供应链由独立部分组成，数据共享是一个长期的挑战。首先，他们可能有一条与一个或多个其他合作伙伴竞争的业务线。其次，它们可能是一个或多个竞争供应链的一部分。第三，他们将采取信息保密策略，以加强他们在谈判桌上的影响力。尽管数据共享仍然是一个挑战，但许多组织已经从人工智能应用于供应链管理方面所做的两件关键工作中获益。

图源：GREENS AND BLUES（图片上传者，可以译为用户GREENS AND BLUES，或者GREENS AND BLUES） / SHUTTERSTOCK

供应链执行一系列的行动，从产品设计开始，再到采购、制造、分销、交付和客户服务。Cisco（思科公司，是全球领先的网络解决方案供应商。依靠自身的技术和对网络经济模式的深刻理解，思科成为了网络应用的成功实践者之一。）人工智能/ML(机器学习，Machine Learning，是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。)数据产品主管Devavrat Bapat（大毗湿摩·巴帕特）表示：“在两个方面，人工智能和ML(机器学习)都面临着巨大的机遇。”这是因为新一代的人工智能已非常擅长处理供应链管理中的两项工作。第一个方面是预测，人工智能用于预测下游需求或上游短缺。此外，算法可以检测一个或多个故障前兆事件，然后在生产质量下降之前警告装配线操作员。

第二个方面是检查，人工智能被用来发现制造过程中的问题。它还可以用于认证材料和组件，并通过整个供应链跟踪它们。

最终，人工智能将优化供应链，以满足任何特定情况下的客户需求。赋能技术是存在的，但剩下的挑战是，它需要一定程度的数据共享，这在当今的供应链中还不容易。与此同时，许多公司继续从改进的预测和检查中获益。

一、预测

以世界上最大的包装公司Amcor（安姆科公司。是一家全球性的大型包装企业，总部设于澳洲墨尔本，在40个国家拥有200多家分支。Amcor是全球最大的PET集装箱生产商，还生产塑料、纤维、铁和玻璃包装产品，以及提供相关服务。）为例，收入150亿美元，41000名员工，全球200多家工厂。他们的大部分市场都是在食品和医疗保健包装上。

该公司的全球首席信息官Joel Ranchin（乔尔·兰钦）说：“我们为您冰箱中大约三分之一的商品做包装。”Amcor（安姆科）在制造业中面临的一些挑战在于准确预测和适应不断变化的需求。随着需求的变化，食品供应链领域的订单经常会发生变化。例如，在炎热的天气里，人们喝更多的佳得乐，这可能会导致需求的突然激增，所以对瓶子的需求可能会激增10%到15%。其他种类的产品也是如此。海洋中可能会突然有更多的鱼，这增加了包装的需求，以打包更多的鱼。Ranchin（兰钦）说：“尽管我们试图进行预测，但这非常困难，因为我们并不能提前客户的需求。”

供应链另一端也面临着类似的挑战。如果Amcor（安姆科）不能准确预测短缺，它就不能提前储备原材料。更重要的是，该公司需要预测价格变化，这样它就可以在涨价前以更低的价格多买一些，如果价格即将下跌，就少买一些。

大约一年前，Amcor开始试验EazyML（具有高级NLP和偏差检测功能的透明ML，提供深入的数据见解。），这是一个有助于优化客户需求和供应预测的平台。他们使用来自ERP（即Enterprise Resource Planning，企业资源计划，是一种主要面向制造行业进行物质资源、资金资源和信息资源集成一体化管理的企业信息管理系统。ERP是一个以管理会计为核心可以提供跨地区、跨部门、甚至跨公司整合实时信息的企业管理软件。针对物资资源管理-物流、人力资源管理-人流、财务资源管理-财流、信息资源管理-信息流，集成一体化的企业管理软件。）的三年数据来进行训练和分析，以寻找波动模式。该系统试图寻找变化的类别，以及哪些事件与不同类型的变化相关。例如，它检查季节性波动，以及两种或两种以上类型的变化是否同时发生，或者它们是否相互排斥。

“我们的早期结果非常好，比我们预期的要多得多，”Ranchin（兰钦）说，“如果你能预测变化，你就能更好地预测你的原材料需求，并在必要时提前补充。”

这对Bapat（巴帕特）来说并不奇怪，他说，预测是人工智能显著改善的领域。他说：“在过去，许多组织依赖于共识预测，即使用来自不同专家的加权输入来得出一个平均预测。研究表明，统计预测（使用统计技术从历史数据中推断）始终优于共识方法，机器智能甚至比统计预测做得更好。但诀窍是确保使用正确的数据。”

二、检查

另一个使用人工智能的例子可以在Intel（英特尔，是半导体行业和计算创新领域的全球领先厂商，创始于1968年。2022年营收631亿美元。如今，英特尔正转型为一家以数据为中心的公司。英特尔与合作伙伴一起，推动人工智能、5G、智能边缘等转折性技术的创新和应用突破，驱动智能互联世界。）找到，在那里，几个芯片使用光刻技术打印在一块晶圆上。离晶片中心最近的部分往往具有最佳的功率性能轮廓。外环附近的仍然可靠，但性能往往会降低。Intel（英特尔）有一个质量阈值，根据这个阈值来衡量芯片，以确定它们是应该保留还是扔掉。因此，让人检查晶圆将是一个耗时且故障百出的过程。

Intel（英特尔）高级副总裁兼首席技术官Greg Lavender（格雷格·拉文德）说：“我们使用人工智能来选择合适的高质量芯片，这使我们更快地生产芯片并将质量更好的芯片推向市场。当然，这并不是我们在人工智能方面所做的唯一事情。我有几百名人工智能软件工程师向组织报告。他们所做的一些事情被用于晶圆厂进行检查和测试，有时他们开发的人工智能是在我们的产品内部交付的，并不广为人知。”

