1、成式AI时代的供应链转型化潜能为实效埃森哲年度变脉动指数（Pulse of Change Index）显：2023年，由于成式AI（智能）的迅猛发展，技术已经跃居成为最重要的商业颠覆量。成式AI具有独特的能，能够影响整条价值链，进重塑企业并激发新的增潜。埃森哲技术展望2024报告揭，95%的受访企业管认为，成式AI将倒逼企业更新升级技术架构。令供应链管欣喜的是，这场技术命也为其所在领域的作式创新带来了诸多可能。本将通过前瞻视探索端到端供应链中潜藏的机遇。从采购与计划，到产与履约，再延伸售后持与服务，我们看到了成式AI的诸多武之处。我们还发现，该技术可以创造显著的跨部价值，包括增强供应链的可持续
2、性和韧性、优化才管理并强化以客为中。虽然成式AI带来了巨的机遇，但要真正实现这些价值并仅靠简单的技术实施就能完成。企业必须为此展开转型，改变利数据、才和作的固有式。此外，负责任且安全地部署成式AI也关重要。通过积极拥抱这场变，供应链管可以从容驾驭成式AI掀起的时代浪潮，推动供应链创新，使之惠及企业、类和地球环境。这是条令振奋的征途，我们将在前进之路上与您携同。克斯蒂默曼斯（Kris Timmermans）埃森哲供应链与运营业务全球总裁2ChatGPT于2022年底推出以来，成式AI技术已席卷全球。各各业以及企业的各个职能部均在探索各种可能性，不断开启并利智能的创新变潜。量潜在的应模式已引起了企
3、业管理者的注意。我们的研究发现，97%的管员认同，成式AI语模型（LLM）将为其所在企业带来变。全体受访者致预期，员队伍会因此变。2这对供应链管来说是项福。因为语模型的能并不局限于编码、内容创作或营销等。它们在端到端供应链中也能够显。从新产品开发、采购与计划、制造与物流，直到售后持与服务，每环节都可以获益。埃森哲的分析表明，成式AI可以助优化整个供应链职能部43%的作时间例如通过实现业务操作动化（29%）或是幅提升员能（14%）。1鉴于全球供应链从业员的庞规模，这种潜在的累积价值对企业将极为可观。3所有的席管都在着厘清些基本问题。围绕成式AI的炒作有多少可信度？其灿烂的应前景能否转化为可扩展的
4、解决案？前的哪些应模式可以真正带来价值？领导者如何收集数据，并使企业做好把握机遇的准备？成式AI擅于执语相关活动，我们将在本后续部分详细探讨。然，供应链管也必须认识到，尽管它在擅的领域中能突出，但并不适合所有任务。特别是，对于更专注于数据处理或需要更级别复杂推理的供应链活动，其直接影响较有限。因此，我们建议企业以更泛的视野看待成式AI将其作为动化功能综合系统的组成部分，该系统包括传统的流程动化、经典的机器学习模型，以及新的语模型。企业已普遍认识到了成式AI的潜并在积极尝试。但我们的变脉动季度调研显，迄今为只有三分之的受访企业为此进了规模投资。原因何在？4整条端到端供应链中都潜藏着实实在在的价值
5、。但若想获取效益，企业必须深刻转变创造价值、作和协作的式。这意味着，不能将成式AI视为软件部署列表中个常规项，是要从端到端的业务能出发，实施企业级的全维度转型，并且明确数据、员、作式、流程和负责任的应等领域将受到哪些影响。埃森哲观点成式AI的成功应，需要企业在数据、员和组织做好万全准备。成式AI正在助推企业重塑，从过去的线性供应链跨越向未来、真正互联的智能供应链。在此前供应链管理智能技术的基础上，成式AI提供了系列全新能。56情境理解。供应链管理者可以利成式AI，从过去法访问的结构化数据来源中获得情境化洞，据此制定更完善的决策。这的实例包括：扫描量公开的在线资源，以此明确决定未来需求的根源，从
6、改进预测；或者将成式AI嵌供应链控制塔当中，增强与数据的交互，提可解释性和信任度；成式AI还可以与现有的动化流程相结合，幅简化供应链活动。这些能与现有的智能、机器学习模型和作平台结合在起，将更好地撑企业优化和供应链运营升级，解决紧迫的供应链挑战，并最终确保供应链给企业、类和地球环境都带来更加积极的影响。对话能。供应链从业者能够借助成式AI，基于聊天机器常语互动，获得定制化洞并动执作任务。例如，聊天机器能够帮助寻找特定备件，并在缺货的情况下向选供应商发出采购通知或进叫货。其他应式还有：动成采购订单等档，向制造员开展培训和提升技能，以及维护保养和故障排除。内容成。成式AI有望按照需求，以产业化规模
