2024成式ai时代的供应链转型报告-埃森哲-202405

⽣成式AI时代的埃森哲《技术展望2024》报告揭⽰，95%的受访企业⾼管认为，⽣成式AI将倒逼⾃⾝企业更新升级技术架构。令供应链⾼管欣喜本⽂将通过前瞻视⻆探索端到端供应链中潜藏的机遇。从采购与虽然⽣成式AI带来了巨⼤的机遇，但要真正实现这些价值并⾮仅靠简单的技术实施就能完成。企业必须为此展开转型，改变利⽤数据、⼈才和⼯作的固有⽅式。此外，负责任且安全地部署⽣成式AI也⾄关通过积极拥抱这场变⾰，供应链⾼管可以从容驾驭⽣成式AI掀起克⾥斯·蒂默曼斯（KrisTimmermans）2各业以及企业的各个职能部⻔均在探索各种可能性，不断开启并利⽤⼈⼤量潜在的应⽤模式已引起了企业管理者的注意。我们的研究发现，97%的⾼管⼈员认同，⽣成式AI⼤语⾔模型（LLM）将为其所在企业带这对供应链⾼管来说是⼀项福⾳。因为⼤语⾔模型的能⼒并不局限于编码、内容创作或营销等⽅⾯。它们在端到端供应链中也能够⼤显⾝⼿。从新产品开发、采购与计划、制造与物流，⼀直到售后⽀持与服务，球供应链从业⼈员的庞⼤规模，这种潜在的累3企业已普遍认识到了⽣成式AI的潜⼒并在积极尝试。但我们的变⾰脉动季度调研显⽰，迄今为⽌只有三分之⼀所有的⾸席⾼管都在着⼒厘清⼀些基本问题。围绕⽣成式AI的炒作有多少可信度？其灿烂的应⃞前景能否转化为可扩展的解⃞⃞案？⽬前的哪些应⽤模整条端到端供应链中都潜藏着实实在在的价值。但若想获取效益，企业必须深刻转变创造价值、⼯作和协作的⽅式。这意味着，不能将⽣成式AI视为软件部署列表中⼜⼀个常规项⽬，⽽是要从端到的全维度转型，并且明确数据、⼈员、⼯作⽅式、流程和负责任的应⽤等领域⽣成式⽣成式AI的成功应⽤，需要企业在数据、⼈员⽣成式AI擅于执⾏语⾔相关活动，我们将在本⽂后续部分详细探讨。然合所有任务。特别是，对于更专注于数据处理或需要更⾼级别复杂推理的供⽣成式AI——将其作为⾃动化功能综合系统的组成部分，该系统包括传统的4⽣成式AI正在助推企业重塑，从过去的线性供应链跨越⾄⾯向未来、真正互联的智能供应链。在此前供应链管理⼈⼯智能技术的基础上，⽣成式AI提供了5从过去⽆法访问的⾮结构化数据来源中获得情境化释性和信任度；⽣成式AI还可以与现有的⾃动化流这些能⃞与现有的⃞⃞智能、机器学习模型和⃞作平台结合这些能⃞与现有的⃞⃞智能、机器学习模型和⃞作平台结合在⃞起，将更好地⃞撑企业优化和供应链运营升级，解⃞紧迫的供应链挑战，并最终确保6链的所有运营环节，从设计和计划⼀直到售后⽀持与服务。埃森哲7在基于模型的系统⼯程等领域，⼤语⾔模型将不断增强并加快设计⼈员的⼯作。通过有⽤历史数据，⽣成式AI解⃞⃞案将迅速创建新的设计和模型，节省时间并减少重复劳动，这在设包装设计就是利⽤该技术的典型领域。这项⼯作需要考虑多种因素——可持续性、运输便利来说，记录和检索包装信息也变得越来越困难。⽣成式AI可以提供多重设计概念（采⽤2D或3D形式并根据汇总的设计信息提出合适的包装⽂案和营销建议。8许多⃞席供应链官已经实施了⃞级分析解⃞⃞案来增强和优化供应链计划。然⽽，这些⼯具所输出洞⻅的复杂性，连同将洞⻅转化为具体操作所需的专业知识，都意味着它们的实际应⽤往往颇为⽣成式AI有望彻底改变洞⻅的获取⽅式，这不仅体现在供应链员⼯可以⽤⽇常语⾔查询优化建议，获得易于理解和⾏动的解释说明。这为众多供应链⼈员提供了重要的⻅解，同时也提⾼了对数据（例如市场报告、新闻汇总和社交媒体）纳⼊预测分析。