對于美國加州的Infinera公司來說，2017年并不一帆風順。這家電信設備制造商的收入從2016年的8．7億美元下降到2017年的7．4億美元，毛利率從45％下降到33％。這家公司在美國、加拿大、中國、印度和瑞典共有約2000名員工，當年凈虧損1．95億美元，而2016年凈虧損2400萬美元。

為了扭轉局面，Infinera公司首席執(zhí)行官托Thomas Fallon今年早些時候告訴投資者，公司的重點之一就是技術改進。

“除了增加對市場的關注之外，我們重組計劃還包括成為一個能夠確保短期內加快產品交付、長期保持永久差異化技術的企業(yè)。我們正在這方面取得進展?！?/span>

為此，Infinera公司正在轉向人工智能，目標領域之一是就是供應鏈管理（SCM）。Infinera將利用機器學習，通過分析生產交貨時間的歷史變化，更好地預測交貨日期和物流提供商的表現(xiàn)。

“我們希望我們的銷售團隊能夠快速確定當前待定報價和訂單產品的供貨，希望能夠在做出調度決策時快速考慮到更多因素和約束條件，” Infinera公司信息技術高級副總裁Todd Tuomala這樣說道。

人工智能的預測性影響

Tuomala介紹說，Infinera的首個供應鏈人工智能試點項目將于今年年中上線，先從其中一個制造工廠開始?！拔覀兿Ｍ谀甑字盀槲覀兊匿N售團隊和客戶提供所有產品的供貨信息?！?/span>

他說，使用機器學習可以加速公司調度決策的能力，也讓公司考慮到比目前更多的因素。

Infinera正在使用Intrigo Systems的供應鏈管理技術，結合Splice Machine的人工智能技術。

Splice Machine公司首席執(zhí)行官兼聯(lián)合創(chuàng)始人Monte Zweben說，很多企業(yè)已經從他們的供應鏈管理系統(tǒng)獲得了30年的可用預測。但直到最近，數(shù)據(jù)基礎架構才能準確預測像交付時間這樣的信息。

“如果你是一家大型網絡設備制造商，并且有銷售人員在售賣這些大型系統(tǒng)，那你總會看到有銷售在問，＇你可以在這個日期之前給我訂購的產品嗎？而大多數(shù)公司，即使擁有最好的ERP系統(tǒng)，銷售人員也會說‘我先確認下再回復你’。這時候客戶可能就會去找其他提供商，得到有競爭力的訂單報價——不管怎么說，他們都得要等待?！?/span>

通過實時獲得信息，銷售團隊就可以與客戶展開談判。也許其中一個訂單項在規(guī)定的日期內無法交付，但其他訂單項是可以保證的。“這是一個完全不同的過程，”他說。

但預測交付不僅僅是能夠拉動制造和出貨時間表。憑借著智能供應鏈管理技術，企業(yè)還可以查看歷史運輸時間和制造細節(jié)，并將其與外部數(shù)據(jù)源（如天氣預報等）相結合使用。

Zweben表示：“你一開始可以先承諾之前預測好的庫存量，而不是計劃好的庫存量。而且你要根據(jù)可能發(fā)生的情況——而不是應該會發(fā)生的情況——向客戶給出承諾。”

供應鏈難題

Infinera在部署這項技術方面具有優(yōu)勢，因為Infinera有垂直整合的業(yè)務模式。對于其他公司來說，將人工智能技術運用于供應鏈是一個很棘手的過程。

OpenText 是一家位于美國安大略省的企業(yè)信息管理供應商，該公司產品營銷總監(jiān)Mark Morley說：“這看起來似乎是最基本的問題，但事實是，業(yè)務合作伙伴之間交換的信息中仍然有超過50％是通過傳真、電子郵件或電話傳輸?shù)摹！?/span>

因此，物流并不是企業(yè)考慮部署人工智能技術時首先想到的領域。

根據(jù)Forrester最近對全球決策者的調查，在SCM中使用人工智能要遠遠市場營銷、產品管理和客戶支持。只有13％的公司說，物流是他們評估投資和采用人工智能系統(tǒng)的主要領域。

