Yapay Zeka Destekli Stok Yönetimi Nedir? Daha Doğru Stok Kararları İçin Bir Rehber

Uzun yıllar boyunca stok yönetimi; geçmiş dönem ortalamaları, emniyet stoğu ve kalan belirsizlikleri gidermek için planlamacıların deneyimine dayanan temel bir yaklaşımla yürütüldü. Talebin istikrarlı, tedarik zincirinin ise öngörülebilir olduğu dönemlerde bu yöntem yeterliydi; çünkü dönemler arasında büyük değişimler yaşanmıyordu. Ancak artık koşullar değişti. Günümüzde ne talebin istikrarlı kalacağı ne de tedarik zincirinin öngörülebilir olacağı varsayılabiliyor. Tedarik zinciri aksaklıkları, değişen tüketici talebi ve giderek karmaşıklaşan küresel tedarik zincirleri, geleneksel tahmin yöntemlerinin yetersiz kaldığını ortaya koydu. Bu nedenle şirketler, geleceği daha sağlıklı planlayabilmek için yeni yaklaşımlara yöneliyor.

Bu alternatif yaklaşımlardan biri yapay zekâ destekli stok yönetimi. Bu yaklaşım, mevcut envanter yönetimi ekosistemine yalnızca yeni bir kavram eklemekten ibaret değildir. Envanterin takibi ve tahminlenmesinde tamamen yeni bir yaklaşımı temsil eder. Stok planlama yöneticileri, tedarik zinciri yöneticileri ve operasyon ekipleri üzerindeki daha az kaynakla daha fazlasını başarma baskısı arttıkça, yapay zekâ destekli stok yönetiminin ne olduğunu anlamak da giderek daha önemli hale geliyor.

Bu noktada “akıllı stok yönetimi” (intelligent stock control / smart stock control) ifadeleri de sıklıkla kullanılır. Her iki kavram da aynı dönüşümü ifade eder: Yeni bilgiler geldikçe stok yönetimine ilişkin kararların otomatik olarak güncellendiği bir yapıya geçiş.

Yapay Zeka Destekli Stok Yönetimi Nedir?

Yapay zekâ destekli stok yönetimi; aylar, hatta yıllar önce oluşturulmuş kuralları takip etmek yerine, sürekli değişen verileri temel alarak stok seviyeleri ve planlama konusunda kararlar almak için yapay zekâ ve makine öğreniminden yararlanır. Geleneksel yöntemlerle gerçekleştirilen stok yönetimi ise sabit olan sipariş verme (min-max adetler) adetlerine ve sabit aralıklarla yapılan gözden geçirmelere dayanır. Yapay zekâ destekli stok yönetimi yazılımları; satış trendleri, mevsimsellik ve promosyonlar gibi gerçek zamanlı ve geçmiş verilerin yanı sıra hava koşulları ve ekonomik ortam gibi dış faktörleri de analiz eder.

Başka bir ifadeyle geleneksel stok yönetimi “Geçmişte ne işe yaradı?” sorusunu sorarken, yapay zekâ destekli stok yönetimi “Şu anda ne oluyor ve bundan sonra ne olacak?” sorusuna odaklanır. Bu ayrım, ilk bakışta göründüğünden çok daha önemlidir. Belirli bir kural bir yıl önce geçerli olsa bile tüketici davranışlarındaki, tedarikçi tedarik sürelerindeki veya pazar koşullarındaki değişimler nedeniyle zaman içinde doğruluğunu kaybedebilir.

Yapay zekâ destekli stok yönetimi, envanter yönetimi gibi diğer disiplinlerle birlikte çalışır ancak bu iki kavram birbiriyle karıştırılmamalıdır. Envanter yönetimi, envanterin yönetilmesine ilişkin sürecin kendisini ifade ederken; yapay zekâ destekli stok yönetimi, bu sürecin yönetilmesini desteklemek için yapay zekânın kullanılmasını ifade eder.

Geleneksel Stok Yönetimi Nasıl Çalışır?