7、创建富有相关性、针对特定情境的本、代码、图像或解。前，寻购和采购领域的应式最为有效，例如动成针对特定供应商的洞（关键绩效指标、市场趋势、需求预测）来持与供应商的合同续签谈判，以及制定情境化的业务运营绩效指标。对于席供应链官（CSCO）来说，成式AI的潜贯穿了供应链的所有运营环节，从设计和计划直到售后持与服务。埃森哲的分析表明，在122种供应链流程中，达58%可以借由成式AI进重塑。378设计与程在基于模型的系统程等领域，语模型将不断增强并加快设计员的作。通过有效利历史数据，成式AI解决案将迅速创建新的设计和模型，节省时间并减少重复劳动，这在设计迭代期间效果尤为明显。包装设计就是利该技术的典型领
8、域。这项作需要考虑多种因素可持续性、运输便利性、耐性、监管要求、品牌等等，通常会消耗量时间和有限资源。同时，对于型产品组合来说，记录和检索包装信息也变得越来越困难。成式AI可以提供多重设计概念（采2D或3D形式），并根据汇总的设计信息提出合适的包装案和营销建议。随后由来审核这些概念，确保符合产品和法规要求。成式AI对物制药企业的助也格外强劲。Terray Therapeutics公司正在利成式AI新分药物的发现法。该公司打造的COATI化学基础模型可以将化学结构转化为数字展现形式，这样成式AI便可设计出经过优化的新型分。49计划许多席供应链官已经实施了级分析解决案来增强和优化供应链计划。然，这
9、些具所输出洞的复杂性，连同将洞转化为具体操作所需的专业知识，都意味着它们的实际应往往颇为困难。成式AI有望彻底改变洞的获取式，这不仅体现在供应链计划，络设计优化等领域中亦是如此。通过简单易的界，员可以常语查询优化建议，获得易于理解和动的解释说明。这为众多供应链员提供了重要的解，同时也提了对数据的信任度，使领域专家的动速度不断加快。同时，我们可以利成式AI，将更泛的结构化数据来源（例如市场报告、新闻汇总和社交媒体）纳预测分析。该技术还能跨越销售和运营计划，持更加协作和精简的作式即时总结会议得出的动要点，将计划与实际结果进较，构建关键指标监测板，甚是成计划草案。计划员从可以节约出宝贵时间，投更具战
10、略性的任务。10采购当下，寻源与采购团队普遍临动流程低效、类别多样化和系统集成问题等挑战。他们皆在战略协调、寻源采购和数据校正花费了量时间，成式AI带来了契机，它可以简化运营、弥合信息缺并扩数据访问源，更迅速地形成洞并简化过程。该技术还开启了超动化的可能性。各种不同形式的动化系统被连接在起，纳到主平益提升的单规模系统当中，其中包括现有的机器学习算法和流程动化具，以及新的成式AI。这有望解放团队产，使他们能够从事更有价值的作并提整体效率。零售巨头家乐福（Carrefour）正在利成式AI改善内部采购流程。公司正着开发项解决案，以帮助员更快地完成招标书起草和报价分析等常作。511试想下，每名业务员
11、都将配备由成式AI驱动的采购助理。当他们需要采购时，助理可以引导他们找到合适的渠道，现货买或直接叫货，并在必要的情况下，联系专业员来处理交易事宜。合同成等繁重的本作也将显著受益。成式AI解决案可以分析量结构化的采购信息，如历史合同、采购政策和产品规格，确定常模式和要求，从即时成新合同初稿，供采购团队结合专业知识进审查和完善。在提案邀请书（RFP）起草，成式AI不仅可以对信息邀请书（RFI）、RFP和报价邀请书（RFQ）的历史资料做出微调，还能够起草这些邀请档，审核并较供应商提交的回复。此外，成式AI快速总结各种市场情报的能也有助于寻源和品类管理等上游采购活动。埃森哲运成式AI构建了款智能采购与