供應鏈通常涉及大量外部合作伙伴，其中一些可能技術比較落后，此外還存在數(shù)據(jù)質量和互操作性等問題，專家說。

Forrester Research副總裁兼首席分析師Boris Evelson表示，在將高級分析和機器學習算法運用于供應鏈數(shù)據(jù)之前，企業(yè)必須首先收集數(shù)據(jù)，也就是從制造商、分銷商、經銷商和供應商那里收集數(shù)據(jù)。

“從所有這些來源獲取數(shù)據(jù)，是一個巨大挑戰(zhàn)，”他說。一旦收集到數(shù)據(jù)，這些數(shù)據(jù)也并不總馬上就可以使用的形式?！肮炭赡苡心硞€細分層面的數(shù)據(jù)，而分銷商可能會有其他層面的數(shù)據(jù)。供應商可能有單個產品的數(shù)據(jù)，但分銷商可能只有基于容器的數(shù)據(jù)?！?/span>

但這并不是說企業(yè)就沒有在嘗試解決這個問題。

埃森哲應用智能總監(jiān)Frank Meerkamp說：“在和我們交流的一些財富400強企業(yè)中，每個客戶都對理解、探索和證明概念感興趣。人工智能運用于供應鏈管理方面是有很多機會的。”

他說，消費領域的企業(yè)走在最前沿，因為他們面臨著利潤率方面的巨大壓力。

這不僅僅是炒作，他補充說。“是的，是有很多炒作，但我認為這是一個積極的事情，我們需要炒作讓人們向前發(fā)展，我認為剛剛開始人工智能之旅?！?/span>

不止是分析

除了分析供應鏈數(shù)據(jù)，做物流相關的預測之外，人工智能技術也被用于供應鏈管理的其他領域。

對于消費者來說，人工智能最明顯的用途之一，就是使用Siri、Alexa和Google等個人助理。這些聊天機器人將搜索、語音識別和自然語言處理結合在一起，所有這些背后都是由人工智能提供支持的。

Meerkamp說，同樣的方法也可以用來創(chuàng)建虛擬代理，幫助企業(yè)更輕松地從ERP系統(tǒng)獲取信息。他說，未來十年這將會變得很常見。

人工智能另一個常見的用途是圖像識別，這可以在庫存管理方面發(fā)揮作用，SapientRazorfish商業(yè)和內容業(yè)務高級副總裁Jason Goldberg這樣說。

他說，這方面一個實踐例子就是Amazon Go商店。Target也一直在讓帶有立體攝像頭的機器人在商店走道走來走去并進行庫存測試。沃爾瑪最近也將類似的試點項目擴大到50家店鋪。零售商精準掌握店內庫存，這一點變得比以往任何時候都更為重要，而計算機視覺正成為做到這一點所使用的主要技術，”他說。

PayPal定價產品總監(jiān)Nolwenn Godard表示，定價也是人工智能技術可以提供幫助的一個方面，包括價格優(yōu)化和價格自動執(zhí)行等。

她補充說，這項技術也將有助于提高人類的生產力。“人類智慧和人工智能與自動化的結合，可以節(jié)省時間、降低運營費用以及消除人為錯誤。員工可以把他們的精力轉移到非常規(guī)的、分析和創(chuàng)造性的任務上，同時人類仍然可以得到人工智能的協(xié)助和增強?！?/span>

物聯(lián)網是助推人工智能的燃料

就其本身而言，人工智能是一種強大且具有變革性的商業(yè)技術。但根據(jù)Morley的說法，當人工智能與物聯(lián)網結合使用時，就會變得動力十足。

他說：“你可以實現(xiàn)一種自主的供應鏈，讓供應鏈變成幾乎具有自我意識、自我管理和自我決定的能力。”

作為全球最大的工程公司之一，ABB公司也一直致力于這方面的研究。

ABB公司CSO Satish Gannu說：“ABB的研究中心在過去五到七年中一直致力于人工智能和機器學習領域?！?/span>

例如，ABB一直在構建一個名為ABB Ability的物聯(lián)網平臺。

他說：“通常情況下，我們從客戶那里聽到關于調節(jié)監(jiān)控和預測性維護的問題。他們希望知道什么時候可能會出現(xiàn)問題，資產能夠持續(xù)多長時間，而當我們知道可能會出現(xiàn)某些故障的時候，我們就可以將這一故障與備件訂購系統(tǒng)聯(lián)系起來?！?/span>

這意味著客戶可以在導致停機之前解決問題?！白罱K，這完全是為了幫助客戶確保他們的生產持續(xù)運轉。”