Geleneksel stok yönetimi yaklaşımı belirli kurallara dayanır. Stok seviyesi önceden belirlenmiş minimum seviyenin altına düştüğünde yeni sipariş verilir. Talepteki değişimleri yönetmeye yardımcı olmak için güvenlik stoğu bulundurulur ve planlamacı tarafından belirli aralıklarla gözden geçirme yapılır. Bu yaklaşım, doğası gereği büyük ölçüde reaktif bir sistemdir. Stok ancak belirli bir seviyenin altına düştükten sonra, zaman içinde geçerliliğini tamamen yitirmiş olabilecek varsayımına dayanılarak yeniden sipariş edilir.

Az sayıda SKU ile çalışan ve nispeten istikrarlı bir taleple karşı karşıya olan bir depo yöneticisi veya üretim planlamacısı için bu yöntem uzun süre oldukça etkili olabilir. Anlaşılması ve uygulaması kolaydır ve özel bir yazılım kullanımını dahi gerektirmez. Ancak tüm bu sürecin verimliliği, kuralların ne sıklıkta ve ne kadar dikkatli gözden geçirildiğine bağlıdır.

Bu strateji, istikrarlı koşullarda hâlâ oldukça verimli şekilde çalışabilir ve birçok organizasyon başarılı stok yönetimi süreçlerinde bu yaklaşımı kullanmaktadır. Buradaki temel sorun, ürün çeşitliliği sürekli arttıkça söz konusu kuralların güncel tutulmasının ve bunları düzenli olarak gözden geçirmek için yeterli zaman ayrılmasının giderek zorlaşmasıdır.

Geleneksel Stok Yönetimi Neden Artık Yeterli Değil?

Kural bazlı envanter yönetiminin etkili olduğu durumlar giderek azalıyor. Küresel tedarik zincirlerinde devam eden aksamalar nedeniyle tedarik sürelerini öngörmek artık daha zor. Değişen toplumsal trendler, promosyonlar ve müşterilerin bir satış kanalından diğerine yönelmesi nedeniyle müşteri talebi daha hızlı ve daha kısa sürede değişebiliyor. Üstelik bu değişimlerin çoğunun üç aylık analiz süreçlerinde yakalanması pek mümkün değil. Aynı zamanda geçmişe kıyasla daha fazla tedarikçi ve coğrafi çeşitlilik söz konusu olduğundan, tedarik zincirlerindeki potansiyel kesinti noktalarının sayısı da artıyor.

Hatalı stok kararlarının iki farklı sonucu vardır. Gereğinden fazla stok bulundurmak, işletme sermayesi üzerinde yük oluştururken satılmayacak ürünlerin depolarda birikmesine neden olur. Bu durum, depolama maliyetleri ve zamanla elde kalan stokların zarar yazılması nedeniyle kâr marjlarını da olumsuz etkiler. Yetersiz stok bulundurmak ise satış kayıplarına yol açar ve uzun vadede müşterilerin istedikleri ürünleri bulamadıkları için başka yerlerden alışveriş yapmasına neden olabilir.

Sabit yeniden sipariş noktaları ve manuel tahminleme, bu iki riski de yönetmek için gereken hızda değişen koşullara uyum sağlayamaz. Bunun nedeni planlamacıların uzmanlık eksikliği değildir. Asıl neden, veri miktarının ve verideki değişim hızının, ürün bazında ve her değerlendirme döneminde manuel olarak takip edilemeyecek kadar artmış olmasıdır.

Yapay Zeka Stok Yönetimini Nasıl Dönüştürüyor?

Yapay zekâ destekli stok yönetimi, envanter yönetiminde önemli bir dönüşümü temsil ediyor. Makine öğrenimi, yalnızca tahminlerin veya stok seviyelerinin belirli bir mutlak değere ulaşmasını beklemek yerine satış verilerini, trendleri, mevsimselliği, promosyonları ve diğer değişkenleri analiz ederek talepteki değişimleri, henüz planlamacının dikkatini çekecek seviyede rakamlara yansımadan önce tespit edebilir.

Yapay zekâ tekniklerine dayalı stok yönetiminin talep tahminleme ile aynı şey olmadığını belirtmek gerekir. Talep tahminleme sürecin yalnızca bir aşamasıdır. Yapay zekâ destekli stok yönetimi ise analiz gerçekleştirildikten sonra gelen ve envanter kararlarının alınmasını sağlayan sonraki adımları da kapsar.

