生成式AI在消费品行业的应用与影响
核心观点
生成式AI在优化新产品开发和改善消费品行业供应链运营方面潜力巨大，能够通过改进协同、优化整合和支持可持续性，帮助企业在竞争激烈的市场中保持领先。消费品行业高管对生成式AI的重视程度高，超过三分之二的受访高管认同其对企业未来的重要性，且四分之三的高管认为应迅速采用以保持竞争力。
主要挑战与机遇
当前消费品行业在新产品导入（NPI）和供应链运营中面临诸多挑战，包括：缺乏全局产品生命周期视图、市场研究和消费者洞察不足、不切实际的时间表、供应商和资源限制、供应链可视性和协同能力有限、监管和合规问题，以及可持续性和供应链透明度担忧。生成式AI能够通过以下方式应对这些挑战：
- 改进协同：整合产品开发、供应链和可持续性，实现端到端的数据驱动决策。
- 优化整合：支持与供应链运营互联互通，加速创新并增强韧性。
- 支持可持续性和监管合规性：推动全方位的可持续性，并支持各市场和地区的监管合规。
关键数据与研究结论
- 新产品成功率低：每年推出的30,000种新消费产品中，高达95%未能实现商业目标。
- 生成式AI的效率提升潜力：IBM内部项目评估显示，生成式AI有望实现高达30%的效率提升。
- 行业应用现状：近一半的消费品组织在供应链、物流和履行领域试点或实施生成式AI项目，40%在产品开发领域试点或实施，但只有3%在产品开发和供应链运营领域优化该能力。
- 需求预测改进：48%的受访高管预计生成式AI将降低20%的预测误差，并降低24%的库存持有成本。
生成式AI的应用场景
生成式AI在消费品行业有广泛的应用场景，包括：
- 生成用于产品测试的客户画像
- 实施更具战略性的产品规划和产品组合管理
- 协助包装设计和材料规划
- 支持运营性数字孪生
- 更精确地预测需求
- 限制影响供应链的细微产品变更数量
- 更全面地管理供应商和监管合规性
- 提高产品过渡规划效率
- 改进贸易促销和促销资金管理
- 扩展产品生命周期管理
- 改善采购和入库物流管理
- 加快产品追踪和退货
案例研究
- Symrise：利用AI创造新的香水香型，通过AI分析分子结构和市场数据，加速产品开发并推出创新香型。
- 英国糖业公司：利用AI助手捕获机构知识，提高生产力，并优化智能工厂运营和供应链监控。
- 全球性消费品公司：开发生成式AI赋能的法规助手，简化不同地区的监管管理，提升合规效率。
- 智能绿色托盘：结合物联网和区块链技术，实现供应链的端到端可追溯性，减少运输和托盘管理成本，并提升可持续性。
行动指南
- 建立可信的数据基础：开展数据评估，理解何时使用传统自动化或机器学习，何时采用生成式AI。
- 尽早与合作伙伴合作：促进供应商、制造商等共享数据，加速产品开发。
- 设计良好的用户体验：平衡简单性与功能性，确保系统易于人机交互。
- 将新产品推出作为整个产品生命周期的一部分管理：从一开始就确保产品具有可持续性。
- 通过透明度建立用户信任：确保用户理解生成式AI系统及其决策过程。
- 选对合作伙伴：驾驭多变的世界，利用技术整合打造更具可持续性的供应链物流。
数据与标准的重要性
- 51%的受访消费品CEO因缺乏明确标准而推迟投资决策。
- 63%的受访CEO表示在一个或多个核心战略领域缺乏一致的标准。
- 高质量数据和透明度对于实现可持续发展目标必不可少。
可持续性整合
- 69%的受访消费品行业高管表示，生成式AI对于其可持续发展议程非常重要。
- 73%的受访组织计划增加对生成式AI的投资以推动可持续发展。
- 83%的受访高管认为其组织更有可能利用数据能力在可持续创新和产品/服务开发方面创造重大效益。
