弥合采购与供应链的差距：AI驱动的协同推动一致性与成果

核心观点与关键数据

• 战略目标趋同但执行存在差距：采购与供应链领导者虽在战略目标上（如韧性、质量合规、可持续性）日益一致，但在执行和技术应用（尤其是AI集成）上存在差距，导致战略难以转化为行动。
• 优先事项转变：传统目标（成本、交付速度）已不足，韧性、质量合规和可持续性成为首要目标，要求更适应性的系统。
• 运营脱节的成本：缺乏协调导致决策缓慢、风险应对减弱、企业效率低下，阻碍战略目标的实现。
• 协调的重要性：协调是统一采购和供应链运营的关键，通过实时协作和共享可见性降低脱节成本，提升效率与韧性。
• 生成式AI的驱动作用：生成式AI通过增强可见性、改进预测和协调复杂活动，加速协调进程，实现更智能的决策。
• AI应用的主要领域：供应商管理、风险预测和需求规划是生成式AI应用价值最大的领域。
• AI应用的主要障碍：技术壁垒（数据质量、网络安全）和人员挑战（技能差距、变革阻力）是主要障碍；采购与供应链领导者对AI整合的担忧不同（CSCO关注技术，CPO关注人员）。

研究结论与行动建议

• 建立联合决策架构：识别跨职能决策点，明确AI支持的决策类型和阈值，制定决策流程与升级路径。
• 投资协调技术：利用技术提升供应链与采购流程的协调效率。
• 推动数据与AI应用：在风险和供应商管理等趋同领域试点AI项目，逐步推广。
• 提升相互理解：平衡技术投入与人员培训，确保转型成功。
• GEP的框架建议：通过“联合决策架构”、“协调技术投资”和“AI试点与推广”三步框架，实现AI赋能的协调。

关键数据

• 风险和财务结果是采购与供应链领导者最高度一致的战略领域。
• 在多个运营领域存在不同程度的协调需求，包括AI集成、成本供应商优先级、海外供应商依赖、库存管理、本地采购、新供应商识别、安全库存和客户订单履行等。
• 生成式AI被视为改善采购与供应链整合的首要技术。