خطأ؟
مُهل التوريد الخاطئة تنتج تنبيهات خاطئة، والبريد الذي يُساء فهمه قد يقترح تاريخاً خاطئاً. لهذا تأتي البيانات أولاً، ويستشهد كل اقتراح بمصدره، ويعتمده المخطِّط. تابعوا الاقتراحات المرفوضة، فارتفاع نسبتها يعني أن المدخلات تحتاج إلى عناية قبل أن يثق أحد بالمخرجات.