Yapay zekâ sistemlerinin en büyük gücü, insanın manuel olarak ulaşamayacağı hızda ve ayrıntı seviyesinde trendleri tespit edebilmesidir. Yapay zekâ destekli bir sistem kullanarak ürün talebindeki değişimleri, bölgesel hava koşullarını ve promosyon faaliyetlerinin etkilerini manuel analize kıyasla çok daha erken tespit edebilirsiniz. Bu avantaj, özellikle farklı mağaza lokasyonlarında yüzlerce SKU yöneten perakende yöneticileri için önemlidir. Talepteki değişimler hakkında zamanında bilgi sahibi olmak, mağazalarda stok tükenmesini önlemenin temel unsurlarından biridir.

Yapay Zeka Destekli Stok Yönetiminin Temel Özellikleri

Yapay zekâ kullanan stok yönetim sistemleri, planlama için yalnızca daha gelişmiş tahminler sunmakla kalmaz. Bu alandaki bir sonraki gelişim aşaması, karar desteğini ve giderek daha fazla ölçüde, önceden belirlenen sınırlar dahilinde kararların otomatik olarak uygulanmasını kapsar. Bu kapsamda sistemler:

• Sabit bir sipariş seviyesini korumak yerine, talep koşullarına göre güvenlik stoğunu dinamik olarak ayarlayabilir.
• Düşük talep gören stokları tespit ederek bunların depoda atıl stoğa dönüşmesini önleyebilir.
• Farklı lokasyonlardaki talep değişimlerine göre stokları yeniden dağıtabilir.
• İkmal/ Replenishment kararlarını gecikmeden önerebilir veya belirlenen sınırlar dahilinde otomatik olarak uygulayabilir.

Bu, geleneksel yöntem ile modern teknikler arasındaki en önemli farktır. Tahminleri manuel olarak gözden geçirmek, planlamacıların gerçekçi bir şekilde analiz edebileceği veri miktarını sınırlar. Kararlaştırılan sınırlar dahilinde sipariş miktarlarını ayarlayabilen bir sistem ise aynı şekilde kısıtlanmaz; bu da envanter optimizasyonu ile yapay zeka stok yönetiminin giderek daha fazla entegre hale gelmesinin nedenlerinden biridir.

Yapay Zekâ Destekli Stok Yönetimi Hakkında Yaygın Yanılgılar

Yapay zekâ destekli stok yönetimi daha yaygın biçimde ele alındıkça, bazı yanlış kanılar da gündeme gelmeye devam ediyor. Bunları doğrudan ele almakta fayda var.

“Yapay zeka, planlamacının yerini alır.” Aksine, uygulamada bu durum nadiren görülür. Yapay zekâ büyük miktarda veriyi işleme ve örüntüleri tespit etme konusunda son derece güçlü olsa da yeni bir iş ortaklığının kurulması, gelecekte gerçekleştirilecek bir pazarlama faaliyeti veya iş stratejisindeki bir değişiklik gibi verinin ötesine geçen konularda karar almak için insan katkısına ihtiyaç vardır. Yapay zekâ destekli stok yönetiminden en fazla faydayı sağlayan şirketler, bu teknolojiyi planlamacıların yerini almak için değil, onları desteklemek için kullanır. Planlamacılar çerçeveyi belirler ve olağan dışı durumlarda kararları alırken sistem, büyük ölçekte analiz yapar ve örüntüleri tespit eder.

“Yapay zeka ile stok yönetimi sadece otomasyondan ibarettir.” Otomasyon, sabit kurallar doğrultusunda mevcut süreçlerin daha hızlı yürütülmesini sağlar. Yapay zekâ destekli stok yönetimi ise bundan farklı olarak kuralları, verilerin ortaya koyduğu değişen koşullara göre uyarlar. Dolayısıyla yalnızca karar alma sürecini hızlandırmakla kalmaz, kararların nasıl alındığını da dönüştürür.

