利用AI抗击供应链震荡：620亿美元的机会

核心供应链领域在技术上尚未得到充分服务，我们看到了三个关键领域的巨大潜力。

Ashu Garg，Jaya Gupta

新冠疫情暴露了全球供应链的脆弱性。要了解供应链的脆弱性，只需看看家具行业，它在疫情初期销售创纪录后，由于集装箱短缺、原材料稀缺和关键零部件的长时间延迟收货，最近经历了一系列破产事件。尽管最引人注目的供应链危机可能已经过去，但一定程度的碎片化和货物流动的混乱如今已成常态。总的来说，供应链中断在过去几年中已经造成了约1.6万亿美元的经济损失。纵观过去十年的供应链中断，平均公司预计会损失近一年的利润的一半。

随着供应链的衰退，LLM（大语言模型）和自动化得到了发展。我们已经进入了一个新的过程自动化时代，该时代有望在包括全球供应链在内的所有数据密集型行业中简化操作。不再是传统的基于规则的自动化，而是LLM驱动的解决方案能够随着时间的推移学习和改进。更好的是，它们能够处理结构化和非结构化数据（供应链中充满了这两种数据）。

经过多年的产品短缺、高食品价格和延误交货后，我们发现自己处于一个独特的时期，不仅有意愿，而且有方法通过将AI集成到供应链管理软件中做出改变。历史上的供应链一直是分散的，但AI有望统一分散的数据源和系统，并替代供应链上下游繁琐的手工流程。核心供应链领域可能在技术上仍处于未充分服务状态，但我们在三个特定领域看到了AI的巨大机会：采购、供应商情报和需求规划。

供应链混乱的三大因素

供应链数据几乎分布在各处——在电子邮件、扫描文件以及孤立和过时的软件中。特别是有三大关键因素导致了全球供应链的碎片化。

通信工具依赖于非结构化数据：如电子邮件、短信和扫描文件。这些非结构化数据通常包含难以系统提取和分析的关键信息，进而使供应商沟通变得复杂。例如，Tesla的生产延误部分是由于在电子邮件中忽略了芯片短缺的信息。这导致了2021年第三季度车辆的生产短缺。
电子数据交换（EDI）系统过时且采用不均：EDI是60年代引入的商业文件交换系统，该系统在90年代被大制造商采用。在上面提到的家具行业中，当一家大公司如La-Z-Boy希望制作50,000个皮革躺椅时，他们可能会通过EDI文件发送请求，让海外供应商竞标，然后让他们的采购团队在竞标中选择。但中小公司在采用EDI方面却很挣扎，缺乏标准的操作程序，发现自己陷入了与海外供应商在多个渠道和平台上进行的长时间谈判中。EDI还由于缺乏灵活性和集成能力为组织带来挑战。即使是Walmart在2020年启动新的直运计划时也在现有的EDI基础设施修改上经历了延误和额外的成本。
许多公司使用多个管理系统，包括企业资源规划（ERP）、仓库管理（WMS）和运输管理系统（TMS），造成数据孤岛，阻碍了端到端的供应链可见性。联合利华报告称，由于其ERP和WMS系统之间的沟通不畅，导致了库存的不一致，2022年其全球运营中的缺货率增加了23%，而过剩库存增长了17%。

在过去的十年中，数字化帮助缓解了这一问题。像project44、FourKites和Tive这样的解决方案通过API聚合供应链数据。然而，仍需做更多工作。麦肯锡调查显示几乎一半的受访者在数字供应链的核心构建模块上没有进行重大投资，如高级规划系统（APS）、仓库管理系统（WMS）或运输管理系统（TMS）。新一层的智能技术基础已经存在，初创企业可以利用AI解析非结构化数据并统一不同的软件系统。

AI的620亿美元市场机会

供应链管理行业为颠覆带来了巨大的潜力。根据Gartner的数据，该领域的软件年支出预计将从2023年的290亿美元增长到2028年的620亿美元，年复合增长率为16.3%。

