2024利用生成式AI增强竞争优势洞察报告-整合产品开发、供应链和可持续性-IBM商业价值研究院

IBM商业价值研究院|专家洞察 增强竞争优势 利用生成式AI 整合产品开发、供应链和可持续性 主题专家 JonChambers 合伙人，供应链转型负责人， EMEA IBMConsulting linkedin.com/in/jon-chambers-9055581/Jon.Chambers@ibm.com KostasDidaskalou 消费品行业合伙人，能力中心 IBMConsultinglinkedin.com/in/kostasdidaskalou/KDIDASKA@uk.ibm.com JaneCheung 消费品行业全球研究负责人IBM商业价值研究院linkedin.com/in/janescheung/jane.cheung@us.ibm.com PraveenVelichety 执行合伙人， 数字孪生全球产品负责人IBMConsultinglinkedin.com/in/velichety/ praveen.velichety@uk.ibm.com 摘要 生成式AI潜力巨大。 在费优品化行新业产供品应开链发运和营改方善面消， 改进协同 优化整合 传统AI和生成式AI带来了广阔的机遇，从更成功地推出新消费产品到协同供应链运营以提高效率并减少浪费。 支持可持续性和监管合规性 生成式AI可以优化新产品开发，支持与供应链运营互联互通，并改善与供应商和生态合作伙伴的整合，加速创新并增强韧性。 快速采用 生成式AI功能可以支持整个消费产品生命周期内的决策，推动全方位的可持续性，并支持各个市场和地区的监管合规性。 消费品行业高管正在迅速采用生成式AI。超过三分之二的受访高管认同或强烈认同生成式AI对其组织的未来至关重要。而且，超过四分之三的受访高管认为应迅速采用生成式AI以保持竞争力。 1 AI引领产品开发新时代 在竞争激烈的消费品市场中推出新产品历来就是一项高风险举措。如今，企业面临的挑战比以往更加严峻。 从不断变化的消费者偏好、日益加剧的市场竞争、持续攀升的成本与供应链压力、监管合规问题到层出不穷的新产品，企业推出新产品的环境正变得愈加复杂。数据表明，在每年推出的30,000种新消费产品中，有高达95%未能实现其商业目标。1 在2020年代，企业在新产品导入(NPI)流程中面临的主要挑战如下： 未针对品牌组合中的新产品建立全局视图 当营销、制造和供应链团队在组织中孤立运作时，缺乏协作会导致延误、质量问题和供应链中断。如果未建立整体的产品生命周期视图，就难以确定何时将产品纳入产品组合、何时计划实现峰值销量以及何时逐步淘汰产品，同时降低对其他产品的影响。 市场研究和消费者洞察不足 如果未进行深入的市场调查，也未收集准确的消费者洞察，推出的新产品就无法满足消费者的需求或期望。这会导致库存过剩、销售业绩不佳以及供应链效率低下。 不切实际的时间表和紧迫的期限 新产品开发和发布的紧迫时间表给供应链带来了巨大压力。由此产生加快发货速度，或者占用其他盈利产品线的生产能力等连带反应，可能影响下游的财务业绩。 2 持续性。 生整成个式产品AI生提命供周的期洞中察融可入以在可 在新产品导入(NPI)流程早期做出的决策也会产生一系列后续挑战，从而影响供应链和端到端产品生命周期。这些挑战包括： 供应商和资源限制 难以找到可靠的供应商、协商有利的条款和确保新材料或原料的稳定供应，从而严重影响满足生产和分销要求的能力。 供应链可视性和协同能力有限 缺乏端到端的供应链可视性和协同会导致沟通中断、库存不平衡和分销效率低下，从而妨碍新产品发布取得成功。 监管和合规问题 如果在产品开发阶段没有提前处理好监管要求和合规标准，就会增加延迟、产品召回或供应链中断的风险，从而对成本和品牌声誉造成负面影响。 可持续性和供应链透明度担忧 忽视新产品和供应链流程中的可持续性影响会增加监管不合规的风险，并错失降本增效的机会。