编者按

人工智能（AI）正在悄悄渗透许多行业，现在它正进军汽车供应链领域。
我们是该当紧张，还是该当欢迎它作为一个有益的工具？麻省理工学院工程系统教授Yossi Sheffi权衡了人工智能对付行业发展的利弊。

"大众年夜众对付人工智能的接管程度各不相同，有些人对其提高生产力的潜力感到激情亲切，而有些人则对其对就业的影响乃至人类的闭幕感到恐怖。
随着人工智能进入汽车供应链，对付是否该当庆祝还是回避这一技能仍存在不愿定性。
然而，麻省理工学院工程系统教授、供应链管理创始主任Yossi Sheffi博士并不认为这项技能会带来太多威胁，只要企业以精确的办法利用它。
他刚刚出版了第九本书《邪术传送带》，研究了随着人工智能的利用增加，它将如何影响供应链，并见告关于这项技能的好处，以及它如何使这个行业更具竞争力。

麻省理工学院供应链管理创始主任Yossi Sheffi教授就人工智能对供应链的影响接管了的采访：“在一些领域，采取人工智能将具备非常大的上风。
”

人工智能在物流中的上风

Sheffi表示：“在汽车供应链中，人工智能有许多运用。
它能够非常好地实行重复性事情。
它是自动化的，准确且快速，而且可以一直歇地运行。
”

在过去几年里，特殊是自疫情爆发以来，供应链中的许多企业一贯在寻求采取人工智能来提高效率和节约本钱。
许多企业也被迫履行技能来应对工人短缺的问题。
原始设备制造商不仅在其制造过程中利用机器人和其他自动化工具，现在他们越来越希望将其运用于物流中，以便更快地做出更明智的决策，并已经开始进行试点项目。
希望这样做不仅能够节省韶光和本钱，而且能够使企业更具竞争力、生产力更高并带来更多盈利。

Sheffi说：“实在每个人都在日常生活中利用着人工智能，只是并没故意识到。
当你打电话给客户做事部门寻求帮助时，你很可能在与一个谈天机器人互换。
人工智能可以聆听你的问题，解读你说的话，并试图给出答案。
”

他将这一征象与汽车行业进行了类比，他补充说：“你所做的便是让机器来完成‘大略’的事情，换句话说，那些可以被定义和须要被优化但大多数都是重复性的事情。
”

比如，宝马（BMW）自2019年起在奥地利的斯泰尔发动机工厂进行了人工智能在物流方面的测试。
该汽车制造商利用基于人工智能的摄像头软件来加快流程，防止空集装箱在传送带上不必要的运输。
自那时以来，宝马通过其数据和人工智能操持在全体代价链中履行了人工智能运用，并与美国软件公司NVIDIA互助进行试点项目，为小型运输机器人（STRs）配备了人工智能，并为其在全体业务中利用制订了道德准则。
类似地，斯柯达在2020年利用了Optikon AI平台来自动打算如何将托盘装载到集装箱中以最大化容量。

“像这样的领域，采取人工智能将会非常迅速，”Sheffi说道。
“公司已经将人工智能运用到现有的软件模型中，而你乃至都没故意识到。
这已经在发生了。
”

人工智能究竟能有多聪明？

随着技能每天都在不断进步，物盛行业正在努力弄清楚人工智能到底能有多聪明，以及除了重复自动化任务之外，它还能在哪些方面供应帮助。
在供应链领域，一个具有巨大潜力的领域是预测，包括对客户需求的预测，以及对生产和发货的预测影响。

Sheffi说：“在供应链中，人工智能有许多运用，但人们希望它能使预测更加准确。
许多人正在利用各种机器学习技能进行预测，这对付生产调度、需求操持和与供应商打交道非常主要。
”虽然这样做更加困难，由于人工智能依赖于从过去的学习，但正在进行试验，以使技能更好地预测（险些）不可预测的情形。
窍门在于大型人工智能模型的能力，它可以快速地以大规模整合来自多个来源的数据，包括数字、文本、***或语音数据。

JLR最近与预测洞察公司Everstream Analytics互助，将人工智能嵌入其供应链，并监控可能导致耽误的风险。

JLR正试图通过与预测洞察公司Everstream Analytics互助，抢占这些发展的先机。
在6月份，这家汽车制造商表示将利用Everstream的人工智能实时监控供应链，以防止可能导致耽误或停滞装运的潜在风险，如自然磨难、罢工、数据透露和出口问题。
当时，JLR工业运营实行总监Barbara Bergmeier表示，人工智能将帮助公司“在造成中断之前管理风险”，使公司更具韧性，并帮助实在行对客户的承诺。

