尽管最引人注目的供应链危机或许已成过去，但货物流通中的某种程度的割裂与混乱现已成为常态。总体而言，过去几年里，供应链中断已造成约1.6万亿美元的经济损失。纵观十年来的供应链中断情况，一家企业可能会因供应链中断事件而损失近半年的利润。

供应链混乱的三大成因

供应链数据无处不在——它们散落于电子邮件、扫描文件以及孤立且过时的软件中。尤其是以下三个关键因素，导致了全球供应链的碎片化。

首先，沟通工具依赖于非结构化数据，如电子邮件、短信和扫描文件。

这些非结构化数据中往往包含关键信息，但难以系统地提取和分析，从而增加了与供应商的沟通难度。例如，特斯拉曾因电子邮件沟通中忽视了芯片短缺的信息而遭遇生产延误，导致2021年第三季度产量短缺了19万辆汽车。

其次，电子数据交换（EDI）系统已过时且应用不均。

EDI是20世纪60年代诞生的商业文件交换系统，在20世纪90年代被大型制造商广泛采用。以家具行业为例，当像La-Z-Boy这样的大企业想要生产5万个皮质躺椅时，他们可能会通过EDI文件发送请求，让海外供应商竞标，并由其采购团队在竞标中选择。

然而，中小企业难以应用EDI，且采购标准操作流程匮乏，导致他们在多个渠道和平台上与海外供应商陷入长达数天的谈判。

此外，EDI还因其缺乏灵活性和集成能力而给组织带来挑战。就连沃尔玛在2020年推出新的直运计划时，也因其遗留的EDI系统而遭遇困境，项目因修改现有EDI基础设施的复杂性而延误，并产生了额外成本。

最后，数据孤岛阻碍端到端供应链的畅通。

许多企业使用多种软件管理系统，包括企业资源规划（ERP）、仓库管理（WMS）和运输管理（TMS），这造成了数据孤岛，阻碍了端到端供应链的可见性。联合利华曾报告称其ERP和WMS系统之间沟通不畅，导致2022年全球运营中缺货率上升了23%，库存过剩率上升了17%。

供应链人工智能620亿美元的机遇

在供应链屡遭重创的同时，大型语言模型与自动化技术却取得了进步。我们已进入一个新的流程自动化时代，这将全面简化数据密集型行业的运营，全球供应链也包括在内。

据Gartner预测，该领域软件的年支出预计将从2023年的290亿美元增长至2028年的620亿美元，年复合增长率达到16.3%。

与基于传统规则的自动化不同，大型语言模型驱动的解决方案能够随时间不断学习并改进。更妙的是，它们能够处理结构化和非结构化数据。

在经历了数年的产品短缺、食品价格高涨和交货延迟后，我们迎来了一个独特的时刻：不仅有意愿，而且有办法通过将人工智能融入供应链管理软件来改变现状。

供应链历来支离破碎，而人工智能正蓄势待发，旨在统一分散的数据源和系统，并取代供应链上下游繁琐的手动流程。

人工智能能够分类视觉、数值和文本数据，并以高精度模拟复杂场景。例如，计算机视觉系统现在可以检查装配线上的产品，其识别缺陷的一致性高于人类质量控制团队。

机器学习算法能够以前所未有的准确性预测需求，分析从历史购买模式到政治动荡、劳动条件以及天气等各种因素。

通过针对供应链领域微调大型语言模型（LLMs），企业可以利用人工智能从非结构化文档中提取洞察，帮助我们回答诸如“哪家供应商提供的价格对我的需求最具竞争力？”和“哪些供应商最不容易受到干扰？”等问题。

供应链的核心环节可能在技术上尚未得到充分支持，但我们看到了人工智能在以下三个具体领域的巨大应用潜力：

• 采购：为企业运营所需的商品进行采购和获取。
• 供应商情报：收集数据以评估和优化供应商关系。
• 需求计划：预测未来客户需求以确保最佳供应。

为何采购任务适合自动化

采购对于确保材料稳定供应、维持与供应商的关系以及提高利润率至关重要。

一个新兴解决方案是机器人流程自动化（RPA），它采用基于规则的方法来自动化输入过程。但不幸的是，这些输入大多来自RPA无法处理的大量非结构化数据。

例如，电子邮件和PDF不像电子表格那样结构化。然而，一批探索者企业正在使用人工智能来筛选非结构化数据。Didero、Lighthouz 人工智能和Soff正在从电子邮件和PDF中提取深藏的洞察。