该技术还总结会议得出的⾏动要点，将计划与实际结果进⾏⽐较，构建关键指标监测⾯板，甚⾄是⾃⾏⽣成计划草案。计划⼈员从⽽可以节约9系统集成问题等挑战。他们皆在战略协调、寻源采购和数据校正⽅合信息缺⼝并扩⼤数据访问源，更迅速地形该技术还开启了超⾃动化的可能性。各种不同形式的⾃动化系统被连接在⼀起，纳⼊到⾃主⽔平⽇益提升的单⼀⼤规模系统当中，其中包括现有的机器学习算法和流程⾃动化⼯具，以及新的⽣成式AI。这有望解放团队⽣产⼒，使他们能够从事更有价值的⼯作并提零售巨头家乐福（Carrefour）正在利⽤⽣成式AI改善内部采购流程。公司正着⃞开发⃞项解⃞⃞案，以帮助员⼯更快地完成招在提案邀请书（RFP）起草⽅⾯，⽣成式AI不仅可以对信息邀请书合同⽣成等繁重的⽂本⼯作也将显著受益。⽣成式AI解⃞⃞案可以分析式和要求，从⽽即时⽣成新合同初稿，供采购团队结合⾃⾝专业知识进埃森哲运⽤⽣成式AI构建了⼀款智能采购与签约⼯具式和要求，从⽽即时⽣成新合同初稿，供采购团队结合⾃⾝专业知识进企业若能将IT数据与运营和⼯程数据整合在⼀起，⽣成式AI便可帮助他们在制造过程中实现始终如⼀的⾼质量和卓越运营——特别是在资产维护和为员⼯提供可操作的预测性洞察等⽅⾯。与此同时，它还可以为产品设计和质量监例如在⼯⼚管理⽅⾯，资产维护团队经常需要处理复杂的流程和⼤量与特定资产相关的⽂档。⽣成式AI可以解读所有这些信息，并将其总结为⼀系列逻辑步骤，作为⼯作订单的组成部分。这意味着，全体员⼯都可随时查阅这些专释放价值。但是此类检查计划的制定，连同预防性维护和操作⼈员的⽇常护理，仍然属于⾼度依赖⼿⼯劳动且不断重复的⼈⼒密集型流程。这套流程需要技能⾮常娴熟的现场⼯程师创建计划⽂档，并由领域专家完成审核。然⽽，⽣成式AI可以针对设备类别或特定设备编写详细的维护作业计划，⽽且准确性和完整运营系统获取丰富洞⻅，加快问题诊断和根本原因分析。经典⼈⼯智能和⽣成品控和合规亦属于受益领域。甚⾄在制药等受到严格⾃动填写合规⽂档以供专家审查。⽣成式AI还可以起草内容准确的技术⽂件，从⽽显著减少创作⼯作量。例如在航空航天业，它可以加快法定技术⽂档的制疫情引发的供应链中断迫使企业转变供应链运营⽅式，着⼒提⾼韧性、相关性和责任管理⽔平。领军企业正专注于改善预测能⼒，同时部署运输管理系统（TMS）、仓库管理系统（WMS）和仓库⾃动化/机器⼈通过将⽣成式AI纳⼊整体的数据成熟度与⾃动化提升议程，企业可以在履约⽅⾯获益良多。这包括增强超个性化的客⼾体验，以及基于⼤量全渠道数据⽣成洞⻅，从⽽挖掘新的创收良机。负责履约⼯作的⼈员还能利⽤⽣成式AI，将⾮结构化信息（如天⽓预报和竞对活动）等更⼴泛的因素纳⼊考量，找出优化运输管理譬如，由⼤语⾔模型驱动的进出⼝⽂档⽣成器能够⾰新运输和出⼝流程。⽣成式AI可以全⾯收集多模态提供服务⽽⾮仅仅提供产品，许多企业已逐渐实现这⼀⽬标。然且严重依赖与供应⽹络其他部分的协调。不仅如此，执⾏服务导向型⽣成式AI可以产⽣改变市场规则的影响。它能够覆盖更⼴泛的数据源来扫描⼤量信息——包括以往难以处理的供更深⼊的洞⻅。从地理位置到天⽓状况，从客⼾⽣活⽅举例来看，埃森哲帮助⼀家⼤型汽⻋公司成功利⽤⽣成式AI增强了客⼾⽀持。我们创建了⼀套智能事故解决助理系统，此系统可以汇总事故资料、侦测已知问题、建议解⃞办法并撰写客⼾回复，助⼒客企业当前正承受着压⼒，必须在提⾼供应链可持续性的同时，更准确地报告企业社会责任承诺。