12、签约具。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。该具还可推荐合同条款和细则，确保在谈判中达成最佳结果。12制造企业若能将IT数据与运营和程数据整合在起，成式AI便可帮助他们在制造过程中实现始终如的质量和卓越运营特别是在资产维护和为员提供可操作的预测性洞察等。与此同时，它还可以为产品设计和质量监控提供新的解。例如在管理，资产维护团队经常需要处理复杂的流程和量与特定资产相关的档。成式AI可以解读所有这些信息，并将其总结为系列逻辑步骤，作为作订单的组成部分。这意味着，全体员都可随时查阅这些专业知识，不仅提了运营绩效，还能增强作满意度。就维护计划，许多重业
13、企业正在转向基于险的检验（RBI）法来释放价值。但是此类检查计划的制定，连同预防性维护和操作员的常护理，仍然属于度依赖劳动且不断重复的密集型流程。这套流程需要技能常娴熟的现场程师创建计划档，并由领域专家完成审核。然，成式AI可以针对设备类别或特定设备编写详细的维护作业计划，且准确性和完整性很，这就减少了创建和审核关键计划档所需的时间。随着数据可性和可信度的提，成式AI还将越来越多地利数字孪运营系统获取丰富洞，加快问题诊断和根本原因分析。经典智能和成式AI的结合，有望通过简单便捷的问答界使信息更易于使，以此简化对于预测性维护洞、实时数据分析和故障诊断情况的访问。品控和合规亦属于受益领域。甚在制药
14、等受到严格监管的业，企业也在探索如何利成式AI监测多个数据源，以识别冷链管理中的违规为，并动填写合规档以供专家审查。成式AI还可以起草内容准确的技术件，从显著减少创作作量。例如在航空航天业，它可以加快法定技术档的制作，包括作/组装/维修说明、册、保修信息和使说明（IFU）等。13履约疫情引发的供应链中断迫使企业转变供应链运营式，着提韧性、相关性和责任管理平。领军企业正专注于改善预测能，同时部署运输管理系统（TMS）、仓库管理系统（WMS）和仓库动化/机器技术，由此提升敏捷性和效率。通过将成式AI纳整体的数据成熟度与动化提升议程，企业可以在履约获益良多。这包括增强超个性化的客体验，以及基于量全渠
15、道数据成洞，从挖掘新的创收良机。负责履约作的员还能利成式AI，将结构化信息（如天预报和竞对活动）等更泛的因素纳考量，找出优化运输管理和改进预测的法。譬如，由语模型驱动的进出档成器能够新运输和出流程。成式AI可以全收集多模态的结构化信息，包括内部历史记录和政府法规，并且涵盖了pdf档和便笺本记录等各种格式。随后，它可以动填充运输和出档供专家员审查和验证，从减少出错机会，并且节省时间和精。14服务提供服务仅仅提供产品，许多企业已逐渐实现这标。然，服务领域仍普遍度分散，资产和资源区域化或全球化分布，并且严重依赖与供应络其他部分的协调。不仅如此，执服务导向型战略还需要采更加前瞻性的法，预测和响应每位客
16、的需求。成式AI可以产改变市场规则的影响。它能够覆盖更泛的数据源来扫描量信息包括以往难以处理的结构化数据，进提供更深的洞。从地理位置到天状况，从客活式到个使模式，这些信息都可以与经典的智能技术相结合，在全球范围内实现真正对的服务体验。举例来看，埃森哲帮助家型汽公司成功利成式AI增强了客持。我们创建了套智能事故解决助理系统，此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回复，助客持员获取场景信息并更迅速地处理事故。价值增量潜巨对席供应链官，成式AI时代有望孕育出量超越单供应链职能的效益增量。16可持续企业当前正承受着压，必须在提供应链可持续性的同时，更准确地报告企业社会责任承诺。然，
17、由于信息分散在多个来源和可持续领域，团队临乎法克服的数据收集和分析挑战。因此，这项作往往进展迟缓，需要领域专家进量的动作。因此我们毫不意外地看到，63%的受访席执官表：缺乏贯穿整条价值链的环境、社会和公司治理（ESG）数据测量是项关键挑战。6但成式AI为此提供了解决之法。例如，埃森哲与家全球制药公司合作加快供应链脱碳进程。该公司的团队已花费了数年时间收集数据，以了解究竟有多少家供应商建了科学碳标（SBT）。埃森哲创建了款成式AI解决案，可以通过搜索数千个供应商站来提供近乎即时的洞。仅时，该公司便可确切知晓，设定了科学碳标的供应商数已超越既定标。成式AI在可持续发展还有许多其他应范例，包括为企业
