出于金融、地缘政治和生态方面的原因，供应链承受着巨大压力。
人工智能可以帮助供应链更高效地运作，并更轻松地应对冲击。
企业必须更有效地利用数据，并借助人工智能降低成本、提高利润和可持续性。
供应链从未像现在这样承受如此大的压力。地缘政治动荡、劳动力短缺、极端天气和需求变化相互叠加，造成了全球物流混乱。现实情况是，过去两年我们所经历的痛点，在不久的将来不太可能缓解。
在当今不断变化的环境中，企业不能再依赖“准时制”生产。无论是需求端还是供应端，它们都受到波动影响，导致预测出现偏差，供应链也受到制约。传统的静态流程设计（只有一条关键路径）根本无法应对这种复杂性。更有甚者，团队所依赖的数据并不完善，IT系统也十分复杂，而且外界对供应链在应对气候危机方面发挥引领作用的期待日益增长。结果是，只有五分之一的企业达到了足够的供应链韧性水平。
这正是科技发挥作用的地方。以流程挖掘以及人工智能（AI）或机器学习为核心的供应链，能够实现整条供应链的可视化。这使企业能够持续监控和优化供应链，进而帮助组织减少复杂性，并在财务和生态方面更高效地运营。
以下是组织可以采取的三项切实措施，以提升供应链的韧性。
1. 有效利用数据
绝大多数组织拥有大量数据，但无法有效利用这些数据进行决策。因此，它们往往仍沿用过去的做法。若缺少数据支撑的洞察，几乎不可能找出供应链摩擦的根本原因。诸如流程挖掘等革命性的软件解决方案，可以让管理者释放数据的力量。
以全球航运为例：每年至少有6000万个集装箱（占全部航运集装箱的25%）空载运输。根本问题在于，企业通常将库存、生产、订单管理和运输流程各自孤立地运行。换言之，运输软件并不知道管道中是否还有其他订单可以填满剩余运力。与其让集装箱空载运行，组织可以利用科技连接各个流程的洞察，实时监控运输能力，并动态做出调整，例如将订单打包合并。这是一个双赢的做法：集装箱减少意味着成本降低、碳排放减少。Celonis的一位消费品包装企业客户正是这样做的，结果其每周所需的卡车运输次数比以前减少了300次。
2. 运用流程知识驱动的人工智能
人工智能能力正日益融入供应链管理，协助人类在需求预测、采购前置时间确定等复杂规划活动中做出决策，以及其他诸多应用。根据IBM开展的一项调查，超过一半的首席供应链官已经在使用人工智能。
这一趋势受三大动向支撑：小样本学习技术（基础模型可以用相对较少的训练数据（按消费互联网标准衡量）适配特定供应链，从而使人工智能预测更贴合目标规划场景）；通过传感器实现的追踪与数字化；以及数字孪生技术。
随着人工智能快速发展，流程挖掘的能力正在呈指数级增强。业务运营，尤其是供应链管理，将从这项技术中显著受益。
3. 打造更具可持续性的供应链
通过使供应链更具可持续性，管理者还将同时提升营收和利润。以通胀为例：采用可持续供应链方法，可以降低排放和浪费的成本，同时通过提升客户忠诚度增加收入，并避免因日益严格的监管要求而产生的罚款，从而缓解通胀压力。借助机器学习优化物流，可实现准确的交付时间，从而留住客户。
同样，就利润而言，企业可以通过流程挖掘降低人为错误的风险，提高订单准确性并缩短周期时间。这将带来极少的退货和取消，从而减少浪费和运输排放。
科技屡次成为应对世界最严峻挑战的解决方案来源。如今，企业管理者必须再次借助科技，提升全球供应链的韧性。他们需要打造高效、数据驱动、透明且可持续的供应链。
