智能供應鏈:洞察變革驅動增長_第1頁
智能供應鏈:洞察變革驅動增長_第2頁
智能供應鏈:洞察變革驅動增長_第3頁
智能供應鏈:洞察變革驅動增長_第4頁
智能供應鏈:洞察變革驅動增長_第5頁
已閱讀5頁,還剩41頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

IBM商業(yè)價值研究院|研究簡報aws生成式AI給供應鏈帶來重大變革。64%的供應鏈高管認為生成式AI正供應鏈團隊必須改變工作方式。60%的運營和自動化高管表示,到自動化決策的比例將進一步上升。運營和自動化高管們表示,生成式AI將在未來兩年內(nèi)將數(shù)字助理的決策量增加21%。預測能力提升并推動可持續(xù)創(chuàng)新。76%的供應鏈和運營高管認為,生成智能供應鏈洞察變革,驅動增長假如能提前知道下周的新聞頭條,是否會促使智能供應鏈洞察變革,驅動增長3智能供應鏈洞察變革,驅動增長4生成式AI與云計算的強大結合,能夠讓這一設想成為現(xiàn)實。通過結合機器學習、自動化和高級數(shù)據(jù)分析,組織能夠在混合云環(huán)境下精準預測需求變化和采購延誤等各類情況。憑借預測,組織將能夠變革供應鏈戰(zhàn)略,從供應鏈的穩(wěn)定性始終難以把握。商業(yè)環(huán)境中面對不確定的環(huán)境,供應鏈高管往往要采取生成式AI與云計算的強大結合,能夠讓這一設想成為現(xiàn)實。通過結合機器學習、自動化和高級數(shù)據(jù)分析,組織能夠在混合云環(huán)境下精準預測需求變化和采購延誤等各類情況。憑借預測,組織將能夠變革供應鏈戰(zhàn)略,從而不是應對危機呢?如果你能夠精準預測未領先采納生成式AI和數(shù)據(jù)創(chuàng)新的組織,特別是將AI17%報告顯示其年收入增長率高于72%報告顯示其年凈利潤高于智能供應鏈洞察變革,驅動增長目前,領先采納生成式AI和數(shù)據(jù)創(chuàng)新的組織,特別是將AI能力視作自動化投資核心的組織,這些組織的年凈利潤高出72%,年收入增長率高出17%。所有受訪的供應鏈高管都認為,AI驅動的運營將在未來三年內(nèi)推動收入增長翻倍或更多。1根據(jù)這些數(shù)據(jù),72%的高績效CEO在IBM商業(yè)價值研究院(IBMIBV)發(fā)布的2024年CEO研究報告中指出,企業(yè)的競爭優(yōu)勢取決于是否擁有最先進的生成式AI。然而,追求短期目標使其難以集中精力進行長期發(fā)展。全球CEO普礙――66%的受訪者表示,他們的組織正在從這是供應鏈高管面臨的一個重大挑戰(zhàn),他們深知,需要投資新一代技術,提升運營的靈活性和韌性,提前識別并解決如動態(tài)貨物調(diào)生成式AI如何解決這些長期困擾供應鏈的問題?為此,IBMIBV與牛津經(jīng)濟學院攜手合作,對全球2,000多位的首席供應鏈官(CSCO)、運營高管和自動化專家開展了一項調(diào)研,其所在的組織正在積極推進AI自動化調(diào)研報告顯示,高管們致力于打造“智能供應鏈”系統(tǒng),該系統(tǒng)高度靈活、適應性強、反應迅速,能夠保障品牌聲譽、客戶滿意度本報告中,我們將闡述各組織為達成目標而采取的具體措施。第一部分,強調(diào)了AI助手的角色,AI助手不再僅僅是聊天機器人,而是向全職員工轉型。第二部分,分析了如何加速供應鏈智能化,以便企業(yè)能以前所未有的速度和效率,利用實時數(shù)據(jù)。