即时洞察加速供应链创新

CEO生成式AI行动指南供应链 供应链 CEO生成式AI行动指南 即供时应洞链察创加新速 不同于以往的任何技术，生成式AI正在迅速颠覆商业和社会形态，迫使企业领导者刻不容缓地重新思考其假设、计划和战略。为了帮助CEO们掌握快速变化的形势，IBM商业价值研究院(IBMIBV)发布了一系列有针对性、基于研究数据的生成式AI指南，涵盖数据网络安全、技术投资策略和客户体验等主题。 这是本指南的第九部分，重点关注“供应链”。 供应链自动化刚完成升级。 如果能预见未来，您会用不同的方式来经营企业吗？CEO在生成式AI时代都面临着这样的问题—而供应链自动化已经将这个问题抽象化。随着实时数据推动提高模拟效率和预测分析的准确性，企业可以更轻松地制定未来规划。 正是因此，CEO正在迅速投资发展生成式AI，以实现供应链的自动化和简化。事实上，89%的受访高管表示，自动化领域的关键投资将包括生成式AI。而且，19%的受访高管表示生成式AI对于其供应链自动化的未来至关重要。 对于60%的受访高管来说，投资发展自动化的商业论证聚焦于提高员工生产力和敏捷性，而生成式AI则将放大对人类员工和AI助理产生的上述影响。干净且可信的数据对于从这些投资中获得预期价值至关重要。 IBM商业价值研究院1 3.生面魔成镜式，A让I如您同洞一悉 全局。 1.摒开始弃“重救新火思”考思维， 供应链。 2.为于生支成持式供应AI链输生入产有助力 的数据。 3.利平台用增生强成供式应AI链 运营模式。 许多组织正在积极把握生成式AI的机遇，争取增强响应能力、建立更深入的人机偕行关系以及加快创新速度。那些对此无动于衷的组织将固步自封，失去竞争力却不自知。 IBM商业价值研究院甄别出了每位领导者都需要了解的三个要点： 1.实成时为现数实据。终于 2.无增长缝引协擎作。开启生产力 现在，每位领导者都需要采取以下三项行动： IBM商业价值研究院2 IBM商业价值研究院2 1.数据+生成式AI 需要了解的事项 实成时为数现据实终。于 随着全球供应链持续动荡，企业高管们迫切需要建立单一可信的信息源。事实上，实时响应需求波动是未来三年内的首要运营优先事项(51%) 而生成式AI让这一目标成为现实。生成式AI可以帮助企业高管从整个供应链中收集实时数据，并避免不同观点导致的混乱。团队不必再争论哪一项数据是正确的，而是通过同一个信息视图来迅速做出决策，并增强创新能力。 近三分之二(62%)的高管预计生成式AI将加快发现速度，从而创造新的产品和服务创新来源。那些正确运用生成式AI的企业可以建立关键优势：生成式AI领先者组织在创新方面的成效要比其他组织高出53%。 当然，实时数据不会一夜之间就出现在仪表盘中。为了充分利用这一宝贵资产，首席执行官需要解决一系列实际而务实的数据问题，从数据细分和清理到确定如何在整个组织中使用结构化和非结构化数据。 1.数据+生成式AI 需要采取的行动 摒开弃始“重救新火思”考思供维，应链。 通过实时、数据驱动的见解推动创新。结合运用这些见解与业务知识来建立差异化优势。确定哪些数据应集中管理，而哪些数据应保留在边缘或由第三方进行处理，以实现价值最大化。 通过高级建模打造现代化供应链。利用生成式AI的独特优势来推动供应链应用和架构现代化。运用量子计算工具和方法充分发挥扩展建模和优化功能的优势。 识别隐藏痛点，作为有针对性的候选创新目标。鼓励在需求波动、采购、生产和分销领域开展端到端实验。积极开展供应链社区整合，并利用生成式AI和海量数据来推动预测性和前瞻性分析。 