18、定制带有任务优先级的脱碳路线图、以及完善范围3排放报告。例如，将企业出与排放量加以精确匹配，前仍是项耗时费的任务。埃森哲开发了种成式AI解决案，能够筛选以多种语记载的数百万出数据，并动将每数据对应相关排放因素，然后交由采购团队审查。曾经需要天的流程，现在可以在短短分钟内完成。17智能作式成式AI最具命性的能之，就是能让们更轻松、更全地与结构化数据互动。如说，我们可以将其视为“超能导航系统”，能够在各种基于语的活动中近乎即时地提供便于理解的数据洞，帮助们更加快速有效地完成任务。这将赋能供应链管及其团队重塑作式。例如，成式AI远超类的结构化数据规模转换能，有助于需求计划和供应链韧性管理团队洞悉市场
19、发展趋势。具体，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。埃森哲针对宗商品开发了款由成式AI驱动的市场观察具，旨在帮助油和天然公司的业务分析师做出采购决策。该具全涵盖了各种结构化和结构化数据，并以数字格式输出关键指标以供进步分析，不仅能节省时间和精，还可通过扩展数据来源充实模型输出信息。18韧性根据埃森哲近期研究，过去两年中，供应链中断导致企业与达1.6万亿美元的潜在收失之交臂。在管理供应链中断，席供应链官临的主要挑战之便是全了解他们的N级供应商体系，并评估这些供应商是否潜藏着险和漏洞。了解这些供应商络的完整结
20、构是提供应链韧性的关键前提。成式AI可以持这些作，通过分析更为庞的结构化数据（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）的现有智能解决案，从更加深地了解供应商络。采购团队还可以利成式AI聊天机器，更轻松地获得解，与供应商合作，了解何处存在需要优先处理的险并做出更有效的采购决策。例如，埃森哲构建了款依托OpenAI GPT模型的N级供应络导航，通过提供实时洞、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络数据。管理员可以快速轻松地利该具，确定供应络中的脆弱点如处于冲突地区或然灾害地点的供应商。19以客为中成式AI可以构建准确、易的聊天机器界，这在建更加以客
21、为中的供应链有着诸多途。以产品设计为例，成式AI不但可以泛分析结构化的客意，例如络上的产品评论和社交媒体情绪表达等，且速度远远超过了以往。然后，分析发现将输到产品设计作流程中，实现客需求与产品开发之间的快速反馈循环。企业可以将语模型与经典的智能系统组合使，新与服务相关的呼叫中体验。具体途可以包括预测客意图，以及创建量定制的讲话语这在处理投诉时尤其重要。语模型还可于总结通话信息、成动计划要点和起草回复内容，使员能够专注于为客服作注类创造和同理，最程度地增进价值。此外，每次新的客互动都将使智能模型掌握更多背景信息，强化输出的相关性和质量，由此提升客保留率。依托成式AI的聊天机器还能帮助客和员更加迅
22、速、轻松地查阅复杂的技术产品档。例如，埃森哲开发了款于管理产品册和指南等技术档的成式AI解决案。它不仅可以持企业更快地起草这些档，还可以简单的语进查询和总结，这意味着乎即就能找到并使所需信息。20重塑类潜史前例地，我们迎来了“性化设计”的新代技术。成式AI的有效性取决于通过性化的输来推动质量的输出论是对于起草电邮件等简单的事项，还是财务预测之类的复杂任务，情况均是如此。这些更加以为中的流程将跨越整条价值链重塑作式。通过合成数据、理解然语、将结构化数据转换为可操作的解，成式AI正在普及重新设计业务流程的能，持从线员、实验室科学家到设计专家的所有都能重塑的作流程，使基于语的作更为快速轻松。成式AI
23、还可于编写量定制的学习材料，帮助团队新成员顺利职和提升技能。然，近半数的创新领军企业已认识到：需要对贯穿整条价值链的流程进重改，能把握成式AI带来的种种机遇加速实现经济价值、提产和推动业务增，同时为们提供更具创造性、更有意义的作。7席供应链官也看到了招募和保留技能才所临的关键挑战。例如，32%的受访者表，因为技能差距或认知匮乏，才稀缺成为了有效利成式AI的主要障碍；36%则认为，由于缺乏对此项技术的深理解，员不会充分接纳成式AI。8但另，多数员（82%）认为他们已切实掌握了该技术，94%的员相信能够拓展所需的技能。9开启征程当踏上成式AI转型之路时，席供应链官必须牢记以下项关键的成功要素。22
