为了使用 GenAI 从根本上改变供应链，组织必须超越过去专注于单个用例的人工智能采用方法的局限性。有效的实施包括使 GenAI 部署与业务目标保持一致，并确定技术可以增加最大价值的工作流程。优先考虑正确的领域、重新思考端到端工作流程以及建立合作伙伴生态系统将确保 GenAI 促进工作、自动化和分析方式的可持续改进。
生成式人工智能让公司能够在供应链中获得人工智能之前未开发的优势。通过简化用户界面、自动化操作和决策以及从大数据集中生成可操作的见解，GenAI 克服了早期人工智能实施的复杂性并促进了更高的采用。随着供应链技术变得越来越复杂，熟练专业人员的短缺加剧，企业必须采用 GenAI 才能在竞争中取得成功。
GenAI 可以将先进的供应链智能和复杂的工具嵌入到可访问的工作流程中。传统上需要专门算法和专业知识的预测、供应计划和其他类型的高级分析现在可以放在用户的指尖，从而实现使用的民主化。 GenAI 可以改变人机协作并实现更快、更准确的决策。它可以连接不同的系统，并且在更成熟的情况下，可以实现自主编排——无需人工干预即可协调活动和流程。随着 GenAI 部署的逐步发展，我们看到这些好处正在显现。
为了使用 GenAI 从根本上改变供应链，组织必须超越过去专注于单个用例的人工智能采用方法的局限性。有效的实施包括使 GenAI 部署与业务目标保持一致，并确定技术可以增加最大价值的工作流程。优先考虑正确的领域、重新思考端到端工作流程以及建立合作伙伴生态系统将确保 GenAI 促进工作、自动化和分析方式的可持续改进。
人工智能在供应链中尚未发挥的潜力
企业在实现人工智能驱动的供应链愿景方面进展缓慢。这主要是由于过分强调人工智能的分析能力，而没有充分关注包括充分自适应学习的应用程序，即随着使用和时间的推移而改进的能力。人工智能解决方案非常复杂，常常让供应链人员不知所措，导致采用率低和投资回报率 (ROI) 下降。
释放人工智能在供应链中的价值的挑战源于以下几个因素：
流程。许多公司试图将人工智能应用程序强行融入最初围绕遗留系统设计的过时流程中。在缺乏用户友好的工作流程的情况下，供应链专业人员与分层系统的复杂性和过多的信息作斗争。此外，机器和人类在决策中的互动仍然不足，很大程度上是因为人工智能生成的建议往往无法与决策者的目标保持一致。组织内部（不同职能可能有相互冲突的激励措施）和组织之间（独特的运营模式和治理结构通常会使现成的解决方案效率较低）的差异进一步加剧了这一挑战。
技术和数据。公司经常面临数据基础断开、数据质量差和多个记录系统（例如企业资源规划系统）的困扰。如果没有持续的数据清理流程和有效的数据治理机制，人工智能的实施就会受到不完整或过时信息的阻碍。
人们。许多员工往往不完全掌握如何使用人工智能应用程序（复杂的工具，通常不方便用户）以及人工智能应用程序如何得出结论。此外，员工发现使用这些应用程序意味着跨多个系统协调数据，这需要在低价值任务上花费宝贵的时间。许多公司低估了帮助员工过渡到人工智能辅助工作流程所需的支持和培训。如果不了解这些工具，员工通常会拒绝采用它们或依赖它们来做出关键业务决策。
迫在眉睫的供应链管理人才短缺加剧了这些挑战的影响。如果不广泛采用数字解决方案（包括基于 GenAI 的解决方案），公司将难以运行这一基本业务流程。解决人工智能采用的挑战对于制定供应链管理的前进方向至关重要。
GenAI 重置进化
我们评估了部署 GenAI 来管理复杂的全球供应链的新兴可能性和持续挑战。我们对供应链从业者的分析和调查为 GenAI 目前的可行性（不仅仅是聊天机器人和孤立的用例）及其未来潜力提供了详细的视角。
GenAI 的一系列功能使其成为优化和简化供应链运营的理想解决方案，重燃了人工智能驱动转型的希望。
GenAI 对供应链有四个主要好处：
加强数据骨干网建设。 GenAI 可以加强数据基础，从而在各种应用程序中实现更广泛、更准确的数据使用。例如，GenAI可以持续清理和扩充主数据集（例如物料清单），并增强对供应商知识库的搜索和利用。