“Yapay zekâ destekli stok yönetimine geçiş, her şeyin tek seferde uygulanması anlamına gelir.” Yapay zekâ destekli stok yönetiminin bir anda ve tüm süreçlere uygulanması yaygın bir yaklaşım değildir. İşletmeler genellikle yapay zekâ destekli karar desteğini sistemlerine aşamalı olarak dahil eder. İlk uygulama alanlarından biri çoğu zaman ikmaldir. Bunun nedeni, ikmalin tekrarlanan kararlar içermesi ve yapay zekânın sunduğu önerilerin herhangi bir işlem gerçekleştirilmeden önce planlamacı tarafından analiz edilip onaylanabilmesidir.

“Yapay zekâ destekli stok yönetimi yalnızca çok büyük miktarda veriye sahip büyük organizasyonlarda işe yarar.” Daha fazla veriye sahip olmak fayda sağlayabilir ancak bir ön koşul değildir. Net bir ürün gamına ve yeterli satış geçmişine sahip orta ölçekli işletmeler de özellikle talebin hızlı dalgalandığı durumlarda stok yönetiminde yapay zekâdan yararlanabilir.

Veri Erişilebilirliği Ve Kalitesi

Stok yönetiminde yapay zekânın etkin şekilde kullanılabilmesi için kaliteli ve doğru verilere ihtiyaç vardır. Sistemin örüntüleri tespit edebilmesi için geçmiş satışlar, stok seviyeleri, tedarik süreleri, promosyonlar ve diğer ilgili verilerin erişilebilir olması gerekir. Eksik veya hatalı veriler, yapay zekâ sisteminin oluşturduğu önerilerin etkinliğini azaltabilir.

Bu, organizasyonların yapay zekâdan yararlanabilmek için kusursuz verilere sahip olması gerektiği anlamına gelmez. Ancak veri kullanılabilirliğini ve kalitesini iyileştirmek, yapay zekâ kullanımına geçmeden önce atılması gereken ilk adımlardan biridir.

Genel olarak yapay zekâ destekli stok yönetimi, yaklaşık bir ila iki yıllık satış geçmişiyle oldukça etkili şekilde çalışabilir. Bu veri miktarı, sistemin tam bir mevsimsellik döngüsünü tespit etmesine ve gerçek talebi rastlantısal dalgalanmalardan ayırt etmesine olanak tanır. Daha kısa bir satış geçmişiyle de çalışmak mümkündür; ancak sistemin öğrenebileceği veri daha sınırlı olacağından, ilk aşamada sunduğu önerilerin daha dikkatli değerlendirilmesi gerekir.

Analiz edilebilecek çok az satış geçmişine sahip olan veya hiç satış geçmişi bulunmayan ürünlerde ise durum farklıdır. Bu durumda sistemin yalnızca geçmiş verilere dayanarak doğru bir tahmin oluşturması mümkün değildir. Yapay zekâ destekli stok yönetimi, ürün kendi satış geçmişini oluşturacak yeterli veriye ulaşana kadar benzer ürünlerin performansı veya diğer ilgili göstergeler gibi alternatif kriterlerden yararlanarak tahmin oluşturur.

Yapay Zeka İle Stok Yönetiminin Geleceği

Yapay zekâ destekli envanter sistemlerinin hangi yönde ilerlediği her zamankinden daha net. Basit yeniden sipariş noktalarına ve manuel tahminlemeye bağlı kalmaya devam eden şirketler, özellikle tedarik zincirleri giderek daha küresel ve öngörülemez hale geldikçe, proaktif ve değişen koşullara uyum sağlayabilen stok yönetimi tekniklerini kullanan rakipleriyle rekabet etmekte giderek daha fazla zorlanacaktır.

Slimstock olarak izlediğimiz stratejinin temelinde de bu yaklaşım yer alıyor. Çözümümüz, yapay zekâ destekli tahminleme ve ikmali daha kapsamlı tedarik zinciri planlama kabiliyetleriyle bir araya getirirken, planlamacılara deneyim ve muhakemelerine en fazla ihtiyaç duyulan noktalarda karar verme özgürlüğü sunuyor. Buradaki amaç tüm kararları algoritmalara bırakmak değil; sürekli gelişen bir süreç oluşturarak planlamacılara kendi değerlendirmelerini gerektiren kararlara daha fazla zaman ayırma imkânı sağlamaktır.