24、定制和优化语模型需要量数据，因此成熟的企业数据战略是成式AI转型的重要前提。与同相，那些积极构建强供应链数据能的企业将拥有重要的领先优势。不过，许多企业仍在奋应对挑战，提供应链的数据和数字技术成熟度。现在，他们需要进步扩展数据命周期管理范围，纳量结构化的多模态数据（会议记录、技术档、视频、频、图像等），以及即时程设计法和新的“模型运维（ModelOps）”作式。值得庆幸的是，成式AI本就可于管理企业的数据通道，加速提升数字化成熟度。企业可以利此项技术从供应链数据中动合成和提取知识，包括幅简化和最限度地利结构化数据。这将构建出条循环路径，先使语模型来挖掘和处理供应链数据，然后提供给各种供应链技术
25、应系统，譬如由成式AI持的管理具。不难理解，对于向外部成式AI解决案提供制造、采购等其他供应链关键业务信息，企业将持谨慎态度。因此，严格的数据保留和隐私政策，以及可信的安全防护措施关重要。席供应链官需要权衡在各个应系统中使专有数据来提语模型输出质量的相对险和回报。与能够保证数据安全并提供沙箱型成式AI解决案的合作伙伴联，确保在实施供应链技术时有效地保护数据。23从潜在偏和有害结果，到安全和数据漏洞，再到准确性质疑和信任，成式AI标志着企业险格局前所未有的转变。正因如此，从动伊始就采负责任的法极为必要。员、客和供应链合作伙伴都需要确信，部署的所有智能系统均公平、安全且可靠。埃森哲过去年来直在率先
26、打造负责任的智能框架。我们针对成式AI更新了框架，并构建起四关键柱：原则与治理；险管理、政策和控制；技术；员、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。24虽然成式AI不会取代员或岗位，但在常作中必将发挥越来越重要的作。埃森哲的分析表明，在15种供应链职业中，超过半作时间将受到技术影响的职业达到了7种，包括采购经理和采购员、产、计划和催货员、业产经理、物流员等，其影响式为不同程度的动化和能增强。供应链管及其团队成员都有责任从两个维度上理解并规划这场作式重塑：哪些任务可以实现动化或增强，哪些员需要提升技能才可以有效地利成式AI。通过分析这些因素，企业可以厘清此举对于员的不同影响
27、，并为其制定相应的技能提升计划。作时间分布（按职业和语模型潜在影响划分）以2022年美国就业平排序备注：上述例的计算基于通过机协作式，识别出可能受成式AI影响的作任务。资料来源：埃森哲商业研究院基于美国劳统计局（US BLS）2023年5数据和美国职业信息络（O*NET）数据进的分析。2526%35%25%29%9%37%32%57%30%36%32%30%41%31%19%14%19%10%9%7%6%21%15%19%10%24%24%34%22%18%8%8%35%25%6%9%47%18%29%38%32%26%13%47%5%51%39%29%37%78%48%10%22%17%12
28、%20%12%58%0%20%40%60%80%100%较的动化潜能较低的动化或能增强潜能较的能增强潜能语类任务我们的分析发现，产、计划和催货员以及采购员的职责将很程度地临成式AI的潜在影响分别占他们作时间的72%和75%。然，这种显著的变概率并不定等同于失业。相反，这表明他们的作有相当部分可以借助成式AI技术得到加强。例如，34%的采购员任务可以交由成式AI完成，其中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，等等。引成式AI可以使这些专业员将时间重新分配给更具附加价值的活动，从提作的整体效率和产。重型卡和载重拖司机运输、收货和库管员线产主管和操作员线运输主管和物料搬运员（机货物
