In today’s environment, Fast-Moving Consumer Goods (FMCG) companies function within a highly complex and integrated value chain, extending from raw material procurement to the final consumer. As a result, organizations face increasing pressure to enhance operational efficiency and embrace more agile strategic approaches. In this environment, companies need to adapt to new technologies such as Artificial Intelligence to remain competitive. Artificial Intelligence (AI) is consistently described as a significant competitive advantage for supply chain in FMCG companies which can improve the accuracy of Demand Forecasting, Optimization of inventory, operational costs, distribution efficiency and risk management. The empirical literature indicates that Fast-Moving Consumer Goods (FMCG) companies are increasingly adopting Artificial Intelligence (AI); however, many organizations continue to face challenges in achieving successful implementation. This dissertation investigates the applicability of Artificial Intelligence within FMCG companies, with particular emphasis on its impact on supply chain management. The study begins with a comprehensive review of the literature on Supply Chain and Artificial Intelligence, focusing on core AI technologies and their relevance to supply chain functions. Subsequently, a qualitative analysis was conducted among employees of an FMCG company. The research adopts a case study methodology, employing semi-structured interviews among employees of an FMCG company to explore potential applications of AI and mainly the Gen AI tools in FMCG supply chain functions, the solutions may offer, and the organization’s readiness to adopt such technologies. The findings reveal that the company currently leverages Artificial Intelligence tools, including Machine Learning, primary for demand planning and Generative AI mainly for administrative tasks. While Generative AI has not yet been integrated into its core supply chain operations, company is working in this direction. Furthermore, AI was identified as a well-established and widely recognized tool across supply chain functions. Participants perceived GenAI as a transformative innovation with the potential to significantly reshape the FMCG industry, particularly due to the substantial efficiency gains and enhanced decision-making capabilities it can provide in supply chain transactions. Looking ahead, the future of supply chain management is projected to become increasingly efficient, with Artificial Intelligence regarded as an essential and integral component of this evolution.

Στο σημερινό περιβάλλον, οι εταιρείες Ταχέως Κινούμενων Καταναλωτικών Αγαθών (FMCG) λειτουργούν μέσα σε μια εξαιρετικά πολύπλοκη και ολοκληρωμένη αλυσίδα αξίας, που εκτείνεται από την προμήθεια πρώτων υλών έως τον τελικό καταναλωτή. Ως αποτέλεσμα, οι οργανισμοί αντιμετωπίζουν αυξανόμενη πίεση για να ενισχύσουν την επιχειρησιακή τους αποτελεσματικότητα και να υιοθετήσουν πιο ευέλικτες στρατηγικές προσεγγίσεις. Σε αυτό το περιβάλλον, οι εταιρείες πρέπει να προσαρμοστούν σε νέες τεχνολογίες όπως η Τεχνητή Νοημοσύνη για να παραμείνουν ανταγωνιστικές. Η Τεχνητή Νοημοσύνη περιγράφεται σταθερά ως ένα σημαντικό ανταγωνιστικό πλεονέκτημα για την αλυσίδα εφοδιασμού στις εταιρείες FMCG, το οποίο μπορεί να βελτιώσει την ακρίβεια της Πρόβλεψης Ζήτησης, τη Βελτιστοποίηση του αποθέματος, το λειτουργικό κόστος, την αποδοτικότητα της διανομής και τη διαχείριση κινδύνου. Η εμπειρική βιβλιογραφία δείχνει ότι οι εταιρείες Ταχέως Κινούμενων Καταναλωτικών Αγαθών (FMCG) υιοθετούν όλο και περισσότερο την Τεχνητή Νοημοσύνη. Ωστόσο, πολλοί οργανισμοί συνεχίζουν να αντιμετωπίζουν προκλήσεις στην επίτευξη επιτυχούς εφαρμογής. Αυτή η διατριβή διερευνά την εφαρμογή της Τεχνητής Νοημοσύνης στις εταιρείες FMCG, με ιδιαίτερη έμφαση στον αντίκτυπό της στη διαχείριση της αλυσίδας εφοδιασμού. Η μελέτη ξεκινά με μια ολοκληρωμένη ανασκόπηση της βιβλιογραφίας για την Εφοδιαστική Αλυσίδα και την Τεχνητή Νοημοσύνη, εστιάζοντας στις βασικές τεχνολογίες Τεχνητής Νοημοσύνης και τη σχέση τους με τις λειτουργίες της αλυσίδας εφοδιασμού. Στη συνέχεια, διεξήχθη ποιοτική ανάλυση μεταξύ των εργαζομένων μιας εταιρείας FMCG. Η έρευνα υιοθετεί μια μεθοδολογία μελέτης περίπτωσης, χρησιμοποιώντας ημι-δομημένες (semi-structures) συνεντεύξεις μεταξύ υπαλλήλων μιας εταιρείας FMCG για να διερευνήσει πιθανές εφαρμογές της Τεχνητής Νοημοσύνης και κυρίως των εργαλείων Γενικής Τεχνητής Νοημοσύνης στις λειτουργίες της εφοδιαστικής αλυσίδας της εταιρείας, τις λύσεις που μπορούν να προσφέρουν και την ετοιμότητα του οργανισμού να υιοθετήσει τέτοιες τεχνολογίες. Τα ευρήματα αποκαλύπτουν ότι η εταιρεία αξιοποιεί επί του παρόντος εργαλεία Τεχνητής Νοημοσύνης, συμπεριλαμβανομένης της Μηχανικής Μάθησης, κυρίως για τον σχεδιασμό της ζήτησης, και της Γενετικής Τεχνητής Νοημοσύνης κυρίως για διοικητικές εργασίες. Ενώ η Γενετική Τεχνητή Νοημοσύνη δεν έχει ακόμη ενσωματωθεί στις βασικές λειτουργίες της εφοδιαστικής αλυσίδας, η εταιρεία εργάζεται προς αυτή την κατεύθυνση. Επιπλέον, η Τεχνητή Νοημοσύνη αναγνωρίστηκε ως ένα καθιερωμένο και ευρέως αναγνωρισμένο εργαλείο σε όλες τις λειτουργίες της εφοδιαστικής αλυσίδας. Οι συμμετέχοντες αντιλήφθηκαν την Γενετική Τεχνητή Νοημοσύνη ως μια μετασχηματιστική καινοτομία με τη δυνατότητα να αναδιαμορφώσει σημαντικά τον κλάδο των Καταναλωτικών Προϊόντων , ιδίως λόγω των σημαντικών κερδών αποδοτικότητας και των βελτιωμένων δυνατοτήτων λήψης αποφάσεων που μπορεί να παρέχει στις συναλλαγές της εφοδιαστικής αλυσίδας. Κοιτάζοντας μπροστά, το μέλλον της διαχείρισης της εφοδιαστικής αλυσίδας προβλέπεται να γίνει ολοένα και πιο αποτελεσματικό, με την Τεχνητή Νοημοσύνη να θεωρείται ως ένα ουσιαστικό και αναπόσπαστο στοιχείο αυτής της εξέλιξης.