企業應該摒棄「救火」思維，開始重新思考供應鏈。利用即時、由資料驅動的洞察賦能創新。結合運用這些洞察與業務知識，來創造具有差異性的成果。確定哪些資料應該集中管理，哪些資料應該保留在邊緣、或由第三方來處理，以實現價值最大化。
如果能預知未來，你會以不同的方式來經營企業嗎？CEO們在生成式AI時代都面臨這樣的問題，而供應鏈自動化已經把這個問題變得更為具體。隨著即時資料推動模擬效率的提升和預測型分析的準確性，企業可以更輕鬆地制定未來規劃。
正因為如此，CEO們正在快速投資採用生成式AI技術，自動化與簡化其供應鏈。事實上，89%的受訪主管表示，對自動化領域的重要投資將包括生成式AI。並且，19%的受訪主管表示生成式AI能力對其供應鏈自動化的發展非常重要。
對於60%的受訪主管來說，企業投資與發展自動化是為了提高員工的生產力和敏捷性；而生成式AI擴大了對員工和機器人助理的效率。乾淨與可信的資料對於從這些投資中獲得預期價值扮演重要角色。
企業試圖把握生成式AI的風口浪尖，增加組織的回應力、建立深度的人機協作以及加快創新速度。
企業領袖應該體認到：
1.即時資料已成為現實
2.無縫協作成為提升生產力的引擎
3.善用生成式AI將有助於洞悉全域
因此，企業領袖們應摒棄「救火」思維，重新思考供應鏈，同時也該為生成式AI提供有助於提升供應鏈生產力的資料，並且利用生成式AI平台來強化供應鏈的營運模式。
即時資料已成為現實
隨著全球供應鏈持續動盪，企業主管們迫切需要單一可信的事實來源。事實上，即時回應需求波動是未來三年最優先的營運目標（51%），而生成式AI讓這一目標成為現實。生成式AI可以幫助企業主管從整個供應鏈中收集即時資料，並避免因不同的觀點導致的混亂。團隊不必再爭論哪一項資料是正確的，而是透過同一個資訊視圖，迅速做出決策，並強化創新能力。
近三分之二（62%）的主管們認為生成式AI將加快探索歷程，引導新產品與服務創新。正確運用生成式AI的企業可以建立關鍵優勢：善用生成式AI的組織在創新方面的成效比其他公司高出53%。
當然，即時資料不會一夜之間就出現在儀表板上。為了充分利用這個珍貴的資產，CEO需要處理一系列實際且重實效、有關於資料的問題；從資料細分和清理、到確定如何在整個組織中使用結構化和非結構化資料。
換言之，企業應該摒棄「救火」思維，開始重新思考供應鏈。利用即時、由資料驅動的洞察賦能創新。結合運用這些洞察與業務知識，來創造具有差異性的成果。確定哪些資料應該集中管理，哪些資料應該保留在邊緣或由第三方來處理，以實現價值最大化。
例如，利用生成式AI的獨特優勢，來推動供應鏈應用和基礎架構的現代化。啟用量子運算工具和方法，充分發揮擴展建模和優化的優勢。鼓勵在需求波動、採購、生產和分銷領域，展開端到端的試驗。支持供應鏈社群整合，並利用生成式AI和巨量資料來推動預測型和前瞻型分析，找出隱藏的業務痛點，轉為創新聚焦的目標。
此外，應該將AI助理加入供應鏈的生態系。將數位科技能力融入龐大的供應鏈合作夥伴生態系。交換與拉齊全體生態系統合作夥伴的數位能力，提升綜效和效率，這有助於更快地獲取與自身的標準相符和業務所需的資料。
無縫協作 驅動提升生產力
辨別與看出預示未來動盪的問題，對於保持供應鏈正常運行十分重要，但這只是第一步。根據這些資訊迅速採取行動以填補缺口，就需要在全球範圍內展開同步努力，而這正是生成式AI的「用武之地」。生成式AI讓人類、AI助理和合作夥伴能夠更快、更有效地協同合作，以便主動發現供應鏈異常並即時調整。