29、装卸主管除外）检验员、测试员、分拣员、取样员和称重员司机/销售员买和采购代理产、计划和催货员业产经理运输、仓储和配送经理物流员货运代理采购员采购经理称量员、测量员、检查员、取样员和记录员26成式AI将帮助我们构思出真正创新的作式，单纯优化我们以往所做的事情。为了以种推动创新并丰富员体验的式重塑作，企业不仅需要提升员的成式AI核技能，还应兼顾其他的发展，例如使作具备使命感、加强信任，以及关注情感、体和财务健康。埃森哲研究发现，对于确保采成式AI并以此创造价值来说，软技能正变得益重要，那些在作重塑处于领先地位的企业也更有可能优先增强此类软技能，他们这样做的例出其他企业近倍。11成式AI本就可于对员
30、和流程的重塑作进优先排序。例如，通过分析系列结构化的内部和外部信息，该技术能够帮助供应链计划员提出趋势建议、总结需求、了解跨职能的依赖关系、收集意，并识别员的业务痛点及其临的情绪和职场挑战。27成式AI要求企业以往任何时候都更泛地与技术态系统建合作伙伴关系。随着每家超规模云服务商和众多供应链平台供应商推出或开发成式AI解决案，席管们对着量选择。这些决策与企业整体架构密切相关，因此其数字核必须具备更的敏捷性和灵活性。论是使“即开即”的语模型、还是利数据对其加以微调，企业都需要了解不同场景中每种语模型解决案的相对优势和部署作的复杂程度。席供应链官可以通过些悔举措，率先尝试成式AI具，例如内置于微软
31、Excel等常作软件中的应。埃森哲正在与微软（Microsoft）合作，帮助企业在供应链中部署成式AI，引并扩展其颠覆性的强能。12其中包括功能不断延伸的埃森哲物流控制塔解决案通过识别新闻快讯中的结构化数据，帮助运营员预测延误、减少中断。28我们还重新设计了依托亚逊云服务（AWS）运的供应链“智赢（SynOps）”平台，13帮助企业提供应链韧性并实现以客为中。其中包含的“供应链数字助理”使成式AI来完善计划、识别供应链险并增强物流控制塔功能。与此类似，歌（Google）的主要成式AI产品也能够提供向采购组织的智能合约可性与管理服务，以及助计划员取得定制化解并分析根本原因的供应链助模块。进步针对
32、特定领域的解决案例如持资产管理和资本项设计的具，可能有赖于更级别的内部定制。席供应链官得到的利好消息是，技术正快速进步，新的成式AI模型和服务将纷纷上市。例如，OpenAI推出的Assistants API，使开发员可以更容易地构建的智能助理应程序。14企业还应该贯穿整条供应链运作，考虑成式AI将如何影响托管服务合作伙伴，尤其是在采购等领域中的影响。语模型将越来越多地成为各种托管服务套件中的标准具，显著增强产和体验。服务台功能就是这的典型，语模型驱动的聊天机器可以接收、转交、甚是直接回复越来越多的级查询，极地缩短响应时间。29在很程度上，供应链中成式AI的应仍是个未知领域，有着巨的开发潜。供应
33、链管临的挑战在于超越实验阶段，开始识别并推最具影响的应案例。通过以价值驱动的分析法，供应链管可以充分了解员前的作式，进确定成式AI可以在何处、以何种式交付商业价值和更出的员体验。向更泛态系统中的领先者学习关重要。经验丰富的合作伙伴不仅了解新异的技术，还知晓供应链运营作的独特需求。他们可以帮助将富有前景的创意转化为可扩展的解决案，提常作绩效。30成式AI和传统智能的结合，正在为供应链打开充满限可能的新世界。这种优势互补的技术应法有望加快洞察速度，从强化基于数据的决策过程，这对于提供应链的可持续性、韧性和成本结构转型以及以客为中等具有重要意义。若想规模化地创造价值，企业就必须将成式AI作为企业重塑
34、战略的部分，全融强的数字核当中。这涉及到数据整合、员培训、作流程优化、IT架构改进以及负责任的部署机制等维度。认识到这点的供应链管将迅速动，把握成式AI技术快速发展所带来的机遇将其巨潜能转化为未来供应链管理的实际成果和新标杆。玛丽亚雷伊-斯顿（Maria Rey-Marston）埃森哲董事总经理，供应链与运营业务创新主管杰R拉古纳斯（Jaime R.Lagunas）埃森哲董事总经理，供应链与运营业务数据和智能主管潘峥埃森哲中华区战略与咨询事业部董事总经理，供应链与运营业务主管帕特夏科内特（Patricia Cornet）埃森哲董事总经理，供应链与运营业务履约主管罗伯特富尔曼（Robert Fu