将AI助理部署到供应链生态系统中。将数字技术能力融入庞大的供应链合作伙伴生态系统。与生态系统合作伙伴开展数字能力交换，将协同效应和效率提升到全新水平。这有助于更快地获取与您的标准和加速器相符的数据。 需要了解的事项 无增缝长协引作擎开。启生产力 识别预示未来中断的问题对于保持供应链正常运行至关重要。但这只是第一步。要根据这些信息迅速采取行动以填补缺口，就需要在全球范围内开展协同一致的努力。 而这正是生成式AI的用武之地。生成式AI让人类、AI助理和合作伙伴之间能够更快、更有效地开展协作，以便主动识别供应链异常并实时纠正。 受访高管们表示，生成式AI将在未来两年内将数字助理的决策量增加21%。尽管这确实会产生一些新的错误机会，但82%的受访高管一致认为，他们对生成式AI的期望超过了潜在风险。 当然，人类工作者仍然可以发挥关键作用。人类所具备的创造力、同理心和批判性思维能力对于重新思考运营和解决复杂问题是必不可少的。不过， 人类运用这些技能的方式正在迅速发生变化，71%的供应链高管表示，生成式AI彻底改变了其员工的工作方式。 如今，90%的受访高管表示，到2026年，其组织的工作流程将通过智能自动化和AI助理实现数字化。这种全面数字化有望让整个供应链广泛受益；在这方面，80%的受访高管希望生成式AI能够通过分析所有相关的供应商绩效指标来改善管理。 更高的可见性和透明度有助于企业高管即时应对风险，而不是等待合作伙伴按照自己的进度报告问题。整合来自整个供应链的干净且可信的数据还可以为大语言模型提供支持，让整个行业的从业者都可以利用该数据来获取准确、实时的信息。 需要采取的行动 为支生持成供式应链AI生输产入力有的助数于据。 制定全方位的前瞻性数据计划，助力在整个供应链生态系统中实现人员和技术互联。通过员工技能和工具培训来加快决策和行动速度。发展与您所在行业的供应链相关的大语言模型。 充分运用人机协同效应来发现实时洞察。让这种协同效应成为触及供应链各个环节的商品，涵盖规划、采购、制造、分销和运输。通过生成式AI提高人类和AI助理的生产力。 加强流程改进力度。向每个关键供应链职能部门的领导者寻求供应链流程改进方面的建议，并落实到行动中。运用人员和技术来增强技术，以实现卓越的流程成效并变革员工体验。设法将供应链专业人员从事务性工作中解放出来，以便专注于解决实际的业务问题。 用实时供应链大语言模型(LLM)查询替换传统仪表盘。将全面的供应链指标和事务数据输入到生成式AI模型中。利用大语言模型的即时洞察来实时做出决策。基于差距分析和相互关联点来构想新实践。运用这些建议来做出预测性和前瞻性的决策与行动。 CEO生成式AI行动指南供应链 3.预测能力+生成式AI 需要采取的行动 利供用应生链成运式营模AI式平。台增强 创建自学习的模拟系统，以便积极识别、可视化并主动纠正关键运营异常。实现事务工作高度自动化，从而提高运营效率。 在下一次冲击中抢占先机。预测并拥抱颠覆。部署分析、数据可视化和仿真模型，以及用于模式识别的生成式AI功能。在竞争激烈的形势下，冷静而坚决地采取行动，确保供应链正常运转。 将业务关键型接触点置于首要位置和中心位置。将最关键且最具差异化优势的供应链工作流与早期的预测性生成式AI用例进行协同整合。引入关键合作伙伴，通过协作加强预测能力。确保生成式AI驱动的工件可清晰识别且可审计。 衡量预先建模的积极影响。定期评估生成式AI驱动式预测分析的绩效和投资回报率。设定明确的目标，确保这些工作能达到预期成效，并根据需要进行调整以实现持续改进。