为什么供应链正从僵化系统转向自适应网络

Unrecognizable pharmaceutical logistician using internet of things solution based on blockchain technology to secure data integrity of drug supply chain. Networking concept for distributed ledgers.
Supply chains are increasingly being redesigned to adapt more dynamically to disruption, risk and changing market conditions.Image: Getty Images/iStockphoto
本内容由人工智能自动翻译。
  • 供应链正以具备推理能力的AI原生软件取代传统软件的僵化规则,这些智能体能够规划、决策并执行行动。

  • 当前的首要任务是知识而非数据。数据是原始且丰富的;知识则更为关键、更具情境性、经过推理且更有价值。

  • 能够持续学习、适应并行动的供应链,将把波动性从制约因素转化为不断累积的竞争优势来源。

供应链始终是动态的实体生态系统。问题在于,我们一直试图用僵化且确定性的软件来运行它们,这些系统建立在一种假设之上:运营可以根据需要进行配置和重新配置。这一假设如今已经失效,建立在其之上的软件也随之失效。从实际意义上讲,传统企业软件正在退场。确定性、手工编码、高度依赖配置的应用时代已经结束。AI原生系统正开始以能够解读情境、支持规划并适应不断变化条件的工具,来补充僵化的规则。

世界经济论坛的《2026年全球价值链展望》报告指出,我们正处于一个持续扰乱的世界。依赖静态配置的软件应用无法支撑由持续结构性波动所定义的供应链现实。每一次新的流程变更或扰乱,都需要另一个定制工作流、另一次集成、另一种变通方案。世界变化越快,旧有技术架构就越僵化。

领导者真正需要的,是学习型系统。传统软件通过表单、YAML(Y’all Ain’t Markup Language:一种人类可读的数据序列化语言,常用于配置文件)和规则引擎进行配置。AI原生系统则从情境、示例和交互中学习,它们从知识中学习。区分普通数据与知识非常重要。数据是原始且丰富的;知识则更为关键、更具情境性、经过推理且更有价值。知识融合了情境,因此信号会在其周围的约束条件中被理解,并结合资产、供应商、能源市场、物流路线和政策进行推理。随着条件变化,知识基础也随之学习。该系统每天都在学习并变得更加智能,而非更加脆弱。

为什么预判在供应链中至关重要

一旦知识被激活,一种更强大的能力便成为可能:推断。过去的竞争策略是在扰乱发生后更快地做出反应。新的策略则是持续感知并计算潜在扰乱的影响,在扰乱完全显现之前,预判其将如何在互联网络中展开。

这需要能够持续完善其对依赖关系、约束条件和二阶效应理解的系统,从而当港口运转放缓、关税发生变化或供应商出现问题时,组织已经清楚可用的替代航线、替代零部件、库存状况以及能够保持领先地位的商业权衡方案。这种情景规划会产生一个优化结果,该结果随后可自主地在组织及生态系统合作伙伴之间传播。

物理AI的出现让这一切成为现实。智能不再局限于每晚运行的规划系统之中。它存在于边缘端、设备中、物流层中,并与生态系统中的其他智能体协同运作。

若缺乏知识与推断,企业将持续陷入被动循环,总是在事后才做出回应。有了它们,企业才能开始塑造结果。

自主运营与界面的消失

还有一项转变,或许是最为深远的。

在物理AI的世界中,传统软件界面的作用可能开始发生改变。供应链实在过于动态且过于分散,人类无法仅通过仪表板和工作流来运营。供应链专业人员的角色也随之改变。投入在与系统角力、核对异常情况、追踪数据以及在内部和与合作伙伴之间协商变更上的时间将减少。更多时间将用于人类所独有的优势:设定意图、权衡取舍以及统筹战略。

不久之后,领导者将通过对话表达其意图。目标、约束条件、优先事项、风险承受度以及客户承诺,都将以自然语言表述。自主AI智能体将解读这些意图,将其转化为跨合作伙伴与地区的协同行动,实时执行,并随着条件变化持续调整。组织将成为一个由意图、推断与行动构成的循环,以市场的速度运行,而非以IT积压工作的速度运行。

这并非是对人类角色的削弱,而是一种提升。它将我们最优秀的人才从维持运营的具体事务中解放出来,使其专注于价值统筹,即只有具备判断力、人际关系和问责意识的人类才能做出的决策。智能体也在不断从这些战略、策略、决策和结果中学习。

千载难逢的机遇

我与之交流的每一位供应链领导者都明白,某些根本性的变化正在发生。速度将把赢家与落后者区分开来。以下是我希望你能从此刻汲取的启示:

1. 扰乱并非我们正在经历的某个阶段

在可预见的未来,扰乱将是运营的常态环境,并且它奖励的是可选性,而非优化。

2. 物理AI并非又一种渐进式工具

物理AI是一代人以来第一项能够在物理运营的规划与执行方式上带来阶跃式变革的技术,有助于我们突破此前难以逾越的约束。

3. 早期采用者将占据优势

率先行动的企业与选择观望的企业之间的差距,将比以往任何技术周期都更快地扩大。

好消息是,前进的道路并不需要在见到成效之前进行一项耗时数年的大规模转型计划。这是一段旅程。它要求从一个真实的运营问题着手,例如规划瓶颈、表现不佳的资产、暴露于地缘政治风险之下的物流路线,并将学习型系统应用于其中。它需要愿意围绕AI智能体当前的能力重新设计流程,而不是迫使智能体去适应既有流程的形态。此外,它还需要高层领导者将此视为战略优先事项,而非一个IT项目。

能够持续学习、适应并行动的供应链,将把波动性从制约因素转化为不断累积的竞争优势来源。这正是本行业已准备好要实现的愿景。下一次工业革命不会等待,我们也不应等待。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。