增强供应链分析。通过从非结构化数据（例如客户行为和产品特征）中提取有意义的属性，GenAI 可以增强产品需求预测等功能。通过设计、运行和分析各种场景，GenAI 可以更准确地预测中断。公司能够主动做出更好的决策，从而形成反应更快的供应链。
彻底改变用户体验。 GenAI 可以简化复杂工具的使用。例如，它可以为高级规划系统启用自然语言界面。此外，许多用户通过 ChatGPT 等工具逐渐熟悉 GenAI。这种可访问性和熟悉性使供应链专业人员更加愿意在日常运营中采用和使用 GenAI，例如创建具有各种配置的场景并解释 AI 模型输出。
深度自动化流程。通过协调多种工具和功能并推动工作流程实现预期结果，GenAI 可以实现以前需要大量手动干预的流程自动化。当流程自动化时，公司可以在早期阶段发现问题并更快地缓解问题。
我们发现这四个好处可以带来显着的改进。例如，GenAI 可以将复杂应用程序、接口和供应链解决方案的开发速度加快 30%，从而显着增强整体敏捷性。用户采用率显着提高，满意度和系统使用率上升 60% 以上。此外，管理和数据协调任务可以减少 50% 以上，从而使人员能够专注于更多增值活动。最后，更多地使用高级分析可以将决策速度提高 30% 以上，从而实现更快、更明智的选择。
我们的研究还包括测试 ChatGPT 分析公司大数据集的能力。 （请参阅“测试 ChatGPT 的分析能力。”）
测试ChatGPT的分析能力
为了探索 ChatGPT 的分析能力，我们使用一家公司的数据集（包含数万次发货）进行了实验。尽管有几种专门针对时间序列分析而调整的大型语言模型 ( LLMs )，但由于其多功能性，我们选择 ChatGPT 进行此实验。 ChatGPT 不仅可以对数据运行算法，还可以对结果提供自然语言注释。
我们的首要目标是生成产品特征的细分视图，识别那些具有稳定销售、季节性模式或趋势的产品。只需几个有针对性的提示，ChatGPT 就能快速提供所需的细分。从那时起，我们探索了它在需求和供应规划方面的潜力。
需求规划。我们委托 ChatGPT 执行基本的时间序列预测。它根据发现的销售模式有效地选择了适当的预测方法，并编写了几行代码来生成预测。例如，当 ChatGPT 检测到季节性模式时，它建议使用三重指数平滑，这是此类场景的理想预测方法。然而，该数据集缺乏配置模型参数所需的 24 个月历史记录。令人印象深刻的是，ChatGPT 标记了这一限制并要求提供额外的数据才能继续。
这里的见解很重要：传统上只能在专有软件中找到的基本时间序列预测功能，现在可以通过公开可用的工具来访问。然而，更先进的人工智能驱动的预测技术仍然需要专门的模块，这些模块可以由 GenAI 来协调。
供应计划。当我们转向供应计划时，结果就不同了。我们的目标是考虑各种因素，包括产量和转换时间，优化单一资产上某些产品的生产顺序。目标是满足客户需求，同时最大限度地减少库存积累。
在这种情况下，ChatGPT 承认该任务超出了其当前的能力，并解释说需要更复杂的线性编程解决方案。它甚至建议了有用的资源来应对挑战。
结论：虽然 GenAI 可以处理更简单的分析任务，但更复杂的组合优化目前需要专门的工具。在这些情况下，GenAI 可以充当协调者，指导流程而不是直接执行解决方案。
供应链中 GenAI 采用的四个层面
基于对 GenAI 当前和未来潜力的洞察，我们确定了供应链运营的四个级别的 GenAI 功能。这些级别代表了朝着日益自动化、智能的流程迈进，每个级别都建立在前一个级别的基础上，以创建更加无缝和优化的供应链。 （参见展览。）
特定于任务的点解决方案。最初，GenAI 可以通过聊天机器人进行部署，以支持日常运营任务。这些单点解决方案通过利用标准 GenAI 功能提供基本的自动化和效率改进。此类解决方案已经成熟，成为公司可以轻松采用的即插即用工具。