第三部分,探討了生成式AI驅動的數(shù)字雙胞胎(虛擬模型)如何幫助企業(yè)在競爭中脫穎而出,提升客戶認知度。報告每一部分的最后都提供了一個切實可行的行動指南。詳細說明如何制定計劃、設定優(yōu)先級并落實執(zhí)行,確保每一供應鏈高管需要投資新一代技術,提升運營的智能供應鏈洞察變革,驅動增長目前,供應鏈團隊受限于紛繁復雜、互不相連的海量數(shù)據(jù)。雖然供應鏈生成式AI驅動的數(shù)字助手正在扭轉這一局面。AI助手能夠實時分析海量90%的高管表示,到2026年,其組織將把智能自動化和AI助手整合進60%的高管表示,到2025年,AI助手將接管大部分常規(guī)和事務性工作。90%的高管表示,到2026年,其組織將把智能自動化和AI助手整合進供應鏈工作流程。智能供應鏈洞察變革,驅動增長智能供應鏈洞察變革,驅動增長借助生成式AI助手,員工能夠在供應鏈平臺上實時獲得可靠數(shù)據(jù),無需手動搜索多個系但這僅僅是基礎應用。借助AI助手,供應鏈團隊正在建立一種全新的人機互動模式,這種模式將影響供應鏈的每個環(huán)節(jié),從規(guī)劃、采購、生產(chǎn)到分銷。事實上,64%的首席供應鏈官認為,生成式AI正全方位革新工作流程。首席供應鏈官和自動化高管們表示,生成式AI將在未來兩年內(nèi)將數(shù)字助理的決策量增加21%。這不僅僅是描述物料如何從一處運輸?shù)搅硪惶?。還包括衡量每個商業(yè)決策帶來的供應鏈產(chǎn)品開發(fā)策略除了關注新SKU的銷售額外,還應考慮總擁有成本,預測交付新產(chǎn)品的費此外,還應考慮可持續(xù)性因素。隨著消費者和監(jiān)管者對環(huán)境影響報告的要求日益嚴格,供應鏈高管需要能夠追蹤從生產(chǎn)到交付的每一個環(huán)節(jié)的可持續(xù)性指標,并且致力于設計更加環(huán)保的產(chǎn)品生命周期。在這一領域,生成式AI能夠提供幫助。76%的供應鏈和運營高管認為,生成式AI將優(yōu)化產(chǎn)品設計,并推利用AI助手,首席供應鏈官能夠高效整合信息,迅速將洞察傳遞給董事會,以確保供應鏈的各項動態(tài)能夠在戰(zhàn)略層面得到及時反映和調(diào)整。決策執(zhí)行后,AI助手能加速決策反饋速度,提供實時的真實數(shù)據(jù),幫助高管判斷策略是否行之有效,并迅速調(diào)整以應對市借助生成式AI助手,員工能夠快速應對變化,智能供應鏈:洞察變革,驅動增長9利用供應鏈AI助手,打造智能化供應鏈責170多個國家/地區(qū)的數(shù)十萬客戶的交付和服務呼叫任務。IBM與全球多層級供應商IBM的供應鏈使用傳統(tǒng)系統(tǒng),分散在不同組織部門中。因此,信息系統(tǒng)缺乏整合,數(shù)據(jù)流通效率低下。員工依賴電子表格完成大部早在十多年前,IBM的供應鏈管理團隊就提出了一個雄心勃勃的轉型計劃,即建立一個認知型的智能化供應鏈。該計劃的目標是打造一個靈活的供應鏈,充分利用數(shù)剔除或自動化無增值工作,并大幅提升供應鏈團隊的工作體驗。5從宏觀角度上,IBM供應鏈數(shù)字化轉型的核心是優(yōu)化感知與響應能力。該目標需要提升數(shù)據(jù)民主化,即結合認知控制塔、認知顧問、需求供應規(guī)劃及風險韌性解決方案,實現(xiàn)自動化和決策增強。