從過去一年的形勢來看，供應(yīng)鏈能否穩(wěn)定運(yùn)轉(zhuǎn)直接決定著醫(yī)療保健、商品制造乃至民眾日常生活的基本體驗(yàn)。而全球各方對供應(yīng)鏈體系的高度關(guān)注，也敲響了供應(yīng)鏈全面走向數(shù)字化轉(zhuǎn)型的行進(jìn)號角。面對這段以更精確、更可控為目標(biāo)的征程之上，AI技術(shù)將成為我們手中的強(qiáng)有力武器，驅(qū)動供應(yīng)鏈不斷實(shí)現(xiàn)速度提升。根據(jù)相關(guān)研究，到2024年全球供應(yīng)鏈管理市場上的AI總值將達(dá)到13億美元。

但如果不能在人類增強(qiáng)層面有所建樹，那么AI就無法完成重塑供應(yīng)鏈體系的“光榮使命”。比如，我們不可能簡單引入IBM Watson，就指望它能理解企業(yè)內(nèi)的所有信息。Watson的運(yùn)作需要以編程形式接受人類指導(dǎo)，并由此摸索出一條在組織供應(yīng)鏈內(nèi)發(fā)揮作用的可行道路。

下面，我們將具體探討人類增強(qiáng)幫助AI決勝供應(yīng)鏈的三種方式。

知識轉(zhuǎn)移

在使用遺留系統(tǒng)時，組織往往高度依賴于人際交互。特別是在決策流程當(dāng)中，遺留系統(tǒng)往往太過死板，無法考慮流程中各個環(huán)節(jié)的變化——例如消費(fèi)者購買模式的極端變化、供應(yīng)庫存調(diào)整等等。

知識轉(zhuǎn)移的另一個重要意義，在于利用經(jīng)驗(yàn)豐富但日趨老齡化的人類雇員的專業(yè)知識。沒錯，機(jī)器確實(shí)會取代一部分即將退休或轉(zhuǎn)往其他職位的人員，但卻永遠(yuǎn)無法取代這些員工留給我們的豐富經(jīng)驗(yàn)和知識。

知識轉(zhuǎn)移的本質(zhì)，類似于向成長中的小朋友們傳授心得。一旦他們接觸到的是壞習(xí)慣、錯方法，他們未來的行為模式都有可能被嚴(yán)重扭曲。同樣的，被壞習(xí)慣影響的AI模型也會產(chǎn)生錯誤的判斷及負(fù)面結(jié)果，進(jìn)而給組織乃至整個供應(yīng)鏈產(chǎn)生不良影響。因此，人類必須引導(dǎo)AI走上正確的道路，將積累自過往經(jīng)歷的知識與經(jīng)驗(yàn)轉(zhuǎn)移給AI。

明確目標(biāo)

任何一套AI方案在供應(yīng)鏈當(dāng)中，都應(yīng)該面向特定的目標(biāo)、擁有明確的用途。然而，AI本身并不能自主理解自己的作用，因此需要由人類在模型中幫助它明確這一點(diǎn)。

例如，除非理解抵達(dá)最終目的地需要哪些環(huán)節(jié)，否則負(fù)責(zé)為卡車提供路徑導(dǎo)航的AI模型根本無法正常工作。沒有這樣的基本引導(dǎo)，AI自己并不知道該做出怎樣的決策。所以，人類負(fù)責(zé)為機(jī)器提供正確的指導(dǎo)信息；當(dāng)AI獲得錯誤信息時，則需要人為干預(yù)以發(fā)現(xiàn)并修復(fù)算法，由此獲得完美的結(jié)果。例如，只有經(jīng)驗(yàn)豐富的員工才會知道企業(yè)電子商務(wù)網(wǎng)站的運(yùn)作模式，以及一年當(dāng)中特定是做滿足業(yè)務(wù)需求的相應(yīng)原材料數(shù)量?？偠灾?，沒有專業(yè)知識作為支持，AI模型不可能發(fā)展為決策流程中的好幫手。

所以說，以編程方式將數(shù)據(jù)導(dǎo)入AI模型才是實(shí)際應(yīng)用的重中之重。人類能夠很快意識到供應(yīng)鏈主材清單中的“軸承”與“BRG”代表的是同一個意思，也不難明白“5英寸 x 10英寸”就是“5 x 10”，但AI沒有這樣的基本認(rèn)知。要讓它具備這種常識，就需要搭配自然語言處理（NLP）技術(shù)。

AI編程加速的一大創(chuàng)新方式，在于人機(jī)協(xié)作。在Verusen公司，我們正與Daivergent開展合作，希望以遠(yuǎn)程辦公的方式幫助自閉癥患者們在職場上找到適合自己的崗位。Daivergent的員工們還幫助Verusen解決了一個個關(guān)于AI及機(jī)器學(xué)習(xí)的重大挑戰(zhàn)，共同推進(jìn)AI技術(shù)在供應(yīng)鏈場景下的應(yīng)用。

Verusen與Daivergent希望通過合作將人類專家與AI數(shù)據(jù)訓(xùn)練相匹配，針對特定工作類型及技術(shù)問題改善處理結(jié)果。具體而言，Daivergent員工為Verusen提供數(shù)據(jù)注釋與訓(xùn)練支持，幫助探索新的AI應(yīng)用任務(wù)。例如，他們就提供大量用于幫助AI模型識別跨數(shù)據(jù)集相似材料、縮寫補(bǔ)全（例如將縮寫「BRG RLLR CY321CR KOYO」補(bǔ)全為「BEARING ROLLER CY321CR KOYO」）以及制造商等效性等。通過這些注釋，Verusen的現(xiàn)有及下一代AI供應(yīng)鏈系統(tǒng)就能獲得高質(zhì)量的示例數(shù)據(jù)。

人類執(zhí)行

您的組織可能擁有最新、最酷的AI系統(tǒng)，并提供各種花里胡哨的供應(yīng)鏈簡化功能；但如果您的AI模型無法正確執(zhí)行，那就不可能帶來積極的結(jié)果、甚至導(dǎo)致人類伙伴失去對AI技術(shù)的基本信任。

這里的執(zhí)行是什么意思？順利執(zhí)行的前提，首先是完成知識轉(zhuǎn)移并驗(yàn)證AI已經(jīng)正確理解信息內(nèi)容；其次，AI必須擁有明確的目標(biāo)，可以將信息內(nèi)容分析為有用的數(shù)據(jù)；最后，則由人類獲取AI給出的結(jié)論并作為執(zhí)行指導(dǎo)。

例如，一家組織構(gòu)建一套模型以了解供應(yīng)鏈內(nèi)的痛點(diǎn)，經(jīng)過分析與驗(yàn)證，組織希望通過有針對性的調(diào)整節(jié)約下大量運(yùn)營成本。雖然AI模型能夠?qū)崿F(xiàn)其中一部分功能，但能不能跨部門（從運(yùn)營到物流再到財(cái)務(wù)）運(yùn)作并完美執(zhí)行還是取決于人。這個問題對于正在推進(jìn)數(shù)字化轉(zhuǎn)型、不同部門之間各自為政的組織可謂至關(guān)重要。

因此，只有充分配合人類增強(qiáng)與清晰深刻的協(xié)作方式，AI技術(shù)才能在供應(yīng)鏈中取得成功。