工業部門和全球供應鏈正在經歷前所未有的時代。從全球新冠疫情爆發到地緣政治動蕩,制造業的傳統觀念正在受到挑戰,為了更好地適應新的變化,制造企業需要重新評估一些長期存在的做法。
最近的一個例子凸顯了行業供應鏈重新評估的必要性:海運價格受紅海危機的影響持續上漲,蘇伊士運河和紅海占全球集裝箱貿易的30%。這些關鍵供應鏈渠道的中斷給工業部門帶來了嚴重的麻煩,因為它需要應對運輸延誤和利潤率壓力。
雖然制造業正在學習如何抵御這些沖擊,但這些事件造成的收入損失可能高達上萬億美元。雖然這些問題的一個解決方案是建立區域制造中心并優先考慮區域供應商,但現在似乎有一個更好的解決方案是使用生成式人工智能(AI)高效地提高運營效率,大幅縮短周期時間,并快速識別和響應潛在的供應中斷。
有效應用生成式 AI
先進技術的應用,尤其是生成式AI,引發了前所未有的熱潮。埃森哲的一項研究發現,生成式AI可能會影響行業供應鏈中58%的流程。
生成式AI可以幫助企業識別風險并實現供應鏈的透明化管理,這是之前任何其他技術都無法比擬的。它有助于加強供應鏈抵御意外中斷的能力,可用于預測地緣政治沖擊或不斷變化的市場條件等風險。
此外,生成式AI還能增強數字雙胞胎,使其獲得更好的效率提升。通過將實時數據輸入到機器、產品或流程的這些虛擬表示中,企業可以在不中斷日常運營的情況下測試各種響應場景。
例如,全球糖果連鎖店瑪氏公司與埃森哲合作,使用數字孿生來模擬和驗證產品和工廠調整的結果,然后再在物理空間分配時間和資源。利用數字孿生模型,企業可以快速識別瓶頸和質量問題,并主動響應意想不到的需求變化。
生成式AI的與眾不同之處在于,它有助于自動化或增強供應鏈流程中的重要部分。通過分析來自文本、圖像、視頻和社交媒體帖子等各種來源的非結構化數據,生成式AI為供應鏈經理提供情境化的洞察力,以便做出更好的決策。它可以收集跨職能的見解和消費者感知分析,以改進需求預測。
寶潔公司利用生成式AI技術來提高其需求預測的準確性。通過評估過去的數據和外部變量(如天氣模式和行業變化),該公司增強了更有效地預測消費者需求的能力。這一戰略使寶潔能夠優化其庫存管理并減少開支。
高效的生產和供應鏈管理
我們知道,供應鏈中太多的手動流程和復雜、分散的數據正在阻礙生產力。生成式AI為復雜的采購和供應商管理流程帶來了結構化和簡化。
當今的主要挑戰之一是整個價值鏈缺乏環境、社會和治理(ESG)數據測量。生成式人AI可以通過瀏覽數以千計的供應商網站并提供近乎即時的見解來提供該領域的解決方案。埃森哲與一家全球制藥公司合作,加速了該公司的供應鏈脫碳計劃。
該公司投入了大量時間和精力來收集有關具有科學碳目標 (SBT) 的供應商數量的數據。在短短1小時內,基于AI的分析就提供了可靠的見解。生成式AI的成功應用展示了其在可持續發展方面的潛力,例如為組織制定脫碳計劃和改進碳排放方案。
生成式AI正在簡化歷史合同、采購政策和產品規格,以識別常見的模式和要求。例如,生成式AI驅動的導入/導出文檔生成器可以通過利用大量信息自動填寫運輸和導出文檔。
生成式AI擅長的另一個領域是供應鏈神經中樞。利用云、數據、AI和分析,這些神經中樞提供多層透明度,提供對供應商和制造商網絡的更深入可見性。
在今年的漢諾威工業博覽會上,埃森哲展示了一款用于實時可見性和AI分析的生成式AI軟件,該軟件可以預見和消除中斷并簡化您的決策過程。該供應鏈神經中樞集成了其生態系統合作伙伴SAP的技術,以識別潛在的供應鏈風險,量化這些風險的商業影響,并提出緩解方案,包括每個方案的風險評分。
這意味著從供應鏈計劃中斷和短缺中恢復的時間縮短了4.5倍,資產管理能力增強可以將事故頻率降低70%。借助生成式AI,制造商有可能在幾分鐘內開始采取行動,以應對通常需要數小時甚至數天才能完成的情況。
生成式AI為員工賦能
建立彈性能力不僅對流程至關重要,而且對員工來說也尤為重要。當您將目光投向企業轉型之外時,生成式 AI 通過簡化需求和容量規劃來增強員工的專業知識,從而使復雜的信息更容易訪問。由于生成式 AI 能夠將復雜信息分解為易于理解的見解,員工可以查詢建議并接收日常語言的解釋。
在數字化工作場所中,借助生成式AI可以提高生產力。埃森哲的研究發現,在生成式AI的幫助下,供應鏈專業人員中可能有43%的工作時間可以改變,其中生產、計劃、催交和采購文員的角色的潛在影響最大,高達75%的工作時間。
因此,公司應該加大投資,培養一支能夠使用生成式AI和其他新技術的多技能勞動力,以做出更明智的決策。好消息是,相關研究發現全球約有60%的工業公司已經計劃到 2026 年提高員工技能。
在不確定的世界中,企業的成功取決于他們駕馭復雜供應鏈的能力,以及利用先進技術對員工進行再培訓的能力。幸運的是,隨著生成式AI的出現,制造企業有機會將自己定位為追求未來盈利增長的領跑者。