De siste måneders intense fokus på toll—som dekker hvilke land, varer og beløp—har forstyrret forsyningskjeder og skapt uro i markedene. Administrerende direktører etablerer "krigskamre" for å håndtere uroen, mens ansatte forbereder seg på potensielle oppsigelser drevet av resesjon som påvirker virksomheter. Selskaper som lager alt fra vaskemaskiner til barneleker, trenger nå kritisk å forstå hele forsyningskjeden sin, inkludert underleverandører på nivå to, tre og fire. Utfordringen ligger i å samle inn detaljert informasjon om disse dypere leverandørlagene. Kunstig intelligens (AI) forbedrer denne synligheten, selv om avansert teknologi ikke fullt ut kan forutse den uforutsigbare start- og stopp-karakteren til Trumps tolltariffer. Evan Smith, administrerende direktør og medgrunnlegger av det globale forsyningskjedefirmaet Altana, påpeker at AI gir bedrifter innsikt som tidligere var vanskelig å oppnå. I et intervju med CNBC’s Technology Executive Council understreket Smith at toll er blitt et sentralt tema i hans møter med administrerende direktører, finansdirektører og styrer, og fremhevet at "geopolitikk står øverst på dagsordenen" gjennom handelskriger og toll-usikkerhet. Før AI-innføring stolte selskaper på revisorer eller leverandørundersøkelser for å kartlegge forsyningskjedene sine, men disse metodene var mangelfulle—globale revisjoner kunne ta to år, og svarraten på undersøkelser var bare rundt 8 %. I tillegg gjorde stadig endrede leverandørforhold det nesten umulig å opprettholde oppdaterte forsyningskjededata. AI forvandler dette landskapet. Da Altana startet, bygde de det som Smith kaller "verdens største organiserte samling av data om forsyningskjeder. " Da de ble klar over at offentlige internettdata er begrenset, samlet Altana inn privat data fra logistikkfirmaer, forsikringsselskaper, detaljhandel, banker og andre.

AI analyserer denne dataen for å lage et dynamisk, omfattende globalt kart over forsyningskjeder. Partnere bidrar med data på en sikker måte og beholder personvernet, og drar nytte av en delt, stadig utviklende kunnskapsbase. For bedrifter som står overfor tollkompleksitet, tilbyr AI innsikt utover direkte leverandører. Smith illustrerer med et eksempel fra en vaskemaskinprodusent: En produsent gir Altana sin materialliste og direkte leverandører. AI avslører deretter hele flerlagsnettet, inkludert skjulte leverandører, noe som gjør det mulig for selskaper å forstå tolleksponering, simulere forsyningskjedekombinasjoner, utforske produksjonsendringer globalt eller vurdere tilbakeføring av produksjon (reshoring) og hvordan dette påvirker kostnader. Smith bemerker at kartlegging av produktnettverk for store virksomheter tidligere tok seks måneder med tidlige maskinlæringsverktøy, men nå kan det gjøres på én dag. Revisjonskomiteer stiller i økende grad kritiske spørsmål om eksponering mot Kina, tollscenarier og avhengighet av enkeltkilder—alt sammen krever omfattende kunnskap om flerlags forsyningskjeder. Smith avslutter med å si: "Bedrifter må ha synlighet, og den må være dynamisk for å kunne respondere på det neste. Vi eksisterer i et nettverk, og du må kjenne nettverket. Tiden for blind outsourcing er over. "