埃森哲年度变革脉动指数（Pulse of Change Index）显示：2023年，由于生成式AI（人工智能）的迅猛发展，技术已经跃居为最重要的商业颠覆力量。我们的分析还表明，生成式AI可以助力企业实现业务操作自动化或是大幅提升员工能力，从而优化并重塑整个供应链职能43%的工作时间。（点击蓝字，了解更多）

优化供应链各个职能

对于首席供应链官（CSCO）来说，生成式AI的潜力贯穿了供应链的所有运营环节，从新产品开发、采购与计划、制造与物流，一直到售后支持与服务。埃森哲分析发现，在122种供应链流程中，有近六成（58%）可以借助生成式AI进行重塑。

设计与工程

在基于模型的系统工程等领域，生成式AI可以有效利用历史数据，迅速创建新的设计和模型，从而节省设计人员的工作时间并减少重复劳动。

在包装设计环节需要考虑多种因素，生成式AI可以兼顾可持续性、运输便利性、耐用性、监管要求、品牌等维度的复杂因素，快速提供多重设计概念（采用2D或3D形式），并提出包装文案和营销建议供员工审核，以确保符合产品和法规要求。

计划

尽管许多企业已经实施了高级分析解决方案，以增强和优化供应链计划，但这些工具的复杂性和对专业知识的要求，意味着其实际应用往往颇为困难。借助生成式AI，员工可以在简单易用的界面上用日常语言查询优化建议，获得易于理解和行动的解释说明，从而彻底改变洞见的获取方式。

采购

当下，寻源与采购团队通常需要在战略协调、寻源采购和数据校正方面花费大量时间，而生成式AI可以简化运营、弥合信息缺口并扩大数据访问源，更迅速地形成洞见并简化过程。

埃森哲运用生成式AI构建了一款智能采购与签约工具。它能够分析业务需求、历史合同和招标模式，建议恰当的采购策略，帮助采购经理与供应商谈判。该工具还可推荐合同条款和细则，确保在谈判中达成最佳结果。

制造

在IT数据与运营和工程数据整合的基础上，生成式AI有望帮助企业在制造过程中实现始终如一的高质量和卓越运营——特别是在资产维护和为员工提供可操作的预测性洞察等方面。此外，经典人工智能和生成式AI的结合，也可以帮助简化预测性维护、实时数据分析和故障诊断等流程。

履约

通过将生成式AI纳入整体的数据成熟度与自动化提升议程，企业可以获益良多。比如，打造超个性化的客户体验，以及基于大量全渠道数据生成洞见，从而挖掘新的创收良机。

服务

企业的服务领域普遍高度分散，资产和资源区域化或全球化分布，并且严重依赖与供应网络其他部分的协调。面对由此而产生的海量信息，生成式AI能够通过覆盖更广泛的数据源，来进行全方位的快速扫描——包括以往难以处理的非结构化数据，进而提供更深入的洞见。

埃森哲帮助一家大型汽车公司成功利用生成式AI增强了客户支持。我们创建了一套智能事故解决助理系统，可以汇总事故资料、侦测已知问题、建议解决办法并撰写客户回复，助力客户支持人员获取场景信息并更迅速地处理事故。

创造跨职能的增量价值

除了对供应链传统功能的重塑，生成式AI还有望孕育出大量超越单一供应链职能的效益增量。

• · 可持续

企业当前面临的供应链可持续性和社会责任要求愈来愈高，然而由于信息的分散性，数据收集和分析挑战非常艰巨，工作往往进展迟缓。生成式AI的出现为此提供了解决之法。

埃森哲与一家全球制药公司合作，加快供应链脱碳进程。我们创建了一款生成式AI解决方案，可以通过搜索数千个供应商网站来提供近乎即时的洞见。该公司借助这款方案，仅用一小时便可确切知晓，设定了科学碳目标的供应商数目已超越既定目标。

· 智能工作方式

生成式AI最具革命性的能力之一，就是能让人们更轻松、更全面地处理和利用非结构化数据。我们可以将其视为“超能导航系统”，这将赋能供应链高管及其团队重塑工作方式。

例如，生成式AI远超人类的非结构化数据大规模转换能力，有助于需求计划和供应链韧性管理团队洞悉市场发展趋势，包括快速分析市场数据以了解和预测原材料的价格变化、掌握消费者对促销活动的反应，以及将全球性的中断事件与供应商交付周期联系起来。

· 韧性

在管理供应链中断方面，首席供应链官面临的主要挑战之一便是全面了解他们的N级供应商体系，并评估这些供应商是否潜藏着风险和漏洞。生成式AI可以通过分析更为庞大的非结构化数据（如新闻来源、视频、聊天流量等），来增强只能分析结构化数据（如交易报告）的现有人工智能解决方案，从而更加深入地了解供应商网络。

