في عصرنا الحالي، تتنامى أهمية البيانات في كل جانب من جوانب الأعمال، وخاصة في قرارات المخزون التي تعد من أكثر المجالات تعقيدًا. قدم الباحثون في دراسة جديدة نموذجًا يسلط الضوء على كيفية استخدام نماذج اللغات الضخمة (Large Language Models - LLMs) لتسهيل تصميم سياسات المخزون. يعتمد هذا الإطار على دمج البيانات التشغيلية مع أدوات التحسين ونماذج اللغات لإنشاء سياسات فعالة بعيدًا عن الطرق التقليدية.

بالاعتماد على بيانات الطلب، يعمل الإطار على توليد فئات سياسات معلمة باستخدام LLM، بينما يقوم حل خارجي بتحسين معلمات هذه السياسات. وقد أظهرت التجارب قيام النموذج بتحقيق تخفيضات في التكاليف، حيث ارتفعت نسبة التوفير من 17.5% بعد جيل واحد إلى 30% بعد عشرة أجيال. وهذه النتائج قد تشير إلى تأثير كبير للتحسين القائم على البيانات، حيث كانت نماذج LLM وحدها أقل فعالية في الأداء.

تعتمد جودة السياسة على التوجيهات المستندة إلى التحسين والتي تسهل البحث، مما يجعل LLM توجه نحو فئات سياسية أفضل بدلاً من تحسين القيم المعلمة فقط. السياسات المكتشفة كانت أيضًا قابلة للتفسير، حيث ضمت عناصر معروفة في إدارة المخزون مثل الطلبات المحدودة واستراتيجيات التجديد المبنية على العتبات.

النتائج تُظهر أن التحسين المعتمد على البيانات يمكن أن يقود البحث المعتمد على LLM عبر مساحة واسعة من فئات السياسات ويحدد قواعد اتخاذ القرار القابلة للنقل. بالتالي، يبدو أن هذه الدراسة تفتح أفقًا جديدًا أمام شركات الأعمال للدخول في عصر جديد من اتخاذ القرار الفعال.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.