Yapay zekâ teknolojisi geliştikçe, bu teknolojiyi benimseyenlerle beklemeyi tercih edenler arasındaki farkın giderek açılması bekleniyor. Pek çok tedarik zinciri yöneticisi açısından artık temel soru, yapay zekânın envanter yönetiminde bir yeri olup olmadığı değil; operasyonları aksatmadan ne zaman ve nasıl entegre edilebileceğidir.

Gelecekte yapay zekânın, yalnızca karar alma süreçlerini destekleyen bir teknolojiden belirli sınırlar dahilinde giderek daha otonom çalışan bir yapıya dönüşmesi bekleniyor. Planlamacıların rolü ise daha çok istisnaların yönetimine ve stratejik karar almaya odaklanacak. Veri ve süreçler açısından bugünden sağlam bir temel oluşturan organizasyonlar, gelecekte bu dönüşümün sunduğu fırsatlardan yararlanmak için daha güçlü bir konumda olacaktır.

Verimli Operasyonların Faydaları

Yapay zekâ destekli stok yönetimi ile verimli süreçler aynı hedefi paylaşır: israfı en aza indirmek. İsraf; fazla envanter, manuel analiz için harcanan zaman ve yetersiz stok nedeniyle oluşabilecek kayıplar şeklinde ortaya çıkabilir. Yapay zekâ destekli stok yönetimi, planlamacılara talep ve mevcut stok hakkında daha doğru bilgiler sağlayarak verimli yönetim süreçlerinin uygulanmasını destekler. Böylece ürünlerin stokta tutulması, stok seviyelerinin azaltılması veya yeniden sipariş edilmesine ilişkin kararlar sabit verilere değil, mevcut koşullara göre alınır.

Organizasyonlar, yapay zekânın stok yönetimi üzerindeki etkisini değerlendirirken genellikle aşağıdaki performans göstergelerinden bazılarını dikkate alır:

• Stok devir hızı: Stokların belirli bir dönem içinde ne kadar etkin şekilde satıldığını gösterir.
• Hizmet seviyesi: Müşteri taleplerinin mevcut stoktan gecikmeden karşılanabilen oranını gösterir.
• Tahmin doğruluğu: Zaman içinde tahmin edilen talep ile gerçekleşen talebin ne ölçüde örtüştüğünü gösterir.
• Stoğa bağlanan işletme sermayesi: Başka alanlarda kullanılabilecekken stoklara bağlanan finansal kaynağı ifade eder.
• Atıl stok seviyesi: Artık satılamayan ve stoktan çıkarılması gereken envanteri ifade eder.

Bu göstergelerin düzenli olarak takip edilmesi, organizasyonların yapay zekâ destekli stok yönetimini yalnızca bir teknoloji yatırımından çıkarıp ölçülebilir bir iş performansı iyileştirmesine dönüştürmesine yardımcı olur. Aynı zamanda daha kapsamlı envanter planlama süreçlerini ve organizasyon genelinde sürekli iyileştirmeyi destekler.

Bu konuda, Körfez ülkelerinde 338 mağazası bulunan ve bölgenin önde gelen entegre sağlık hizmetleri organizasyonlarından biri olan Aster Pharmacy örneği dikkat çekicidir. Aster, Slimstock’un Slim4 çözümünü kullanmaya başladıktan sonraki iki ay içinde işletme sermayesini %19 azaltmış, stok bulunurluğunu %4 artırmış ve fazla envanteri %26 azaltmıştır. Bu sonuçlar; işletme sermayesi yönetimi, hizmet seviyesi ve atıl stok seviyesinde aynı anda sağlanan iyileşmeleri ortaya koymaktadır.

Tüm Unsurlar Bir Bütün Olarak Değerlendirildiğinde

Yapay zekâ destekli stok yönetimi, envanter planlama sürecindeki insan unsurunu ortadan kaldırmak anlamına gelmez. Aksine amaç, envanter planlamacılarının daha iyi kararları daha verimli ve doğru şekilde alabilmeleri için ihtiyaç duydukları içgörüleri sağlamaktır.

Pazar giderek daha belirsiz, tedarik zincirleri ise daha karmaşık hale gelirken, reaktif stok yönetiminden öngörüye dayalı stok yönetimine geçiş artık rekabet avantajı sağlayan bir tercih değil, bir zorunluluk haline geliyor.