埃森哲构建了一款依托OpenAI GPT模型的N级供应网络导航，通过提供实时洞见、回答特定查询和促进数据驱动型决策，帮助采购经理分析供应商网络数据。管理人员可以快速轻松地利用该工具，确定供应网络中的脆弱点——比如处于冲突地区或自然灾害地点的供应商。

· 以客户为中心

生成式AI可以构建准确、易用的聊天机器人界面，这在建立更加以客户为中心的供应链方面有着诸多用途。企业能够借此革新与服务相关的呼叫中心体验，具体可以包括预测客户意图，及创建量身定制的讲话语气——这在处理投诉时尤其重要。

· 人类潜力

通过合成数据、理解自然语言、将非结构化数据转换为可操作的见解，生成式AI正在普及重新设计业务流程的能力，支持从一线人员、实验室科学家到设计专家的所有人都能重塑自己的工作流程，使基于语言的工作更为快速轻松。生成式AI还可用于编写量身定制的学习材料，帮助团队新成员顺利入职和提升技能。

开启征程

当踏上生成式AI转型之路时，我们建议首席供应链官发力几项关键举措。

1、做好数据准备

定制和优化大语言模型需要大量数据，因此成熟的企业数据战略是生成式AI转型的重要前提。与同行相比，那些积极构建强大供应链数据能力的企业将拥有重要的领先优势。

生成式AI本身就可用于管理企业的数据通道，加速提升数字化成熟度。企业可以利用此项技术从供应链数据中自动合成和提取知识，包括大幅简化和最大限度地利用非结构化数据。

2、负责任地使用

从潜在偏见和有害结果，到安全和数据漏洞，再到准确性质疑和用户信任，生成式AI标志着企业风险格局前所未有的转变。正因如此，从行动伊始就采用负责任的方法极为必要。

十余年来，埃森哲始终致力于打造负责任的人工智能框架。我们针对生成式AI更新了框架，并构建起四大关键支柱：原则与治理；风险管理、政策和控制；技术；人员、文化和培训。该框架现已延伸覆盖了埃森哲遍布全球的70多万名员工。

3、聚焦人员与流程

埃森哲的分析表明，15种供应链职业中，有7种职业超过一半的工作时间将受到生成式AI的影响。包括采购经理和采购员、生产、计划和催货员、工业生产经理、物流人员等，其影响方式为不同程度的自动化和能力强化。

供应链高管及其员工都有责任从两个维度上理解并计划这场工作方式重塑：哪些任务可以实现自动化或增强，哪些人员需要提升技能才可以有效地利用生成式AI。通过分析这些因素，企业可以厘清此举对于员工的不同影响，并为其制定相应的技能提升计划。

4、对供应链特定岗位工作的改变

生产、计划和催货员以及采购员的职责将很大程度地受生成式AI影响。然而，这种显著的变革概率并不一定等同于失业。相反，这表明他们的工作有相当一部分可以借助生成式AI技术得到加强。

例如，34%的采购员任务可以交由生成式AI完成，包括评估数据的质量与准确性、确定商品和服务的价值或价格等。引入生成式AI可以使这些专业人员将时间重新分配给更具附加价值的活动当中，从而提高工作的整体效率和生产力。

为了以一种推动创新并丰富员工体验的方式重塑工作，企业不仅需要提升员工的生成式AI核心技能，还应兼顾其他方面的发展，例如使工作具备使命感、加强信任，以及关注情感、身体和财务健康。埃森哲研究还发现，对于确保采用生成式AI并以此创造价值来说，软技能正变得日益重要，而那些在工作重塑方面处于领先地位的企业也更有可能优先增强此类软技能，他们这样做的比例高出其他企业近一倍。

5、激活生态系统

生成式AI要求企业更广泛地与技术生态系统建立合作伙伴关系。这与企业整体架构密切相关，企业需要使其数字核心具备更高的敏捷性和灵活性。

埃森哲正在与微软（Microsoft）合作，帮助企业在供应链中部署生成式AI，引入并扩展其颠覆性的强大能力，包括功能不断延伸的埃森哲物流控制塔解决方案——通过识别新闻快讯中的非结构化数据，帮助运营人员预测延误、减少中断。

生成式AI和传统AI的结合，正在为供应链打开充满无限可能的新世界。这种优势互补的技术应用方法有望加快洞察速度，从过去的线性供应链重塑成为面向未来、真正互联的智能供应链。