三大挑战助力企业实现供应链与采购的人工智能转型
一、理解应用场景与潜在收益
-
主要考虑因素:
- 内部具备熟练的AI人才(59%)
- 清晰理解AI应用场景及潜在收益(54%)
- 与外部合作伙伴或供应商合作开展AI项目(53%)
- 考虑AI实施相关的法律与监管要求(51%)
- 集成现有IT基础设施和系统(49%)
-
具体应用:
- 使用大型语言模型(LLMs)快速响应重大世界事件。
- 从合同中提取关键信息,甚至自动创建合同。
二、数据管理
-
主要挑战:
- 内部缺乏专业技能(45%)
- 对变革的抗拒和不愿共享数据(43%)
- 管理非结构化数据的复杂性(40%)
- 数据清洗和规范化的问题(39%)
- 缺乏数据治理(37%)
-
应对措施:
- 定期进行数据审计和质量评估(56%)
- 投资数据分析工具(46%)
- 实施数据治理框架(46%)
- 培训和教育计划(34%)
- 提高内部数据管理能力(65%)
三、寻找具备技能的人才
-
主要需求:
- 内部具备熟练AI人才(59%)
- 外部招聘AI人才并与其合作(55%)
-
挑战:
- 由于AI仍处于起步阶段,不同合作伙伴的能力参差不齐。
结论
为了实现供应链与采购的人工智能转型,企业需要克服复杂的供应链管理、数据管理和人才短缺三大挑战。通过与外部合作伙伴合作、加强数据管理和培训内部员工,企业可以更好地利用人工智能技术,实现更高的投资回报率和业务效率。