35、hrmann）埃森哲级董事总经理，供应链与运营业务寻购与采购主管克乔治（Mark George）埃森哲董事总经理，供应链与运营业务流程转型主管维克卢斯拉（Vivek Luthra）埃森哲董事总经理，成型市场数据与智能主管凯拉莫拉莱斯（Keyra Morales）埃森哲董事总经理，供应链与运营业务寻购与采购主管英格奥斯特胡伊斯（Inge Oosterhuis）埃森哲董事总经理，才与组织绩效、业X事业部及供应链与运营业务主管布拉德鲍洛夫斯基（Brad Pawlowski）埃森哲董事总经理，供应链与运营业务技术主管蒂亚斯波尔曼-拉尔森（Matias Pollmann-Larsen）埃森哲董事总经理，
36、供应链与运营业务可持续发展主管克斯汀伦克（Kristine Renker）埃森哲董事总经理，供应链与运营业务服务主管艾尔莎桑斯（Elsa Sans）埃森哲总监，数据与智能、价值战略乔纳森蒂珀（Jonathan Tipper）埃森哲级总监，业X事业部成式AI主管歇尔范德维格埃特（Michel Van de Veegaete）埃森哲董事总经理，供应链与运营业务计划主管斯蒂芬迈耶（Stephen Meyer）埃森哲商业研究院级总监，供应链与运营业务研究主管迪帕克坦特（Deepak Tantry）埃森哲商业研究院经理，供应链与运营业务参考资料1.埃森哲商业研究院基于美国劳统计局（US BLS）2023
37、年5数据和美国职业信息络（O*NET）数据进的分析。2.埃森哲变脉动季度调研，2023年10：https:/ BLS）2023年5数据和美国职业信息络（O*NET）数据进的分析。11.埃森哲“企业全重塑”专题调查，2023年1011。12.埃森哲新闻稿，“埃森哲与微软拓展合作，帮助企业加快动，负责任地采成式AI”，2023年621：https:/ Song等全位服务。基于卓越的服务能、共享成功的企业化，以及创造360价值的承诺，我们帮助客实现企业全重塑，并建久互信的合作关系。同时，埃森哲以360价值衡量，为客、员、股东、合作伙伴和整个社会创造美好未来。埃森哲在中国市场开展业务37年，拥有约1.
38、6万的员队伍，分布于北京、上海、连、成都、州、深圳、杭州、港和台北等多个城市。作为可信赖的数字化转型卓越伙伴，我们不断创新、积极参与商业和技术态建设，致于帮助中国的企业和组织把握数字化机遇，通过战略制定、流程优化、技术赋能，实现质量发展。详细信息，敬请访问埃森哲公司主。免责声明：本研究报告由埃森哲撰写和制作。报告仅作为研究内容介绍之。未得到埃森哲的书许可，中内容不得采取任何形式进复制。尽管我们对所依据的信息和资料保持度谨慎，但法对其中的准确性和完整性做出绝对保证，请勿绝对化地加以利。本报告并埃森哲受托所作。中所述观点有可能在未经知会的情况下进调整。报告内容亦根据任何公司所处独特环境提供的具体咨
39、询建议。如果您需要就中提及内容获得具体建议及进步的详细资料，请与您的埃森哲代表进联系。本研究报告对可能归他所有的商标进了引。对这些商标的使不表这些商标为埃森哲所有，也不代表或暗埃森哲与这些商标的法定所有之间存在关联。2024埃森哲版权所有。埃森哲及其标识均为埃森哲公司的商标。关于埃森哲商业研究院埃森哲商业研究院针对全球企业组织临的重问题，洞悉发展趋势，提供基于数据的深解。我们的研究团队包括近300名研究员和分析师，分布于全球20个国家，并与世界领先研究机构建期合作关系。将创新的研究法与具与对客业的深刻理解相结合，我们每年发布数以百计的拥有详实的数据持报告、章和观点，帮助客拥抱变，创造价值，技术推动创新与发展。详细信息，敬请访问埃森哲商业研究院主
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产开发
传统产业
全球化
其它
扫码登录
手机快捷登录
账号登录