此外，未来对供应链透明度的要求预计将大幅提高，这也是新产品推出中应当考虑的一项因素。2 风险管理和应急规划不足 风险评估不足和缺乏应急规划来应对潜在的供应链中断 （例如自然灾害、地缘政治事件或供应商问题）会阻碍新产品发布取得成功。 为了应对这些挑战并管理新产品开发中的相关风险，消费品行业需要一种更具前瞻性、数据驱动且端到端的决策方法。利用生成式AI来协助和增强产品开发、供应链整合与生命周期管理，消费品行业高管可以加速创新、改善成本管理、减少浪费并提高整体效率。 除了优化新产品导入和供应链整合，以及管理各个市场和地区的监管合规以外，生成式AI还将为产品生命周期管理开启一个全新的维度—改善用户体验。由于生成式AI可支持“以用户为中心”的设计理念，因此有助于促进产品采用并帮助做出更明智的决策。 3 案例研究 利香用型AI创造新的香水 Symrise3 Symrise是一家总部位于德国的公司，致力于开发、生产和销售香料、调味料、食品配料及活性化妆品成分，为超过35,000种消费品供应原料。依靠其AromasMolecules部门，Symrise还是全球领先的香料原材料生产商。 随着消费市场对新香水香型的需求不断增加，Symrise发现了利用其超过两百万种香水配方宝库的机会。关键就是利用人工智能来帮助Symrise管理越来越短的产品周期，同时提高整体产品开发效率。 初始香水设计算法由开发人员创建，然后再通过AI工具加以改进。该团队利用一款名为Philyra的AI助手来分析分子结构，确定应用领域，并考虑各种市场和销售数据。AI在分析香水配方和原料特性方面发挥了重要作用，最终帮助调香师找到微妙差异的配方组合，创造出新的香型。 Symrise利用AI设计的首款上市产品在法国尼斯的世界香水大会上亮相。2019年，两款AI设计的香水成功上市，由全球第三大香水制造商巴西OBoticário公司负责市场营销。如今，AI已成为调香师不可或缺的一项利器，不仅为他们赋予更敏锐的嗅觉，还帮助Symrise建立了自动化流程，加速开发出更多符合客户需求的产品。 4 高管认同或强烈认同应迅速 超过四分之三的消费品行业采用生成式AI以保持竞争力。 AI在消费品行业中日益重要 与许多其他商业领域一样，消费品行业也开始利用生成式AI来提升运营效率和协助做出决策。 生成式AI可以生成类似于人类创造的结果，因此更具直观性和可信度，从而促进更快地采用基于生成式AI的解决方案。这项技术在消费品行业中有广泛的应用场景，从利用聊天机器人和数字助手简化客户服务，到一些更复杂的实现，例如利用非结构化数据进行需求感知和预测，以及实现物流管理自动化。 在新产品引入方面，生成式AI可以通过分析与热门产品特性或消费者偏好相关的历史数据来帮助创造新的产品设计和概念。生成式AI有望进一步提高消费品行业的运营效率—IBM的内部项目评估表明，生成式AI有机会实现高达30%的效率提升。4 IBM商业价值研究院(IBMIBV)的最新研究表明，消费品行业高管正在迅速采用生成式AI。超过三分之二的受访高管认同或强烈认同生成式AI对其消费品组织的未来至关重要。而且，超过四分之三的消费品行业高管认同或强烈认同应迅速采用生成式AI以保持竞争力。5 5 近一半的受访消费品组织正在供应链、物流和履行领域试点或实施生成式AI项目。40%的受访组织正在产品开发领域试点或实施生成式AI项目，但只有3%的受访组织目前正在产品开发和供应链运营领域优化这项能力。6 图1 受访组织在产品开发中采用生成式AI的情况 3% 不考虑 正在考虑和评估 49% 正在试点 25% 正在实施和运营 20% 3% 正在优化 受访组织在供应链运营中采用生成式AI的情况 8% 不考虑 正在考虑和评估 38% 正在试点 19% 正在实施和运营 32% 3% 正在优化 信息来源：未发布的IBM商业价值研究院研究。对225名全球零售和消费品高管的调研。 