我们相信，定位良好、创新能力强且行动迅速的AI初创企业能够捕捉到这个市场。AI能够分类视觉、数值和文本数据，以高度准确建模复杂场景。例如，计算机视觉系统现在可以检查装配线上的产品，比人类质量控制团队更一致地识别缺陷。机器学习算法可以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、劳动条件和天气等因素。

在供应链管理中，许多任务高度重复且耗时，这使得这些能力变得更有用。通过为供应链领域微调LLM，公司可以使用AI从非结构化文件中提取见解。这些分析可以轻松部署到供应链管理人员的商业智能软件中。LLM还可以利用这些数据回答诸如“哪个供应商为我的需求提供最具竞争力的定价？”和“哪些供应商最不容易受到中断影响？”的问题。

目前，生成式AI已经取得了一些进展。供应链和库存管理业务被认为是由于生成式AI带来了显著收入增长的业务功能。特别是在三大领域，AI的潜力最高：

采购：采购企业运作所需的商品
供应商情报：收集数据以评估和优化供应商关系
需求规划：预测未来客户需求以确保最佳供应

在所有三个领域，AI都可以显著加快数据分析流程和供应链管理。我们也对各领域的市场进行了绘图，重点关注以AI为主的供应链初创企业。

为什么采购任务适合自动化

采购对于确保材料稳定供应、维护供应商关系和提高利润至关重要。我们的投资组合公司Tonkean在自动化许多采购过程中表现出色，无论是协调合同续签还是处理发票。

一种新兴的解决方案是机器人过程自动化（RPA），它使用基于规则的方法来自动化输入过程。不幸的是，大部分输入来自RPA无法处理的大量非结构化数据，如电子邮件和PDF。新一批早期公司，如Didero、Lighthouz AI和Soff正利用AI筛选非结构化数据中的见解。

这些见解也越来越多地用于采购团队。初创公司Pulse AI正在创建一个搜索引擎，能够检索非结构化数据以回答供应链问题。Mandel AI则开发了供应链代理，当供应商交货时间和价格变动时自动更新ERP。

未来，我们看到早期风险企业有更多增长空间。初创公司正在利用博弈论模拟采购团队与供应商之间的谈判。LLM可以自动化供应商通信的各个方面，如生成采购订单和处理报价请求。

AI如何增强供应商情报

为了找到最佳供应商，企业必须平衡合规要求、不同报价和市场变化。此外，拥有多个供应商可以增强供应链在面对COVID-19或其他突发事件时的弹性。

与简单的搜索栏相比，AI创造了智能供应商地图和匹配的可能性。Altana是该领域的领导者，创造了不同供应链层次的智能价值链。企业可以使用其LLM助手查询特定供应商。此外，Keelvar和Fairmarkit提供了AI支持的平台，使采购团队能够轻松寻找供应商。而新兴玩家如Kipo AI和Terra则正在创建使企业更容易与供应商配对的平台。

需求规划超越历史数据

预测供应和需求变化可以防止供应链中断影响到消费者。传统的规划软件主要依靠历史数据进行预测。尽管这种方法有一定的准确性，但在快速变化的市场和地缘政治条件下可能还不够。

幸运的是，AI可以改进规划能力，同时考虑历史数据和当前市场趋势。研究还表明，AI可以通过识别异常来检测“恐慌性购买”实例，如疫情期间的厕纸抢购，并将其分类为相关或不相关。这些规划算法可以为企业带来有意义的结果。McKinsey报告称，自动化供应链规划可以使收入增加最多4%，同时降低成本最多10%。

我们的投资组合公司Ikigai正在做这些事情。通过使用专利的大图模型，Ikigai将不同的数据源整合在一起，创建预测和假设情景。像Spherecast这样的新公司也在进入规划领域，他们正在创建可以管理多个渠道并在不同粒度级别上创建需求预测的引擎。随着时间的推移，AI将继续提高生产和分配计划的准确性。