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。