目前,認知控制塔已升級為增強型生成式AI智能層,言查詢和響應,加速決策流程,并提供切實可行、多種多樣的解決方案。用戶可以使用自然語言進行提問,了解關于零件短缺、訂單影響及需要權衡的問題。截至目前,IBM已經(jīng)節(jié)省了3.88億美元的成本,包括降低庫存成本、優(yōu)化運輸成本、加速決策流程以及<<智能供應鏈洞察變革,驅動增長10智能供應鏈洞察變革,驅動增長11事實上,受訪高管們認為,在供應鏈中應用生成式AI,最顯著的三大好處是提升運營績事實上,受訪高管們認為,在供應鏈中應用生成式AI,最顯著的三大好處是提升運營績效、增強企業(yè)敏捷和獲得戰(zhàn)略優(yōu)勢。73%的高管表示,生成式AI正在加速他們在高影響供應鏈管理充滿未知和挑戰(zhàn),其受到地緣政治沖突、氣候災難以及日益復雜的環(huán)境等多方面影響。因此,供應鏈高管的應變能力至關重要。高管們利用生成式AI提高供應鏈的智能供應鏈洞察變革,驅動增長12關鍵是提升整個生態(tài)系統(tǒng)的響應速度。讓生成式關鍵是提升整個生態(tài)系統(tǒng)的響應速度。讓生成式AI助手直接與供應鏈系統(tǒng)的智能層(即認知核心,能夠從海量數(shù)據(jù)中提取洞察)進行互動,內(nèi)部與外部團隊能夠更加高效地共AI助手能夠持續(xù)將智能層的洞察和建議傳達給供應鏈團隊的相關人員。盡管企業(yè)資源規(guī)劃(ERP)系統(tǒng)仍然是核心交易引擎和記錄系從采購、倉庫管理到運輸物流等。這種方法幫助員工能夠更深入地分析每個環(huán)節(jié),從而結合生成式AI與云技術,能夠促使實現(xiàn)自主生成式AI助手不僅能夠自動化工作流程,還能自動化工作流程的創(chuàng)新和重塑。AI助手通過分析供應鏈指標和交易記錄,不僅能夠提出改進建議,還能根據(jù)分析,自動調(diào)整工作且擔負環(huán)保職責。事實上,63%的供應鏈和運營高管表示,可持續(xù)性和循環(huán)經(jīng)濟至關重要,將其納入決策考慮是他們投資自動化的通過結合云計算與生成式AI,企業(yè)能夠加速供應鏈創(chuàng)新,提升業(yè)務成果,實現(xiàn)前所未在云端部署生成式AI,企業(yè)可以高效訓練并大規(guī)模部署模型,同時節(jié)省高昂的硬件和基礎架構成本。多個團隊能夠協(xié)作開發(fā)生成式AI模型,將模型在不同的云環(huán)境中流暢當然,成本也是一個不可忽視的考慮因素。云基礎架構采用按需付費模式,減輕了資本支出壓力,使企業(yè)能夠專注創(chuàng)新,無需因投資新技術承擔財務負擔。得當運用這一技術組合,能夠提升效率、降低成本,并增強企業(yè)的應變能力。以下是您的供應鏈能-優(yōu)化配送路線。減少燃料消耗,降低排放,實現(xiàn)靈活配送,-管理供應鏈風險。預測供應鏈中潛在的中斷因素,提前采取預防性措施,增強供應Theintuitivesupplychain:Predictdisruption,delivergrowth供應鏈是一個復雜互連的龐大系統(tǒng)。參與者眾多、系統(tǒng)分散,且數(shù)據(jù)共借助云技術,AWS供應鏈業(yè)務應用有效應對了這些挑戰(zhàn)。