供应链公司如何利用 AI 制定路线图

正如我们所知，供应链正处于从几十年稳步加速的“推动”动态转向新的“推拉”模式的悬崖上。

有四个主要因素促成了这一全球性的全行业变化：

当今越来越精明的购物者。 客户生活在数字世界中，需要无缝体验。如果没有，他们会去其他地方。这意味着供应链——为向客户“推送”库存而优化——需要针对客户想要“拉”给自己的东西进行优化。

当前的地缘政治气候。 无论是全球表现出的民族主义倾向、中美关税争端、英国退欧，还是全球对可持续发展问题的关注，供应链都比以往任何时候都面临更多的不确定性和风险。

工业 4.0 和数字供应链进展不均。 工厂、供应链和商店的联系越来越紧密，使不同的系统能够共享信息并缩短交货时间——但仅限于能够采取行动的公司。生产向客户转移，打破了长期存在的区域贸易模式。

现有的供应链技术即将结束其生命周期。 为解决特定的、孤立的问题（例如预测或工厂规划）而构建的传统软件解决方案不再适合该目的。简单的说就是这个软件跟不上。

为供应链输入人工智能。无论是通过工厂的预测性维护、物流链中的自动驾驶卡车，还是商店中的自动化，人工智能解决方案都在不断涌现，以提高供应链参与者的效率并降低运营成本。然而，与大多数行业一样，在如何充分认识人工智能的价值方面存在脱节。

第一步是制定路线图：优先考虑经过审查的 AI 机会组合，以实现短期和长期的战略业务目标。通过实验学习对于采用 AI 仍然至关重要，但制定 AI 路线图是必要的策略。它允许处理改善供应链物流的人员规划和选择采用智能 AI 的最佳策略。

您如何制定 AI 路线图来捕捉业务中不断变化的供应链的势头？首先，您需要在业务线或职能领域级别确定工作范围——不是整个业务，也不是单个流程或任务。例如，在工厂环境中，库存或质量管理等领域是很好的起点，因为它们代表了完整的流程、数据、角色和目标系统。

选择重点后，您需要让您的高管了解良好的 AI 机会是什么样的，然后与您的团队合作，挖掘将 AI 功能与机会相匹配的可能性。

好的人工智能机会既实用又有价值。它们解决了 AI 将做出哪些预测或决策、使用哪些数据以及如何应用该输出来创造价值的问题。例如，在工厂质量管理中，人工智能系统可以使用生产线数据来预测缺陷、规定维护或增加分析师回答问题的能力。

发现不仅是关于找到这些选项，也是关于形成一个关于哪些选项值得追求的假设。发现之后，您的团队应该有一组现在需要验证的案例研究。

在估计 AI 用例的影响时，要考虑的不仅仅是准确性或效率的增量改进。分析超越现状创造的价值。

例如，可以围绕帮助定期阅读报告和处理发票的应付账款文员构建人工智能用例。借助文档智能等 AI 功能，可以通过直通式处理来处理简单的发票。然后，在自动文档摘要和信息提取（例如差异识别）等功能的帮助下，文员可以更快地处理剩余发票。这种好处的初始指标可能只是处理的发票或节省的时间，但有一个更大的图景。如果 AP 文员每天多出一个小时，他们就可以将其用于根本原因分析和订单问题的纠正，或者管理工作量以更好地利用供应商折扣。

当每个案例都被定义为执行决策者有足够的信息来就愿景和计划中的案例优先顺序做出艰难的结论时，分析阶段就完成了。

最后，有了明确定义的用例，您的团队就可以通过平衡三个目标来对 AI 投资进行排序，以实现最大影响：

• 立即着手处理有价值、可操作的项目，
• 经过深思熟虑的计划，随着时间的推移构建和扩展能力，从而取得更大的胜利，以及
• 让高管围绕一个共同愿景协调一致，从而获得支持和预算。

前两个目标是关于平衡短期和长期价值。第三个是通过确保高管对供应链中 AI 投资的实际成本和收益的认同，从而畅通无阻地取得进展。

随着供应链进入新的响应式、推拉式的常态，决策者迅速采取行动以抓住这一势头将变得越来越重要。然而，供应链管理的复杂性决定了重新平衡供应链平衡并非一劳永逸的活动。花时间发现、分析您的 AI 投资并确定其优先级，这将决定取得成功或浪费您的时间。

Karthik Ramakrishnan 是 Element AI 的副总裁、咨询和支持主管，Ben Humphries 是全球预售主管。