雷诺集团在物流管理中也在利用机器学习和人工智能取得了进展。
该汽车制造商将来自物流供应商和供应商的信息与公共云中的信息结合起来，形成一个数字化的掌握中央，以更好地对供应链的影响进行映射和预测。
雷诺与谷歌云互助运行人工智能运用程序。

风险管理并不仅限于物理滋扰，公司现在希望将其用于识别供应链中的财务风险。
Sheffi阐明了这样做的好处。
“常日，确定供应商的潜在财务风险涉及查看财务报告，而这总是过去的信息，”他说。
“如果你想得到更及时的信息，就必须试图从媒体，包括社交媒体，或其他任何可以提醒你供应商存在问题的地方获取数据。
你可以查看重要的高管是否在离职，供应链中的公司是否在抱怨拖欠已久的付款，或者供应商是否在合并或收购中碰着问题，或者与他们的银行有问题。
问题是这须要韶光。
”

他说，人工智能可以在这方面供应帮助，由于新的措辞模型可以获取非数值化的数据。
“现在，你可以在同一韶光范围内以非常大的规模得到以前无法得到的信息，”Sheffi说道。

对付汽车制造商和物流公司来说，一个意外的好处是本钱，或者说险些没有本钱。
汽车制造商无疑希望定制适宜自己的人工智能软件。
Sheffi说：“他们希望按照自己的办法来做这个，他们想利用他们公司的经由验证的流程，并将其嵌入到人工智能中。
”

然而，由于像谷歌、微软等跨国科技公司和其他投资者正在向OpenAI及其ChatGPT平台这样的软件开拓者投入数十亿美元，所需的基本代码已经存在，这意味着大部分开拓本钱和不愿定性已经分开了汽车制造商的掌控。

Sheffi阐明说：“想象一下微软的Excel。
你可以在电子表格上构建表格或模型，但电子表格的基本机制已经存在。
同样，利用优化软件，你已经有了可以指定处理手头问题的软件包。
这不会花费过高的用度，由于大部分开拓本钱都由风险投资家承担，他们为所有这些初创公司供应资金，而那些正在开拓人工智能的大公司。
没有人会从头开始培植。
”此外，这些公司将能够向许多行业发卖产品，同时在激烈竞争中，随着韶光的推移，利用这些平台的价格将低落。

当然，不管若何，本钱总是会涌现。
为了能够充分利用汽车供应链中的人工智能，必须花费金钱培训员工如何精确高效地利用它。
幸运的是，这不会像科技巨子花费的数十亿美元那样多。
但这将耗费韶光。

Sheffi说：“现在你开始看到为什么这须要很永劫光了。
人工智能将是一个有用的工具，但那些能够花韶光培训他们的员工利用它的公司将能够从中受益。
他们须要培训他们的员工并改变流程-将人与机器整合在一个无休止的事情流程中，以充分利用它。
”

这个过程可能须要很永劫光，乃至可能须要几十年。
Sheffi举了MIT教授Robert Solow的例子，当时正值技能革命。
他说：“革命始于1950年代，但到1987年，他说打算机时期无处不在，只有生产率数字除外。
”Sheffi说：“直到1990年代末，所谓的‘Solow悖论’被办理，当时技能、零售和批发业加速了美国的生产率。
其他行业也加入，生产率开始加速。
延迟的缘故原由是人们须要一段韶光去学习利用新技能，逐渐适应它，不再害怕，并将其纳入到流畅的事情流程中。
”

纵然一家公司可以花费韶光和金钱来培训员工利用新软件，对未知事物的自然恐怖可能成为生产力的障碍。
Sheffi说：“有些人会试图毁坏它，由于他们害怕失落去事情，有些工会也会反对。
然后还有政府监管。
欧盟、美国、中国、日本和韩国等紧张国家都在制订关于天生式人工智能的监管框架。
美国的谈论是要成立一个人工智能机构，以确保软件的安全利用，并深究人工智能公司的任务。
这将减缓开拓过程，只管人工智能正在迅速发展，但它不会很快遍及。
与此同时，经由审查且不威胁就业的运用可能会更快地被采取。
”