將不同信息來源的數(shù)據(jù)整合成一個統(tǒng)一的供應鏈數(shù)據(jù)湖,有助于實現(xiàn)全鏈路可視化、進行準確預測、優(yōu)化庫存及增強供應鏈數(shù)據(jù)湖能夠將分散的數(shù)據(jù)整合為一個靈活、可擴展的標準數(shù)據(jù)模型,從而將供應鏈信息匯總成一個統(tǒng)一的數(shù)據(jù)資產(chǎn)。通過結合生成式AI的數(shù)據(jù)接入代理,企業(yè)能夠自動將各種原始格式的數(shù)據(jù)轉換為數(shù)據(jù)湖中的標代理利用大型語言模型,通過引導式模塊化Theintuitivesupplychain:Predictdisruption,delivergrowth基于機器學習的預測功能可以幫助企業(yè)增強預測準確性,優(yōu)化庫存,減少過剩。機器學習算法能夠綜合季節(jié)性、產(chǎn)品特性、供應商特性、出發(fā)地與目的地等變量,以及歷史訂AWS業(yè)務應用能夠詳細查看倉庫、配送中心和零售店的庫存情況,顯示現(xiàn)有庫存、在途庫存,以及監(jiān)控可能面臨風險的庫存水平。接著,利用機器學習算法,系統(tǒng)自動生成、評估并排序多項庫存重平衡建議,有助于降低風險。通過洞察全網(wǎng)絡的庫存水平、流動模式及潛在風險,組織可以優(yōu)化庫存配置,從而減少庫存失衡、過剩和缺貨帶來的負面AWS應用能夠分析供應商的交貨周期,結合訂單和預測數(shù)據(jù)進一步預測未來趨勢,識別潛在問題。該應用還能顯示所有相關交易伙伴,幫助供應鏈高管跨層級進行查看,實現(xiàn)協(xié)作。應用內(nèi)置聊天和消息功能,促進了無如產(chǎn)品生命周期評估、安全證書,以及供應鏈中涉及的有害物質報告。亞馬遜全球貿(mào)易與產(chǎn)品合規(guī)(GTPC)團隊利用AWS的可持續(xù)性功能,優(yōu)化了合規(guī)數(shù)據(jù)管理流程,預計每<<借助供應鏈數(shù)據(jù)驅動生成式AI虛擬模型,企業(yè)能夠提升運營效率和增智能供應鏈洞察變革,驅動增長15智能供應鏈洞察變革,驅動增長16供應鏈高管們一直期待未來能夠實現(xiàn)實時數(shù)據(jù)在IT和運營技術系統(tǒng)之間的無縫流通,從而大幅提升供應鏈的靈活性和反應能力,快試想一個制造工廠,運營團隊已通過AI傳感器來監(jiān)測振動模式、溫度、電力消耗,甚至聲音模式的變化。雖然傳統(tǒng)AI能夠及時提醒團隊出現(xiàn)的信號,并預測故障發(fā)生的時間,但員工仍需要根據(jù)這些信息進行必要的調(diào)整借助生成式AI,情況已大為不同。結合視覺傳感器,生成式AI使機器能夠自我預測和調(diào)整,彼此協(xié)同運作,釋放出前所未有的生產(chǎn)<77%76%76%智能供應鏈洞察變革,驅動增長17事實上,77%的高管預計,到2026年,生成式AI將賦能互連設備,幫助其做出自主決策。只有當多個設備生態(tài)系統(tǒng)協(xié)同運作,企業(yè)才能實現(xiàn)前所未有的成果。高管們已經(jīng)廣泛認可生成式AI,并對其充滿信心。76%的高管表示,計劃在未來兩年內(nèi)使用生成式AI,推動互連設備產(chǎn)生差異化成果。7然而,提高效率只是第一步。通過將互聯(lián)數(shù)據(jù)用于可視化全程供應鏈,企業(yè)可以深入理解供應鏈的各個環(huán)節(jié),并預測和應對潛在的其工作原理如下:無人機、機器人、攝像頭及其他互連設備的數(shù)據(jù)匯總至一個統(tǒng)一平接著,通過時間推移的可視化,供應鏈團隊可以回顧特定變化對生態(tài)系統(tǒng)的影響,并根借助生成式AI驅動的虛擬模型,供應鏈團隊能夠模擬未來事件對供應鏈運作的影響。