Yapay Zeka Sistemlerinin Küresel Tedarik Zinciri Entegrasyonu Ve Performansına Etkileri Üzerine Bir Araştırma
Öz
Bu çalışma, yapay zekâ sistemlerinin küresel tedarik zinciri entegrasyonu ve performansı üzerindeki etkilerini incelemektedir. Literatür taramasına dayalı olarak gerçekleştirilen araştırmada, yapay zekânın tedarik zincirinde karar alma süreçlerini hızlandırdığı, operasyonel verimliliği artırdığı ve sürdürülebilirlik hedeflerine katkı sağladığı ortaya konmuştur. Yapay zekâ teknolojileri, talep tahmini, stok yönetimi, rota optimizasyonu ve risk analizi gibi kritik alanlarda şirketlere maliyet tasarrufu ve rekabet avantajı sunmaktadır. Bununla birlikte, yapay zekânın etkili bir şekilde uygulanabilmesi; veri kalitesi, teknolojik altyapı, insan faktörü ve organizasyonel adaptasyon gibi unsurların bir arada ele alınmasını gerektirmektedir. Çalışmanın bulguları, yapay zekâ destekli sistemlerin yalnızca operasyonel iyileştirmeler sağlamakla kalmadığını, aynı zamanda küresel tedarik zincirlerinin şeffaflığını, esnekliğini ve dayanıklılığını artırarak stratejik bir dönüşüm sunduğunu göstermektedir. Elde edilen sonuçlar, tedarik zinciri yönetiminde teknolojik adaptasyonu teşvik eden ve sürdürülebilirlik hedeflerini önceliklendiren stratejilerin önemini vurgulamaktadır. Bu bağlamda, hem akademik literatüre hem de iş dünyasına önemli katkılar sunmayı hedeflemektedir.
Anahtar Kelimeler
Yapay zekâ, tedarik zinciri, küresel entegrasyon, operasyonel verimlilik, sürdürülebilirlik
Kaynakça
- Al-Surmi, A., Bashiri, M., & Koliousis, I. (2022). AI based decision making: combining strategies to improve operational performance. International Journal of Production Research, 60(14), 4464-4486.
- Baryannis, G., Dani, S., & Antoniou, G. (2019). Predictive analytics and artificial intelligence in supply chain management: Review and implications for the future. Computers & Industrial Engineering, 137, 106024.
- Basnet, C. (2013). Internal supply chain integration. International Journal of Production Management and Engineering, 1(1), 1-10.
- Chen, H., Daugherty, P. J., & Landry, T. D. (2009). Supply chain process integration: A theoretical framework. Journal of Business Logistics, 25(2), 193–218.
- Choi, T. M., Wallace, S. W., & Wang, Y. (2018). Big Data analytics in operations management. Production and Operations Management, 27(10), 1868–1889.
- Christopher, M. (2016). Logistics & supply chain management
- Danach, K., El Dirani, A., & Rkein, H. (2024). Revolutionizing Supply Chain Management with AI: A Path to Efficiency and Sustainability. IEEE Access.
- Denyer, D., & Tranfield, D. (2009). Producing a systematic review. In D. A. Buchanan & A. Bryman (Eds.), The Sage handbook of organizational research methods (pp. 671–689). Sage.
- Dubey, R., Gunasekaran, A., Childe, S. J., Bryde, D. J., & Giannakis, M. (2019). Big data and predictive analytics and manufacturing performance: Integrating institutional theory, resource-based view and big data culture. British Journal of Management, 32(4), 1094–1112.
- Drezner, D. W. (2005). Globalization, harmonization, and competition: The different pathways to policy convergence. Journal of European Public Policy, 12(5), 841–859.
