Poslední měsíce se intenzivně zaměřují na cla – na to, které země, zboží a v jakých množstvích se jich týkají – což narušilo dodavatelské řetězce a znepokojilo trhy. Generální ředitelé zakládají „válečné štáby“, aby zvládli tento chaos, zatímco zaměstnanci se připravují na možné propouštění způsobené recesí, jež ovlivní podniky. Firmy vyrábějící od praček po dětské hračky nyní kriticky potřebují pochopit celý svůj dodavatelský řetězec, včetně druhé, třetí a čtvrté úrovně dodavatelů. Výzvou je získat podrobné informace o těchto hlubších vrstvách dodavatelů. Umělá inteligence (AI) zlepšuje tuto viditelnost, i když ani pokročilá technologie nemůže plně předvídat nepředvídatelné start-stop povahu tarifů prezidenta Trumpa. Evan Smith, generální ředitel a spoluzakladatel globální společnosti pro dodavatelské řetězce Altana, poznamenává, že AI firmám poskytuje poznatky, jež byly dříve obtížně dostupné. V rozhovoru pro CNBC’s Technology Executive Council zdůraznil, že cla se stala ústředním tématem jeho jednání s generálními řediteli, finančními řediteli a představenstvy, přičemž „geopolitika se ocitla v centru pozornosti“ prostřednictvím obchodních válek a volatility tarifů. Před zavedením AI se firmy spoléhaly na audity nebo průzkumy dodavatelů, aby mapovaly své dodavatelské řetězce, ale tyto metody byly nedokonalé – globální audity mohly trvat dva roky, a odpověď na průzkumy měla jen asi 8% úspěšnost. Navíc se měnící vztahy s dodavateli činily udržování aktuálních dat o dodavatelských řetězcích téměř nemožným. AI tento obraz mění. Na začátku si Altana vytvořila, co Smith nazývá „největším organizovaným souborem dat o dodavatelských řetězcích na Zemi. “ Uvědomujíce si omezenost veřejných dat na internetu, shromažďovala soukromá data od logistických firem, pojišťoven, maloobchodů, bank a dalších.

AI tato data analyzuje a vytváří dynamickou, komplexní globální mapu dodavatelských řetězců. Partneři přispívají k securely sdíleným datům a zachovávají si soukromí, čímž mají přístup ke sdílené a neustále se rozvíjející znalostní bázi. Pro firmy čelící složitosti tarifů nabízí AI poznatky přesahující pouze jejich přímé dodavatele. Smith uvádí příklad s pračkou: výrobce dodává Altaně seznam surovin a přímé dodavatele. AI poté odhalí celé víceúrovňové síťové spojení, včetně skrytých dodavatelů, což firmám umožňuje pochopit svou expozici vůči tarifům, simulovat změny v dodavatelských řetězcích, zkoumat globální přesuny výroby nebo vyhodnocovat dopady přesunu výroby zpět do vlastních prostor na náklady. Smith konstatuje, že mapování velkých podnikových sítí produktů kdysi trvalo šest měsíců pomocí raných strojových učících nástrojů, dnes je možné jej dokončit za den. Výborům pro audity se stále více klade otázka na expozici Číně, scénáře tarifních změn a závislosti na jediných dodavatelích – všechny vyžadují komplexní znalosti o víceúrovňových dodavatelských řetězcích. Na závěr Smith říká: „Firmy musí mít přehled, a ten musí být dynamický, aby mohly reagovat na další změny. Žijeme v síti, a je nutné ji znát. Era slepého outsourcingu skončila. “