然⽽，由于信息分散在多个来源和可持续领域，团队⾯临⼏乎⽆法克服的数据收集和分析挑战。因此，这项⼯作往往进展迟缓，需要领域专因此我们毫不意外地看到，63%的受访⾸席执⾏官表⽰：缺乏贯穿整条价值提供了解⃞之法。例如，埃森哲与⼀家全球制药公司合作加快供应链脱碳进程。该公司的团队已花费了数年时间收集数据，以了解究竟有多少家供应商建⽴了科应商⽹站来提供近乎即时的洞⻅。仅⽤⼀⼩时，该公司便可确切知晓，设定了科⽣成式AI在可持续发展⽅⾯还有许多其他应⽤范例，包括为企业定制带有任务优先级的脱碳路线图、以及完善范围3排放报告。例如以精确匹配，⽬前仍是⼀项耗时费⼒的任务。埃森哲开发了⼀种⽣成式AI解⃞⃞案，能够筛选以多种语⾔记载的数百万⾏⽀出数据，并⾃动将每⾏数据对应⾄相关排放因素，然后交由采购团队审查。曾经需要⼏天的流程，现在可以在短短⼏地与⾮结构化数据互动。⽐如说，我们可以将其视为“超能导航系统”，能够在各种基于语⾔的活动中近乎即时地提供便埃森哲针对⼤宗商品开发了⼀款由⽣成式AI驱动的市场观察⼯具，旨在帮助⃞油和天然⃞公司的业务分析师做出采购⃞策。该⼯具全⾯涵盖了各种结构化和⾮结构化数据，并以数字格式输出关根据埃森哲近期研究，过去两年中，供应链中断导致企业与⾼供应链官⾯临的主要挑战之⼀便是全⾯了解他们的N级供应商体系，并评估这些供应商是否潜藏着⻛险和漏洞。了解这些供应商⽹络的⽣成式AI可以⽀持这些⼯作，通过分析更为庞⼤的⾮结构化数据（如新闻来源、视频、聊天流量等来增强只能分析结构化数据（如交易报告）的现有⃞⃞智能解⃞⃞案，从⽽更加深⼊地了解了解何处存在需要优先处理的⃞险并做出更有效的采购⃞策。时洞⻅、回答特定查询和促进数据驱动型⃞策，帮助采购经理分析供应商⽹络数据。管理⼈员可以快速轻松地利⽤该⼯具，确定供应⽹络中的脆弱点——⃞如处于⃞突地的供应链⽅⾯有着诸多⽤途。以产品设计为服务相关的呼叫中⼼体验。具体⽤途可以包括预测客⼾意图，以及创建量⾝定制的讲话语⽓——这在处理投诉时尤其重要。⼤语⾔模型还可⽤于总结通话信息、⽣成⾏动计划要点和起草回复内容，使员⼯能够专注于为客服⼯作注⼊⼈类创造⼒和同理⼼，最⼤程度地增进价值。此外，每⼀次新的客⼾互动都将使⼈⼯智能模型掌握更多背景信息，依托⽣成式AI的聊天机器⼈还能帮助客⼾和员⼯更加迅速、轻松地查阅复杂的技术产品⽂档。例如，埃森哲开发了⼀款⽤于管理产品⼿册和指南等技术⽂档的⽣成式AI解⃞⃞案。它不仅可以⽀持企业更快地起草这些⽂档，还可以⽤简单的语⾔进⾏查询和总结，这意味着⃞于通过⃞性化的输⃞来推动⃞质量的输出——⽆论是对于起草电⼦邮件等简单的的所有⼈都能重塑⾃⼰的⼯作流程，使基于语⾔的⼯作更为快速轻松。⽣成式AI还⼤改⾰，⽅能把握⽣成式AI带来的种种机遇——加速实现经济价⾸席供应链官也看到了招募和保留⾼技能⼈才所⾯临的关键挑战。的深⼊理解，员⼯不会充分接纳⽣成式AI。8但另⼀⽅⾯，⼤多数员 ⼯（82%）认为他们已切实掌握了该技术，94%的员⼯相信⾃⼰能够20定制和优化⼤语⾔模型需要⼤量数据，因此成熟的企业数据战略是⽣成式AI转型的重要前提。与同⾏相⽐，那些积极构建强⼤供应链数据能⼒的企业将拥有不过，许多企业仍在奋⼒应对挑战，提⾼⾃⾝供应链的数据和数字技术成熟度。