流程增强。在第二个层面上，GenAI 与当前的规划和执行系统相结合，以提高现有流程的有效性，例如监控供应链是否出现中断、生成警报和模拟响应。第一个提供此类增强功能的 GenAI 产品已经发布，更多产品正在开发中。
深度流程转型。在此阶段，GenAI 代理不断验证和更新主数据集，并推动整个工作流程的重新思考，深刻改变核心流程。 GenAI 在自动化和提高决策质量方面发挥着关键作用，而人类则始终参与其中。 （请参阅“使用 GenAI 进行增压供应链模拟。”）
使用 GenAI 进行增压供应链模拟
一些 GenAI 代理已经可用，预计将成为未来五年 GenAI 价值的关键驱动因素。然而，为了充分释放其潜力，可能需要进行重大的流程重新设计。在许多情况下，这种重新设计将需要定制解决方案或至少定制附加组件，以确保 GenAI 无缝集成。
跨职能流程自动化。最先进的水平涉及跨职能流程的自动化，例如销售和运营执行流程。由自组织 GenAI 代理组成的联盟协调不同职能部门的供应链运营，创建一个自动化、智能和协作的系统。 （参见“深度自动化的愿景”。）GenAI 的这种富有远见的用途正处于研发阶段。
深度自动化的愿景
让它发生
GenAI 实现了全面转型，改善了供应链管理的核心方面，包括工作方式和用户参与、流程自动化和分析开发。
在供应链中成功实施 GenAI 需要一种将技术能力与业务目标结合起来的结构化方法。以下是五个基本步骤。
设定志向。将公司采用 GenAI 的雄心与其更广泛的战略目标结合起来。 GenAI 不应仅仅因其新颖性而被采用。相反，重点关注如何提高业务成果，无论是提高运营效率、降低成本还是解决特定的市场挑战。评估潜在的人才短缺以及未来的工作完成方式，并评估 GenAI 如何通过在缺乏熟练供应链专业人员的运营领域执行任务或减轻负担来填补缺口。定义明确的目标有助于确保所有努力都集中在实现可衡量的业务影响上。
绘制整个供应链的关键决策。确定 GenAI 可以在哪些方面对实现这一目标产生最大影响。这包括确定整个供应链中最重要决策的位置，并分析 GenAI 如何提高这些决策的质量和速度。与其试图将 GenAI 整合到公司运营的各个方面，不如专注于对成功至关重要的高价值决策。此类决策通常与综合业务规划、库存管理或生产调度相关。专注于最有价值的领域可以让公司瞄准最高回报的投资。
优先考虑从哪里开始。考虑到商业价值和实施的难易程度，优先考虑 GenAI 能够产生最大初始影响的领域。例如，举措可能涉及自动化特定流程或将 GenAI 集成到决策系统中。通过选择具有直接效益的领域，公司可以建立动力并为这一旅程提供资金。
重新思考与关键决策相关的端到端工作流程。集成 GenAI 以简化流程并提高决策质量，从人工操作转向人工设计的工作流程。例如，自动化重复性任务（例如库存补货或需求规划）可以让员工专注于更复杂的战略决策。确保 GenAI 完全嵌入到工作流程中（而不是固定在上面）可以带来更高的采用率和更好的结果。
开始构建正确的生态系统。 GenAI 的成功实施依赖于强大的合作伙伴生态系统，包括技术开发人员、用户界面设计师以及人工智能和供应链专家。利用这些外部合作伙伴关系来填补内部能力和资源差距，获得最新技术并加速部署。通过尽早构建这个生态系统，组织可以获得有效扩展 GenAI 解决方案所需的支持。
GenAI 通过用户友好的界面和基于代理的自动化，促进人工智能工具的更高采用。它还擅长跨职能编排，连接不同的系统和团队，以实现更快、更协调的行动。结果明显提高了生产力和敏捷性，表明采用 GenAI 可以增强竞争优势，并且是面向未来的供应链的重要战略。
作者
斯特凡·格斯泰纳
合伙人兼董事 法兰克福
阿什什·帕塔克
PA 产品总监 - 供应链 ACC – 古尔冈
达斯汀·伯克
董事总经理兼高级合伙人 芝加哥
范妮·格伦隆德
董事总经理兼合伙人 斯德哥尔摩
特里斯坦·马利特
BCG X 董事总经理兼合伙人 巴黎