一个绝佳的例子是，Intel（英特尔）如何通过提供测试恶意软件的软件工具来帮助他们的OEM客户（OEM是代工厂的意思，OEM客户就是自己研发了产品，但是自己不生产，而是交给OEM代工厂来生产的企业公司，这就是所谓的贴牌生产。）。其中一个工具是运行在Intel（英特尔）笔记本电脑上的Intel Threat Detection Technology/英特尔威胁检测技术。当代码在Windows（Microsoft Windows是美国微软公司以图形用户界面为基础研发的操作系统，主要运用于计算机、智能手机等设备。共有普通版本、服务器版本/Windows Server、手机版本/Windows Phone等、嵌入式版本/Windows CE等各子系列，是全球应用最广泛的操作系统之一。）中执行时，Intel（英特尔）代码会检查CPU（Central Processing Unit，中央处理器。作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。CPU自产生以来，在逻辑结构、运行效率以及功能外延上取得了巨大发展。）中的指令流。使用自适应学习签名算法，它在代码中寻找匹配恶意软件签名的异常情况。如果找到匹配项，该工具将拦截或阻止恶意软件，并提醒Windows Defender（现名 Microsoft Defender，曾用名 Microsoft Anti Spyware ，是一个杀毒程序，可以运行在 Windows XP 和 Windows Server 2003 操作系统上，并已内置在 Windows Vista ， Windows 7 ， Windows 8 ， Windows 8.1 ， Windows 10 和 Windows 11 中。它的测试版于2005年1月6日发布，在2005年6月23日、2006年2月17日微软又发布了更新的测试版本。Windows Defender的定义库更新很频繁。Windows Defender 不像其他同类免费产品一样只能扫描系统，它还可以对系统进行实时监控。从 Windows 10 开始， Windows Defender 加入了右键扫描和离线杀毒，根据最新的每日样本测试，查杀率已经有了大的提升，达到国际一流水准。）该设备上发生了病毒感染。

“威胁检测技术内置于我们所有的客户端CPU（中央处理器）中，”Lavender（拉文德）说，“这些威胁是通过供应链侵入的——当最终产品组装好时，找到它们的唯一方法就是使用这个工具。”在过去的几年里，我们一直在提供这种工具和其他人工智能工具，但现在随着所有对大型语言模型的讨论，越来越多的人在谈论它。”

Cisco（思科）的Bapat（巴帕特）表示，检查是供应链管理的重要组成部分，如果在产品设计过程中采取正确的步骤，检查就会变得容易得多。他说：“如果在产品设计过程中，将仪器嵌入到设备中，可以生成数据来帮助监测流量，那么可以节省大量成本。如果你拿起任何产品的材料清单，看看劳动力负担成本，你会发现它们非常高。负担基本上是产品质量和监管开销。人工智能今天已经在帮助企业将成本降至最低。”

三、优化

预测和检查都很重要，但当供应链能够针对特定客户需求进行定制时，其影响最大。Bapat（巴帕特）从他自己设计最好的人工智能算法之一时学到了一个重要教训。它花了九个月的时间进行开发和部署，最终，它仍然花了令人惊讶的长时间才发挥作用。回想问题所在，他意识到，如果他不首先花时间了解最终客户是谁以及他们计划如何使用该应用程序，无论技术有多好，都不会产生预期的结果。他还指出，虽然高管层声音总是最大，但他们并不是最终客户。

他说：“从那以后，我一直强调，无论是涉及销售还是供应链管理，一开始都要对潜在业务和用户有很好的了解。一旦我对需求有了坚实的理解，我就会重回数据和人工智能领域。”

Bapat（巴帕特）认为这一理念应该应用于供应链管理：“如果你真正关注终端消费者，人工智能可以通过细分和定位消费者及其环境来提供帮助。然后，当你回到供应链中工作时，看看不同的成本：劳动力、生产、税收、库存，然后一起优化它们。”

他补充说，一旦用数据对供应链管理进行了优化，您就可以开始安装和执行，预测质量和维护。从那里，你可以回归到采购供应管理工作。

他表示：“这支持了供应商是合作伙伴，而不是对手的观点。”

因此，供应链由独立部分组成，数据共享是一个长期的挑战。首先，他们可能有一个或多个其他合作伙伴竞争的业务部门。其次，它们可能是一个或多个竞争供应链的一部分。第三，他们将采取信息保密策略，以加强他们在谈判桌上的影响力。

新一代的人工智能可以优化供应链，甚至可以定制它们，以合适的价格将合适的产品交付给合适的客户。然而，这样做需要一定程度的数据共享，而很少有公司准备好这样做。

Bapat（巴帕特）说：“缺少的是技术，这些技术可以让组织在没有泄露太多信息的情况下完全自信地共享部分数据。我们离这个目标还有5年或10年的时间。”

作者：Pat Brans（帕特·布兰斯）

Pat Brans（帕特·布兰斯）是格勒诺布尔管理学院的一名高级教授，也是《Master the Moment: Fifty CEOs Teach You the Secrets of Time Management/掌握时刻：50位CEO教你时间管理的秘密》一书的作者。Brans（布兰斯）是技术和生产力方面的注册专家，曾在计算机科学公司、惠普和赛贝斯担任高级职位。他的大部分企业经验都集中在应用技术来提高劳动力的效率上。现在，他通过写作和教学，把同样的想法带给了更多的观众。