虛擬模型使用實際數(shù)據(jù)和算法技術,能夠可視化不同干擾對供應鏈的影響,幫助團隊提前規(guī)劃,從而提高供應鏈的抗風險能力和靈活性。虛擬模型通過預測潛在問題(如原材料這些模擬還能夠為產(chǎn)品開發(fā)提供指導,幫助團隊優(yōu)化流程,消除浪費。高管們高度關注這一項目,他們指出,全面可視化的產(chǎn)品生命周期管理以及環(huán)保可持續(xù)產(chǎn)品和服務將是供應鏈高管們需要具備戰(zhàn)略眼光,正確看待問題,超越對生產(chǎn)力提升的單一追求,尋找能夠推動企業(yè)增長的關鍵因素。運用生成式AI整合多個數(shù)據(jù)源、系統(tǒng)和工具,供應鏈高管能夠激發(fā)生態(tài)系統(tǒng)內(nèi)的創(chuàng)新,引導戰(zhàn)略決超越對生產(chǎn)力提升的單一追求,尋找能夠推動智能供應鏈:洞察變革,驅動增長18法案》(DSCSA),旨在保障患者安全。該法案強調(diào)透明度,即能夠精準在整個制藥生態(tài)系統(tǒng)中,所有主要參與者(包括制造商、批發(fā)商、藥品零售商和監(jiān)管機構)需要協(xié)作共享信息,以實現(xiàn)上述透明度和完整的供應鏈。由于多個行業(yè)部門需要共同協(xié)作以應對DSCSA帶來的挑戰(zhàn),美國藥學委員會(NABP)決定建立一個數(shù)字平臺,填補各系統(tǒng)之間的互操創(chuàng)建了一個名為Pulse的數(shù)字平臺,其會員能夠跟蹤和共享每種處方藥的所有權交易記該平臺的一個關鍵設計特點是基于AWS云平臺,并整合了提供“點”跟蹤解決方案的API,這些解決方案為處方藥供應鏈中的大多數(shù)參與者所使用。Pulse用戶通過連接這些API,能夠查找交易伙伴、驗證其狀態(tài)、交換減少了行政負擔,更重要的是,它為患者打智能供應鏈洞察變革,驅動增長19行動指南行動指南在錯綜復雜的供應鏈棋局中,高管們必須始終提前布局。供應鏈的現(xiàn)代推動新產(chǎn)品研發(fā)和服務創(chuàng)新。9從而實現(xiàn)業(yè)務增長,獲得可持續(xù)盈利。供應鏈生態(tài)系統(tǒng)高管需要采取以下措施,預測并規(guī)劃不智能供應鏈洞察變革,驅動增長20尋找分析與行動之間的關鍵斷點,改進業(yè)務流程,從而推動財務和運營績效提升。明確需要改進的生產(chǎn)力KPI,并根據(jù)這些指標定在員工門戶中,提供便捷的訪問渠道,讓員工能夠輕松獲取與自身職能相關的AI分析、推薦和智能交易流程。積極將供應鏈流程與員工體驗框架相結合,如優(yōu)化物流和庫存管理。實現(xiàn)高效管理,從而提升決策效率和行動響應速度。進行投資,將愿景付諸實踐,確保所選擇的方案具備完整的所需功能,支持全面的業(yè)務需求。然后,通過編排引擎作為流程調(diào)度工具,根據(jù)用戶指令向多個代理發(fā)出精確命令。借助集成層整合的數(shù)據(jù),創(chuàng)創(chuàng)建涵蓋所有供應鏈工作流程的用戶畫像。概述數(shù)字助手如何幫助打造新的工作流程并優(yōu)化現(xiàn)有流程。