前沿 | 人工智能和认知计算 重塑数字化运营-

根据我们的全球研究数据，我们甄别出700多家业绩出众的企业（占样本总量的12%)，并且它们的财务业绩优于其他企业。这些企业分布在多个行业，过去三年的年度收入增长和利润增长均在5%以上。我们根据效力和效率对公共部门企业进行了排名。

88%业绩出众企业的高管指出，人工智能是行业的大势所趋。在这些受访者中，足足有95%的业绩出众企业将人工智能视为他们创新成功的核心要素。

COO和CSCO们寄希望于人工智能和认知计算，来解决他们许多的端到端供应链流程挑战，而财务业绩出众的企业对人工智能的投资力度更大。这些技术的最常见应用场景就是用于从供应到生产到客户供给过程中的材料质量、预防性维护和风险管理工作。

机器学习逐渐发展成为运营技术产品组合中的主流。新产品的基线预测有助于确定新产品上市和营销计划。当用于检测需求信号时，人工智能可以确定多变的需求行为，优化库存水平和补货计划，支持实现连续循环的产品生命周期管理。

最后一个协同决策流程是销售和运营规划。企业可以将人工智能应用于销售和运营规划以及其他大量供应链数据池，以管理需求波动、供应约束、生产安排以及动态配送问题。人工智能可以通过分配资源、调派人力和安排流程，增进人类互动。

机器学习功能利用算法处理海量运营数据源，发掘相关洞察，跟踪和预测供应链中断情况，帮助更深入地了解日常运营状况。这些功能还可以针对意外事件和运输中断提出备选行动方案建议。结合天气数据和运营数据可以预测潜在问题，根据推荐的行动方案向运输和物流服务人员发送警报。

在生产制造方面，配置人工智能软件的协作机器人可以“看见”他们的工作环境，在生产过程中以安全的方式在协同工作的人类周围进行移动。

在我们的研究中，我们针对以下三个不同复杂程度的供应链领域应用人工智能这一能力的优先任务、计划和目标提出了一系列不同的问题。

•产品开发

•采购

•生产制造

优先任务表示影响企业运营状况的业务和竞争挑战以及最新趋势。计划即为企业正在开展以及未来三年打算开展的技术、流程和人员投资计划。目标表示侧重于智能的那些措施，高管们对这些措施划分优先顺序，旨在实现投资收益最大化。

各行各业的高管们在适时向适当的客户交付适当的产品问题上面临着诸多挑战。为了将创新产品推向市场，他们需要克服将各种新技术能力（比如物联网、无人机和机器人）与企业云应用结合起来的挑战。许多产品研发高管正在尝试将认知计算能力嵌入到他们的产品和运营当中。认知计算可以为产品研发、市场分析以及产品生产提供支持。

首席采购官（CPO）关心的是如何维持全球供应链网络的健康运营，他们面临着越来越大的监管和安全风险压力，同时还要转变自身的运营模式以实现收入增长。但是在他们的企业内部，有大量数据埋没在内部合同和交易系统中；在外部，海量宝贵数据则掌握在监管机构手中，而这些数据可以用来获取更深入的采购洞察。借助认知计算功能来解析非结构化数据（比如，新闻订阅源和社交网络），可以增加对供应风险评分和供应商业绩的了解。

CPO们表示，他们未来三年的三大技术投资重点领域将是认知计算、云计算以及预测性数据分析。进一步而言，超过三分之一的CPO将在此期间通过这些投资开展供应链管理转型。他们正在寻求利用“寻源到结算”流程安全实时地处理交易，同时提高预测性分析在全球库存优化方面的应用水平。我们发现，对于许多行业，尤其是制造和配送行业，获取有关采购和供给职能部门的可视性、洞察力和理解力非常关键。

这些投资的预期回报包括运营效率提升、收入增长和运营模式转型。认知技术可以提供所需要的全面可视性，帮助获得有关供应链中断和风险的真实洞察。在理解能力得到提升之后，采购专业人员可以预测异常事件，提前布置计划。事实上，40%的CPO预计，认知计算将在风险缓解、费用分析、全球物流和配送方面带来更多价值。

生产制造领域的高管正在致力于与产品开发同事携手并进，将创新产品推向市场，推动企业实现发展和盈利。他们迅速地实施基础的物联网和云技术，并大力利用自适应机器人此类的自动化技术。现在，该行业正在积极采用新一代自动化创新技术-利用人工智能实时制定生产决策。

举例来说，在汽车生产中，当传感器发现缺陷时，它会将数据反馈给云生产应用，而该应用则将立即请求将缺陷部件脱离生产线，并替换为已安排好的备用部件。

随着自动化技术受到COO和CSCO越来越多的关注和投资，人工智能和认知计算旅程也随之向前推进。自动化技术包括软件机器人，比如应用编程接口(API)、算法以及机械机器人。最新成果是自适应机器人-与认知物联网互联的智能机器-可以用于帮助打造个性化产品和服务，改善运营，降低成本并提高效率。

