Assessing the Role of Generative AI and Small and Large Language Models in Enhancing Decision-Making and Sustainability in Supply Chain Management

Sammanfattning

Denna avhandling utforskar de revolutionerande effekterna av Generativ Artificiell Intelligens (GENAI), med särskild inriktning på Stora Språkmodeller (LLMs) och Små Språkmodeller (SLMs), på beslutsfattande inom Supply Chain Management (SCM). Konventionella AI-verktyg har generellt stött SCM genom strukturerad, prediktiv analys, men i strävan efter en mer agil och robust försörjningskedja (SC) introducerar GENAI nya förmågor som dynamisk scenariogenerering, realtidsoptimering och tolkning av ostrukturerad data. Denna studie identifierar nuvarande tillämpningar, implementeringsutmaningar och forskningsluckor inom GENAI-integration i SCM. För att uppnå detta genomförs en Systematisk Litteraturöversikt (SLR) av 88 expertgranskade artiklar, kombinerat med en kompletterande Riktad Litteraturöversikt (LR). Å ena sidan visar SLM:er stor potential för domänspecifika uppgifter med låga resurser, vilket kan vara mycket relevant för små och medelstora företag (SME). Å andra sidan utmärker sig LLM:er i strategiska, dataintensiva uppgifter som efterfrågeprognoser och ESG-efterlevnad (Miljö, Socialt ansvar och Styrning). För att hjälpa organisationer att omfamna GENAI har ett femstegs implementeringsramverk skapats för att stödja företag på olika nivåer att implementera GENAI i sin SCM-verksamhet. Denna forskning betonar vikten av att anta SLM:er inom SCM och lyfter fram möjligheten att de kan vara viktiga påskyndare för att främja digital rättvisa och hållbar förändring i globala SC-operationer. För att säkerställa att tekniska framsteg är i linje med ansvarsfull innovation, granskar denna studie närmare de sociala, miljömässiga och etiska effekterna av AI-implementering och syftar till att ge ett teoretiskt och praktiskt bidrag genom att tillhandahålla ett skräddarsytt ramverk för företag med varierande digital bakgrund att följa för att implementera AI i olika SCM-sammanhang.