改善供应链中的决策是一项战略性工作
库存管理、采购和预测是大型软件提供商（如 SAP、Manhattan Associates 和 Blue Yonder Group 等）投入大量资源的主要领域。毫不奇怪，人工智能（AI）处于核心地位。
生成式 AI：从数据压缩到内容创造
供应链中充斥着数据。解读这些数据并迅速得出结论是推动竞争的关键。传统 AI 的特点在于其能够将信息（主要是数字）压缩为更少的数字。然而，在那一步骤之后，需要人类介入来处理结果。生成式 AI 是指算法（在传统 AI 内部）创建和生成输出的过程。这可以包括照片、视频、3D 渲染以及“建议”。由于像 ChatGPT（一款通用聊天机器人）这样的程序并非 100% 准确，“建议”一词的含义仍有待诠释。然而，其支持者认为，人类也并非完全准确。
行业巨头的探索与实践
聊天机器人的未来既令人兴奋又令人不安。据传，雀巢正在考虑如何利用聊天机器人和生成式 AI 来评估公司的安全性。与此同时，位于亚特兰大的 Manhattan Associates 也在思考如何利用 ChatGPT 来简化其仓储和运输运营。理论上，通过生成式 AI 机器人和对公司数据的无限制访问，可以更快速、或许更准确地回答诸如“客户 A 的二月货物在哪里”之类的简单问题。
早在 2019 年底，医疗系统和消费电子产品制造商皇家飞利浦需要增加医疗设备（特别是呼吸机）的生产。为此，他们需要缩减其他领域的生产。该公司转向 AI，因为在大流行初期，随着预测模型变得越来越复杂，AI 被用来模拟这些影响。其准确性相当甚至优于传统模型，这正是下一代 AI——生成式 AI——的潜在力量。
能力背后的挑战与隐忧
ChatGPT 面临的最大挑战是其强大的能力。虽然供应链管理确实可以得到加强，但使用 ChatGPT 和类似聊天机器人的员工本身却让管理层感到担忧。一些人担心共享的数据（可能会泄露或受到损害）。Fishbowl 在 2023 年 1 月对大约 12,000 名工人进行的一项调查显示，超过 40% 的人在使用 ChatGPT 和其他 AI 工具时未告知上司，近 70% 的人表示他们这样做时没有告诉老板。
结语
这一新一代 AI 已经到来，但要解决供应链瓶颈，将依赖于以前难以想象的数据释放。