这些洞察也越来越容易为采购团队所用。初创企业Pulse 人工智能正在创建一个搜索引擎，用于检索非结构化数据以回答供应链问题。Mandel 人工智能开发了供应链代理，当供应商交货时间和价格发生变化时，它们会自动更新企业资源计划（ERP）。

展望未来，我们看到这一领域还有更大的增长空间。初创企业正在利用博弈论来模拟采购团队与供应商之间的谈判。LLMs可以自动化供应商沟通的各个方面，如生成采购订单和处理报价请求。

人工智能如何助力提升供应商情报

为了找到最佳供应商，企业必须在合规要求、不同报价和市场变化之间巧妙周旋。此外，拥有多个供应商可以增强供应链在面对如COVID-19疫情或俄乌战争等冲击时的抵御能力。

与简单的搜索框相比，人工智能创造了智能供应商地图和匹配的可能性。Altana是这一领域的佼佼者，它创建了一个涵盖不同供应链层级的智能价值链。企业可以使用其大型语言模型助手查询特定供应商的信息。

百望云推出的供应链协同解决方案，通过人工智能技术实现了供应链端到端的协同管理，提升了订单、物流、对账、发票等交易数据的协同效率。该系统还利用大数据分析和预警评价模型，实现了对供应商的实时风险监控，增强了供应链的稳定性。

大唐犀维电商利用大模型自动识别资质、证照，通过OCR、NLP自然语言理解，联动第三方网站进行验证，训练了近80种常见资质以及业绩合同的智能评审模型。这一人工智能招投标助手能够自动审核标书，大大提高了招投标过程的效率和准确性，降低了人为错误的风险。同时，这也为供应商提供了一个更加公平、透明的竞争环境。

需求计划超越历史数据

预测供需变化可以防止供应链中断影响到消费者。传统的计划软件主要依赖历史数据进行预测。虽然这种方法具有一定的准确性，但在市场和地缘政治条件快速变化的世界里，它可能远远不够。

幸运的是，人工智能可以改进计划能力，因为它能同时考虑历史数据和当前市场趋势。研究还表明，人工智能能够通过识别异常并将其分类为相关或非相关，来检测“恐慌性购买”实例，如疫情期间的厕纸抢购。这些计划算法可以为企业带来有意义的成果。

据 Mckinsey公司的调查，人工智能驱动的预测可以将供应链网络中的错误减少30%至50%。准确性的提高可将因库存缺货而造成的销售损失减少65%，并且使仓储成本降低约10%至40% 。

为了在各类实体店和在线渠道之间优化库存，需要实时分析顾客的购买行为，以尽量缩小供需差距。宜家开发了一款创新的需求感知工具，这是一款基于人工智能的工具，利用历史数据和新数据提供准确的需求预测，进而优化库存水平，确保顾客购物体验的一致性。

为了更智能、更有效地生成预测并预估未来需求，该工具针对每种产品利用了多达200个数据源。该系统考虑了各种影响因素，如节日购买偏好、季节变化对购买模式的影响以及天气预报等。它甚至可以检测到某个月份店内访问量的增加。

用人工智能重塑供应链

根据 2025年国际创新晴雨表 （IIB），人工智能已经从一项新技术发展成为全球创新战略的基本组成部分。

人工智能不再只是未来的工具——它已经改变了当今企业的创新方式。从自动化日常任务到以前所未有的速度分析数据，人工智能正在帮助企业提高效率、降低成本并加快研发工作。

调研数据显示，大多数企业（约 65%）将不到20%的创新预算分配到人工智能技术的应用上，预算分配比例最多的范围是6%到10%之间。

供应链作为一个领域，具备两个使人工智能初创企业看到巨大机遇的因素：孤立的软件管理系统和大量的非结构化数据。无论是在采购、供应商情报、需求计划还是其他领域，我们相信人工智能将在未来几年内革新并加强供应链。