6 通过以前所未有的速度处理大量信息，生成式 A他I方可式以无总法结获复取杂的文见档解并。创建内容，从而提供其 生成式AI有潜力创造更多价值 多年来，消费品行业高管一直在寻求改进新产品端到端管理的方法，从初始设计、开发到产品淘汰的整个周期。生成式AI基于的广泛的产品和市场数据进行训练，这些数据来自众多利益相关者。因此，生成式AI可以发挥至关重要的协同作用，助力提高可见性和效率。 通过与可信赖的供应商合作，新产品导入研发团队可以利用来自供应商的专有数据来训练生成式AI模型。基于大量结构化和非结构化供应商数据，增强型生成式AI功能可以提供其他方式无法获取的技术和解决方案洞察。生成式AI提供对话知识、复杂文档总结、内容创建和代码生成等功能，尤其可为产品开发的早期阶段提供强大支持。 例如，如果一家包装供应商将详细的产品和创新信息输入到共享数据库中，那么消费品公司利用生成式AI来处理这些数据，就可以加速其产品开发流程。供应商共享数据的动机可能很大—消费品行业专家预计，这可以增加供应商获得包装合同的可能性。 生成式AI的另一个应用场景是在新产品探索过程中，帮助研发专家寻找新技术和新材料。通过分析和理解来自研究出版物、新闻报道、贸易活动、社交媒体等来源的海量数据，AI可以总结可能的技术方案，并帮助规划人员快速甄别出具备新兴技术能力的供应商。这种方法有助于提高新产品的性能和市场潜力。 7 生成式AI所实现的目标状态是，在产品开发初期就优化成本和性能，而不是在产品推出后再逐步进行优化。生成式AI可以改变传统模式；例如，激励采购经理在产品推出时就实现成本节省，而不是在产品发布后再历时数年试图削减材料成本。 图2 生成式AI在产品开发和供应链职能中的应用价值排名 产品开发 97% （增内强部知和识外搜部索） 92% 创建分析模型 91% 创可建视自化定和义设产计品 供应链 95% （增内强部知和识外搜部索） 89% 根数据生构成化需/求非预结测构化 81% 总结复杂文档 信息来源：未发布的IBM商业价值研究院研究。对225名全球零售和消费品高管的调研。 8 生影成响，式并A更I可全以面预地测管遵理守法新规法合规性。 具体而言，在以下十二个领域，生成式AI有望迅速而长远地影响新产品的开发和上市，及其在市场整体产品组合中的表现： 实施更具战略性的产品规划和产品组合管理 生成式AI可以帮助产品规划人员准确预测新产品是否会侵蚀现有产品的销量。这项技术可以优化整体产品组合的选择和收入，并指导在特定渠道推出新产品，以避免影响其他产品的销售业绩。 支持运营性数字孪生 生成式AI可支持创建表示端到端供应链的运营性数字孪生。在开发和推出新产品之前，数字孪生可以模拟和建模新产品的表现及其对供应链的影响，从而形成良性反馈循环，增加决策力。 限制影响供应链的细微产品变更数量 生成式AI可以帮助新产品规划人员了解消费者偏好，预测遵守新法规的影响，并更清晰准确地理解供应商条款与条件。这些及时的信息有助于减少交付给制造工厂的产品变更订单。这些产品变更不仅会产生更高的成本，例如小幅设计改动造成材料过时或废弃，还会导致官僚程序上的延误和额外费用。 生成用于产品测试的客户画像 生成式AI可以加速产品开发的早期阶段，并建议符合指定客户画像需求的产品特征。 协助包装设计和材料规划 生成式AI可以协助包装设计人员开发产品包装的艺术设计和文案，并探索各种个性化选项。优化的设计流程和更高效的材料有助于更快地测试消费者偏好、增加消费者接受度并降低成本。 更精确地预测需求 生成式AI利用大量非结构化数据来创建准确的需求预测，从而将需求预测的实用性和准确性提升到全新水平。根据IBM商业价值研究院最近开展的对标分析调研，48%的受访高管预计生成式AI有望将预测误差降低20%，并将库存持有成本降低24%。7 9 更全面地管理供应商和监管合规性 通过总结供应链生态系统中供应商的表现，并结合财务和可持续性指标，生成式AI可