受訪的主管們表示，生成式AI將在未來兩年內使AI助理的決策量增加21%。儘管這的確會增加出錯的機率，但82%的受訪主管認為，他們對生成式AI的期望大於擔憂它的潛在風險。當然，人類工作者仍然可以發揮關鍵作用。人類所具備的創造力、同理心和批判性思維，對於重新思考營運和解決複雜問題是不可或缺的。不過，人類運用這些技能的方式正在快速演進，71%的供應鏈主管表示，生成式AI徹底改變了其團隊的工作方式。
90%的受訪主管表示，到2026年，其組織的工作流將透過智能自動化和AI助理實現數位化。全面數位化有望使整個供應鏈受益；80%的受訪主管希望生成式AI能夠透過分析所有相關的供應商績效指標，以優化管理。
更高的能見度與透明度有助於企業領袖即時回應風險，而不是等待合作夥伴按照各自的進度報告問題。整合來自整個供應鏈的乾淨且可信任的資料，還可以支援大型語言模型（LLM），讓整個供應鏈裡的相關人都可以獲取準確、即時的資訊。
要實現此一目標，企業應積極採取行動，制定全方位的前瞻性資料計畫，協助讓人與科技在整個供應鏈生態系統中互聯，提升員工技能和訓練工具來加速決策與行動，並發展與自身所在產業供應鏈相關的大型語言模型。
培養人機「默契」以取得即時洞察
讓這種「默契」觸及供應鏈的每個環節，涵蓋規劃、採購、製造、配銷和流通。透過生成式AI提升人類和AI助理的生產力。
加強流程改進力度
向每個供應鏈關鍵職能部門的主管，尋求供應鏈流程改進方面的建議，並落實在行動中。運用人員和技術來增強技術，以實現卓越的流程成效並改造員工體驗。設法讓供應鏈專業人員擺脫庶務型工作，以便專注於解決實際的業務問題。
用即時供應鏈大型語言模型查詢，替換傳統儀表板
將完整的供應鏈指標和交易資料餵給生成式AI模型。利用大型語言模型的即時洞察做即時決策。基於差距分析和相互關聯點，來勾勒新作法的輪廓。運用這些建議，制訂具有預測能力和前瞻性的決策與行動。
善用生成式AI洞悉全域
預測未來並不僅僅是算命師的專利。生成式AI可以對抗全球複雜性，讓企業主管預測即將來臨的威脅，並根據超越直覺的深入分析，提出規避策略。超過五分之四（81%）的受訪主管認為生成式AI的預測能力可以更早發現問題，77%的受訪主管表示生成式AI模型能夠成功識別地緣政治和氣候風險，協助主動緩解風險。從策略層面來看，79%的受訪主管表示，生成式AI透過預測未來需求模式，優化庫存管理。
80%的受訪高階主管表示，具有視覺化和模擬功能的生成式AI模型（例如數位雙生）可以即時發現供應鏈的瓶頸所在，但實際上應用將非常有限。受訪主管們表示，到2025年，只有19%的供應鏈應用場景將採用生成式AI，包括複雜系統的類比與建模、運輸優化、產品生命週期管理、客戶服務和即時回應。
企業應利用生成式AI平台增強供應鏈營運模式。創建可自我學習的類比系統，以便積極識別、視覺化並主動處理關鍵營運異常。實現事務工作高度自動化，從而提高營運效率，如此方能在下一次衝擊中搶佔先機。藉由建置分析、資料視覺化和模擬模型，以及用於模式識別的生成式AI功能，在競爭激烈的形勢下，冷靜而堅決地採取行動，確保供應鏈正常運轉。
同時也必須將最關鍵且最具差異化優勢的供應鏈工作流，與早期的預測性生成式AI案例進行協同整合。引入關鍵合作夥伴，透過協作加強預測能力，並且確保生成式AI驅動的工件可清晰識別且可審計。另外，定期評估生成式AI驅動式預測分析的績效和投資回報率也十分重要。設定明確的目標，確保這些工作能達到預期成效，並根據需要進行調整，持續改進。
＜本文作者：林翰現為台灣IBM諮詢總經理＞