2024年采购和供应链管理中应避免的3个人工智能采用陷阱报告

企业必须解决的三个关键挑战用 AI 改造供应链采购and 技术团队对 AI 的可能性感到兴奋但可能需要专业知识 ， 因为他们处理数据孤岛和缺乏内 部专业知识。 M在快速变化的世界中管理复杂的供应链和采购正被人工智能（AI）重塑。 尽管自动化和高质量的分析带来了巨大的潜力，但仍存在关于应用场景、数据和技能方面的担忧。 根据Foundry与供应链和采购专家GEP联合进行的新研究，未来两年内，AI投资将显著加速，企业旨在降低成本并促进增长。但数据孤岛和内部AI专业知识不足正逐渐成为主要挑战。企业正在寻求外部合作伙伴来弥补这一差距。 美国企业的 100 名高级 IT 决策者。 今天，52%的企业已经将AI整合到供应链或采购运营中，或者在未来12个月内计划这样做。另有42%的企业表示将在未来两年内实施。显然，这一进程已经开始加速。 本白皮书探讨了 Foundry 研究中出现的三个关键挑战 ， 该研究调查了 但要实现 AI 转型 ， 企业必须克服三个关键挑战。 报告 AI 技术正在或将被集成在未来 12 个月内进入供应链和 /或采购业务。 市场脉动 在供应链领域确定如何利用生成式AI和大型语言模型（LLMs）可能会更为复杂。但企业可以通过使用大型语言模型（LLM）来阅读新闻文章、总结它们并生成报告，从而更快地应对重大世界事件。 挑战 1 ： 了解用例和好处 报告指出，54%的受访企业将理解用例和潜在好处视为其AI实施计划的重要组成部分——这是受访者考虑的第二高优先事项。 AI可以为采购带来类似的收益。该技术可以从合同中提取关键信息，甚至可以用于创建合同。 挑战 2 ： 数据管理 许多公司认识到其数据基础设施需要更加复杂。即使拥有数据湖和数据仓库的组织也面临着数据孤岛的问题。企业界将需要采取行动，以实现干净、分类和组织良好的数据。 市场脉动 数据是技术团队面临的一个关键挑战，技能、商业文化以及治理都是潜在的薄弱环节。 受访者在为 AI 准备数据方面面临的挑战之一是 ： IT领导者似乎已经认识到这一点，数据显示，参与的企业中有56%已经采用了定期的数据审计和质量评估，另有39%计划这样做。此外，53%的这些组织投资了数据分析工具（46%计划投资），46%的组织实施了数据治理框架（50%计划实施）。 缺乏内部专业知识 (45%)n n抵制变革和不愿分享数据 (43%) n管理非结构化数据的复杂性(40%) n数据清理和规范化的挑战(39%) 然而 ， 对于所有这些至关重要的行动 ， 只有 34 ％ 的人投资于培训和教育计划 n 缺乏数据治理(37%) 为了构建内部数据管理能力（65%计划进行），可能需要利用分析工具并建立治理机制。 市场脉动 挑战 3 ： 寻找有技能的人才 研究发现，参与的企业中有59%认为内部技能人才的可用性是AI实施的重要因素——位居首位。为支持这一需求，55%的这些组织正在外部招聘AI人才并与其他AI合作伙伴进行合作。 组织必须回答战略性问题，即它们是从内部培训人员还是聘请咨询顾问中获得更高的投资回报。 智能数据工程师需要坐下来做出艰难的决策，确定哪些数据重要哪些不重要，这需要深厚的知识。 但由于人工智能仍处于起步阶段 ， 并不是每个潜在的合作伙伴都具有相同的能力。 为了实现宏伟的AI目标，企业必须首先对具体应用场景有清晰的理解——例如实时供应链调整和合同创建自动化。在开始之前，他们必须解决数据挑战。 与经验丰富、经过验证的领导者携手合作——一位灵活且愿意量身定制解决方案的领导者——可以帮助企业安全、安全地 navigating “安全”重复三次可能是输入错误，应调整为： 市场脉动 与经验丰富、经过验证的领导者携手合作——一位灵活且愿意量身定制解决方案的领导者——可以帮助企业安全、稳健地导航这个新世界，从而实现高效运营。 GEP® 提供基于人工智能的采购和供应链解决方案，帮助全球企业变得更加灵活和有韧性，实现更高效的运营，获得竞争优势，提升盈利能力和增加股东价值。 总部位于新泽西州克兰克，GEP 在欧洲、亚洲、非洲和美洲地区设有办事处和运营中心。欲了解更多信息，请访问www.gep.com。