⽽现在，他们需要进⼀步扩展数据⽣命周期管理范围，纳⼊⼤量⾮结构化的多模态数据（会议记录、技术⽂档、视频、⾳频、图像等以及即时⼯程设计⽅法和新的“模型运维（ModelOps）”⼯作⽅值得庆幸的是，⽣成式AI本⾝就可⽤于管理企业的数据通道，加速提升数字化成熟度。企业可以利⽤此项技术从供应链数据中⾃动合成和提取知识，包括⼤幅简化和最⼤限度地利⽤⾮结构化数据。这将构建出⼀条循环路径，⾸先使⽤⼤语⾔模型来挖掘和处理供应链数据，然后提供给各种供应链技术应⽤系统，譬如不难理解，对于向外部⽣成式AI解⃞⃞案提供制造、采购等其他供应链关键业务信息，企业将持谨慎态度。因此，严格的数据保留和隐私政策，以及可信的安全防护措施⾄关重要。⾸席供应链官需要权衡在各个应⽤系统中使⽤专有数据来提⾼⼤语⾔模型输出质量的相对⻛险和回报。与能够保证数据安全并提供沙箱型⽣成式AI解⃞⃞案的合作伙伴联⃞，确保在实施供应链技术时有效地保护数据。从潜在偏⻅和有害结果，到安全和数据漏洞，再到准确性质疑和⽤⼾信任，⽣成式AI标志着企业⻛险格局前所未有的转变。正因如此，从⾏动伊始就采⽤负责任的⽅法极为必要。埃森哲过去⼗年来⼀直在率先打造负责任的⼈⼯智能框架。我们针对⽣成式AI更新了框架，并构建起四⼤关键⽀柱：原则与治理；⻛险管理、政策和控制；技术；⼈员、⽂化和培23虽然⽣成式AI不会取代员⼯或岗位，但在日常工作中必表明，在15种供应链职业中，超过一半工作时间将受到技术影供应链⾼管及其团队成员都有责任从两个维度上理解并规划这场工作方式重塑：哪些任务可以24我们的分析发现，⽣产、计划和催货员以及采购员的职责将很75%。然⽽，这种显著的变⾰概率并不⼀定等同于失业。相反，这表明他们的⼯作有相当⼀部分可以借助⽣成式AI技术得到加强。例如，34%的采购员任务可以交由⽣成式AI完成，其中包括评估数据的质量与准确性、确定商品和服务的价值或价格，等等。引⼊⽣成式AI可以使这些专业⼈员将时间重新分配给更具附加价值的活动，35%25%30%30%20%38%34%35%24%24%25%0%20%40%60%80%100%25为了以⼀种推动创新并丰富员⼯体验的⽅式重塑⼯作，企业不仅需要提升员⼯的⽣成式AI核⼼技能，还应兼顾其他⽅⾯的发展，例如使⼯作具备使命感、加式AI并以此创造价值来说，软技能正变得⽇益重要，⽽那些在⼯作重塑⽅⾯处于领先地位的企业也更有可能优先增强此类软技能，他们这样做的⽐例⾼出其他企⽣成式AI本⾝就可⽤于对⼈员和流程的重塑⼯作进⾏优先排序。例如，通过分析⼀系列⾮结构化的内部和外部信息，该技术能够帮助供应链计划⼈员提出趋势建议、总结需求、了解跨职能的依赖关系、收集意⻅，并识别员⼯的业务痛点26生成式AI要求企业比以往任何时候都更广泛地与技术生态系统建立合作伙伴关系。随着每家超无论是使用“即开即用”的大语言模型、还是利用自身数据对其加以微调，企业都需要了解不同场景中每种大语言模型解决方案的相对优势和部署工作的复杂程度。首席供应链官可以通过—些埃森哲正在与微软（Microsoft）合作，帮助企业在供应链中部署生成式AI，引入并扩展其颠覆助企业提⾼供应链韧性并实现以客⼾为中⼼。其划、识别供应链⻛险并增强物流控制塔功能。与此类似，⾕歌（Google）的主要⽣成式AI产品也能够提供⾯向采购组织的智能合约可⻅性与管理服务，以及助⼒计划⼈员取得定制化⻅解并分析根本⃞进⃞步针对特定领域的解⃞⃞案——例如⽀持资产管理和资本项⽬设计的⼯具，可能企业还应该贯穿整条供应链运作，考虑⽣成式AI将如何影响托管服务合作伙伴，尤其是在采购等领域中的影响。