Skip to main content

運用生成式 AI 的敏捷度

問題 1:貴組織是否會運用生成式 AI 來進行供應鏈管理?(是/否)

 

44% 可能會

 

21% 不確定

 

15% 可能不會

 

13% 定會

 

6% 定不會

在目前尚未使用生成式 AI 的企業當中,有極大比例 (57%) 計劃於未來兩年內實施或正考慮實施生成式 AI,這反映出人們已體認到 AI 轉變供應鏈作業的潛力。貴企業位於圓餅圖上的什麼位置?

運用機器學習的敏捷度

問題 2:企業將機器學習或最佳化技術用在價值鏈的哪裡?

由機器學習驅動的庫存最佳化
45%
由機器學習驅動的需求預測
40%
自動化生產調度
40%
自動化補貨調度
39%
由機器學習驅動的價格最佳化
39%
由機器學習驅動的預測性維護
39%
由機器學習驅動的現金流預測
37%
自動化路由選擇
35%
由機器學習驅動的排放預測
34%
自動化交叉/追加銷售機會識別
32%
由機器學習驅動的預計送達時間 (ETA) 預測
30%
中斷/延誤解決方法建議
27%
網路設計建議
29%
其他位置
1%

企業最常將機器學習和最佳化技術應用在庫存最佳化 (45%) 和需求預測 (40%) 上,顯示出這些技術在管理庫存量和精準預測未來需求方面扮演著重要角色。貴企業位於此圖表上的什麼位置?

全球運用自動化技術的敏捷度

問題 3:您最希望自動化技術(生成式 AI 和機器學習)未來三年內對貴產業產生什麼影響?

根據受訪企業所示,最希望自動化技術發揮影響力的期望目標落在提升效率和生產力 (32%)、節約成本 (26%) 和改善供應鏈自動化 (23%),這反映出企業堅信這些技術能顯著改善供應鏈管理的潛力。這些成果中的哪一項對貴企業最重要?

「隨著員工將更多時間花在創新上,也就是人類最擅長的工作,我們就更容易創造出真正的價值。這就是我們追求的敏捷度。」

Epicor 產品暨技術長 Vaibhav Vohra 如此說。