洞察這些用戶畫像與現(xiàn)有技能水平之間的差距,從而制定培訓計劃,提供應鏈創(chuàng)新需要與市場產(chǎn)品和交付能力緊密結合,確保創(chuàng)新能夠真正推動業(yè)務成果和市場成功。明確優(yōu)先級,積極推動其實現(xiàn),確智能供應鏈洞察變革,驅動增長21確定最有自動化潛力的供應鏈工作流識別工作流程中導致返工和需要人工分析正視當前技術環(huán)境中需要投入資源的領域。制定明確的時間節(jié)點,進行技術升級或部署新方案。不要讓過去的投入成為未積極投資于能夠快速從試點階段擴展到大規(guī)模部署的行動。利用特定領域的成功為更廣清楚定義各工作流程的責任人和決策人。為數(shù)字助手制定清晰的規(guī)則和發(fā)展方向,幫助團隊更好地理解和應用數(shù)字助手,確保技術智能供應鏈洞察變革,驅動增長22JJ為生成式AI輸入有助于支持供應鏈生產(chǎn)制定全方位的數(shù)據(jù)計劃,助力實現(xiàn)人員和技術互聯(lián)。通過員工技能和工具培訓來加快決策速度。確定利用生成式AI提升生產(chǎn)力的關避免讓員工對系統(tǒng)生成的工作流程結果進行打造一個能夠隨變化靈活調(diào)整的供應鏈,從實時跟蹤并記錄收益,提高團隊對新技術的信任,從而推動技術的持續(xù)落地。展示投資回報率(ROI),確保資金持續(xù)投入。基于數(shù)據(jù)智能供應鏈洞察變革,驅動增長23AmarSangheraMichaelMowat供應鏈戰(zhàn)略和運營,IBMConsultingAI和自動化、供應鏈運營全球研究負責人IBM商業(yè)價值研究院,IBMConsultingIBMConsultingIBM商業(yè)價值研究院TeganJones,執(zhí)行編輯IBM商業(yè)價值研究院(IBMIBV)聯(lián)合牛津經(jīng)濟研究院,針對2,000多名具有同等職位和職務的高管開展了一項訪談和調(diào)研,其中包2024年,首席供應鏈官、首席運營官和自動化高管還接受了有關其投資、優(yōu)先級和用例的調(diào)研,以評估生成式AI項目的現(xiàn)有影響,并對未來兩到三年的成果進行預測。這些調(diào)研旨在了解全球高管如何看待生成式AI對其受訪者遍布21個國家/地區(qū)和10個行業(yè)領電子、電信、政府、醫(yī)療保健/生命科學、消費品、零售和運輸/物流,每個行業(yè)占受訪者樣本總數(shù)的5%至15%。接受調(diào)查的組織規(guī)模(按收入計算)為5億美元到5000IBM商業(yè)價值研究院進行了系列對比分析,分析方法包括成對比較,以突出報告中所示的結果和差異。所有成對比較的統(tǒng)計顯著性水平設定為(p=.05),這意味著觀察到的組在IBM,我們積極與客戶協(xié)作,運用業(yè)務洞察和先進的研究方法與技術,幫助他們在瞬IBM商業(yè)價值研究院(IBMIBV)自創(chuàng)建以來幫助領導者做出更明智的業(yè)務決策。憑借IBM在商業(yè)、技術和社會交叉領域的獨特地位,我們每年都會針對成千上萬高管、消費者和專家展開調(diào)研、訪談和互動,將他們的觀點綜合成可信賴的、振奮人心和切實可行的洞察。需要IBV最新研究成果,請在ibm.com/ibv上注冊以接收IBV的電子郵件通訊。您可以在Twitter上關注@IBMIBV,或通過https:

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論