⼤语⾔模型将越来越多地成为各种托管服务套件中的标准⼯具，显著增强⽣产⼒和⽤⼾体验。服务台功能就是这⽅⾯的典型，⼤语⾔模型驱动的聊天机器⼈可以接收、转交、甚⾄28开始识别并推⼴最具影响⼒的应⽤案例。通过以价值驱动的分析需求。他们可以帮助将富有前景的创意转化为可扩展的解决⽅案，29法有望加快洞察速度，从⃞强化基于数据的⃞这对于提⾼供应链的可持续性、韧性和成本结构转型以中。这涉及到数据整合、⼈员培训、⼯作流程认识到这⼀点的供应链⾼管将迅速⾏动，把握⽣成式AI技术快速发展所带来的机遇——将其巨⼤潜能转30玛丽亚·雷伊-⻢斯顿（MariaRey-Marston）jane.zheng.pan@帕特⾥夏·科内特（PatriciaCornet）罗伯特·富尔曼（RobertFuhrmann）⻢克·乔治（MarkGeorge）维⻙克·卢斯拉（VivekLuthra）凯拉·莫拉莱斯（KeyraMorales）英格·奥斯特胡伊斯（IngeOosterhuis）布拉德·鲍洛夫斯基（BradPawlowski）⻢蒂亚斯·波尔曼-拉尔森（MatiasPollmann-Larsen）克⾥斯汀·伦克（KristineRenker）乔纳森·蒂珀（JonathanTipper）⽶歇尔·范·德·维格埃特（MichelVandeVeegaete）斯蒂芬·迈耶（StephenMeyer）迪帕克·坦特⾥（DeepakTantry）2.埃森哲变⾰脉动季度调研，2023年10⽉：/us-en/about/company/pulse-of-change。/en-us/case-studies/generative-ai-for-small-molecule-drug-discovery/。/en/news/2023/carrefour-integrates-openai-technologies-and-launches-generative-ai-powered-shopping。/library/5976#:~:text=The%20United%20Nations%20Global%20Compact,to%20address%20the%20climate%20crisis。8.埃森哲变⾰脉动季度调研，2023年10⽉：/us-en/about/company/pulse-of-change。/se-en/insights/consulting/gen-ai-talent。6⽉21⽇：/news/2023/accenture-and-microsoft-expand-collaboration-to-help-organizations-accelerate-responsible-adoption-of-generative-ai。供应链运营”，2023年9⽉25⽇：/blogs/apn/how-accenture-reimagines-supply-chain-operations-using-synops-for-supply-chain-on-aws/。/blog/new-models-and-developer-products-announced-at-devday。埃森哲注册于爱尔兰，是⼀家全球领先的专业服务公司，致⼒于帮助全球领先企业、政府和各界组织构建数字核⼼、优化运营成本、加速营收增⻓并提升社会服务⽔平，实现快速且规模化