人性成分

虽然人工智能在使物流天下更高效方面有着未知的、尚未充分发挥的能力，但它却短缺一些它无法学会的东西-人性。
“根据实在质，事情和业务中有些方面人类比任何算法都要好得多，”Sheffi说。
由于机器学习是通过从过去学习来事情的，以是在紧急物流方面，人工智能可能并不是很有用，因此在危急期间，人仍旧是供应链保持运转的必要条件。

“如果情形发生变革，溘然陷入衰退，或者发生战役、疫情或其他导致人们改变购买习气的重大变革，人工智能无法理解更大的背景，并且在预测上不会准确，”他说。
“而人类可以看到并理解更大的背景，并能接管事情。
人类能更好地创造变革，由于机器相对僵化，统统都是基于它们演习过的数据。
如果某些事情不在过去的数据中，它也不会成为输出的一部分。
”

Sheffi补充说：“人们有道德准则，会做精确的事情。
人类能够更快地适应，有创造力，并能提出新的想法和流程。
而且人类有同情心。
”

他说，在疫情期间，公司基于CEO之间的电话通话调动了恒河沙数的工人和卡车，这是很难想象能够自动完成的。
“这是基于人际关系和同情心，”他说。
“供应链是由人组成的，它们基本上是社交网络。
”

工人们重新回到了位于德国辛德尔芬根的奔驰（Mercedes-Benz）代价7.3亿欧元（8120万美元）的56号工厂，由于人类能够处理更加繁芜的生产线。

Sheffi认为，物流的人性成分将无法被取代或复制。
他以奔驰在德国辛德尔芬根的代价7.3亿欧元（8120万美元）的56号工厂为例，该工厂生产S级车型，并致力于零排放生产。
他说：“一开始，奔驰将所有事情都自动化，然后他们回过分来，取消了很多自动化，重新引进更多的工人。
为什么呢？由于生产线上的车型选择太繁芜了。
他们创造人类比人工智能处理得更好。
”

当像宝马和雷诺这样的原始设备制造商将更多的人工智能运用程序整合到他们的掌握中央时，物流领导者方向于强调主要的决策仍旧由人类做出，但他们能够更快地得到更多信息和建议。
例如，在雷诺集团，该汽车制造商能够在几小时内利用人工智能算法理解土耳其今年2月份的地震将如何影响该地区的供应商，帮助物料掌握职员采纳方法减轻滋扰，这在以前可能须要几天乃至几周来方案。
“这有助于我们将决策权交给人们，” Jean-Francois Salles说道。
他在今年夏天之前是雷诺环球供应链副总裁，在今年早些时候接管《汽车物流》采访时说。

他建议，未来人工智能将迈出下一步，自动采纳对策，例如订购高等货运或从备选供应商那里取消物料订单。

开启未来的工具

AI拥有节省物盛行业韶光和金钱的能力，确保更顺畅的跟踪和高效性，但Sheffi并不认为它会取代人类，至少目前还不会。
目前，他认为AI可能会给物流公司带来竞争上风，成为工具箱中的又一个工具。
“那些供应更多技能能力的公司可能会得到更多业务，特殊是来自大型、繁芜的公司。
AI只是另一套工具，”他说。
“供应链的社交网络可以通过技能，无论是人工智能、机器人还是其他技能，得到支持和增强。
人们正在将仓库自动化，跨各行各业安装机器人，仿佛来日诰日就没有了一样。
然而，当亚马逊在2015年至2020年之间为所有仓库配备前辈的机器人时，该公司还雇佣了超过一百万名新员工。
以是，机器人并没有征服天下。
至少在很长一段韶光内是这样。
”

在供应链管理领域，技能的爆炸式发展和人工智能的运用引发了巨大的变革。
然而，在这一新环境中，真正扮演着至关主要角色的还是人。
正如尤西教授所指出的，人们须要监督自动化和人工智能的运用，确保其所做的事情是故意义的。

在尤西教授的最新著作《魔力传送带-供应链、AI 与未来的事情》中，他阐明了“供应链是什么，它们如何运作，以及前辈技能与职员和流程的整合将成为未来供应链管理的特点”。

恰好2023年8月27日上午，在宁波(中国)供应链创新学院，由麻省理工学院运输与物流中央主任尤西·谢费博士，宁波(中国)供应链创新学院院长郭杰群博士和中国(深圳)综合开拓研究院物流与供应链管理研究所所长王国文博士，三位大咖分享：构建 AI 时期的供应链竞争力精彩主题演讲，欢迎小伙伴们识别海报二维码就可报名参加。