当与更加强大的物联网生态系统相结合时，自适应机器人可以从其他互联设备中学习，定期改进自己的行动。为了改革供应链，财务业绩出众的企业不断加大对基础技术的投资力度，同时继续投资自动化技术。

人工智能和认知计算在不同程度上提高了供应链各个环节的管理水平。在当前的应用场景中，最为显眼的当属自动化技术在事件和紧急响应、资产管理和全球网络设计中的应用-所有这些都是为了实现积极主动的预测性响应能力。但是在不久的将来，运营高管会制定一系列重大计划，以全面转变他们在需求、风险和安全管理以及客户体验方面的能力，这也验证了未来事业要以客户为中心的观点。

以上各种成功案例证明了应用人工智能来进一步实现设备和运营流程自动化可以带来的潜在价值和创新机会。简而言之，开拓型领导者正在打造更加智慧的运营，以期实现以下目标：

• 增加收入，打入新市场

• 提高运营效率和敏捷性

• 提高创新能力，获得竞争优势

过去几十年间，我们已经将供应链流程从“感知和响应”模式转变为“预测和行动”模式。现在，供应链具备了感知、理解、响应和学习能力。人工智能是新一代供应链管理工具，将支持实现无与伦比的卓越运营。

实现成功的认知型或学习型供应链之路似乎很漫长，乍一想会令人灰心气馁。这个旅程与大多数旅程一样，必须进行战略规划，根据路线图执行计划，进而实现价值。通过与全球各个行业成功实现数字化变革的企业开展合作，并对他们的变革之路进行调查，我们制定了一套行动方案。

根据财务业绩出众的企业和最高运营高管的描述，我们了解到将业务战略与运营模式整合起来有多么重要。但是许多企业缺乏有关数字化运营的清晰战略愿景和计划。我们的分析表明，大多数经济实力强大的企业都会遵循转型路线图。

该路线图应该包括一个包含诸多创新和启动项目的计划。想象一下，研讨会利用设计思维，通过头脑风暴会议和可视化的运营用例，了解消费者、客户和同事。此外，还要确保这些措施与目标运营模式和生态系统战略保持一致。

运用人工智能的供应链用例示例可能包括：

• 可承诺量：利用实时客户需求和环境数据，更好地协调承诺日期、实际日期与要求日期的一致性。

   

   

• 上架策略：结合互联化材料处置机器数据、空间和位置数据以及现有的产品数据，优化库存储备规则和策略。

• 生产路线确定：利用机器数据、能源消耗、客户细分、需求和销售活动数据，加强先进流程控制(APC)，从而排列和安排生产流程和路线，并在必要时快速响应市场变化。

• 安全库存规划：利用来自供应商和客户的其他独立系统信息，更加细致地优化安全库存水平。

利用敏捷开发方法，根据用例创建原型。提高能力，继续构建和部署企业云应用支持的物联网产品和运营控制设备，以便获得实时洞察。清晰阐述影响和业务用例。此外，还要开发记分卡，以监视原型实施过程。

数据-一切始于数据。制定数据战略，锁定需要的数据，解决用例中确定的运营问题。确定合适的数据集以解决挑战。我们根据不同职位的高管们的回答了解了哪些是最重要的数据集。

现在，天气以及其他非结构化数据可以得到自动分析，以提供深刻洞察，甚至是行动方案。举例来说，英国某家建筑管理公司利用认知物联网解决方案，帮助客户预测天气情况，远程调整他们的建筑系统，将采暖成本降低达50%，实地考察次数减少90%。

这项工作本质上具有多变性，数字化技术与此有重大关系。企业和机构将需要具备数字问题解决技能的员工，提高绩效水平和创新能力，以推动在竞争激烈市场中实现发展、增长和成功。基础计算技术和数学背景构成大部分人工智能方案的基础。常用的知识和技能集包括：

• 不同水平的数学知识，包括概率、统计、代数、微积分、逻辑和算法

• 贝叶斯网络或图形建模，包括神经网络

• 物理学、工程学和机器人学

• 计算机科学、编程语言和编码

• 认知科学理论

此外，了解数据分析和机器学习工程之间的不同也非常重要。数据分析通常侧重于传播-图表、模式和视觉效果-将这些呈现给人类，以获取切实可行的洞察。而机器学习工程带来的最终结果是高效运行的软件，受众通常是其他软件组件，可以自动运行，最大程度减少或无需人为干预。切实可行的情报可以转变为由机器制定的决策，同时这些机器会影响产品或服务的性能。

本文中的许多公司表示，他们通过与认知能力中心进行互动(CCoC)，帮助树立意识，培养技能，构建最佳实践并制定沟通计划，从而更加高效地部署他们的人工智能和认知项目。认知能力中心是企业中的共享服务部门，能够提供有关认知技术和认知应用的专业知识。其终极目标是支持路线图，传达人工智能和认知议程，推动实现更卓越的供应链。