Erik Walenza-Slabe是Asia Growth Partners的首席執(zhí)行官、數(shù)字化咨詢公司IOT One的董事總經(jīng)理，也是工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟的活躍成員，并領(lǐng)導(dǎo)美國(guó)商會(huì)的科技創(chuàng)新委員會(huì)。從2013年起，他負(fù)責(zé)管理獨(dú)立創(chuàng)業(yè)社區(qū)Startup Grind上海分會(huì)。他還在2015年建立了IOT One學(xué)院以幫助企業(yè)消除在數(shù)字化轉(zhuǎn)型過程中的能力缺陷。

過去五年，他與超過100家公司在數(shù)字化轉(zhuǎn)型、市場(chǎng)準(zhǔn)入、競(jìng)爭(zhēng)對(duì)手對(duì)標(biāo)、創(chuàng)業(yè)孵化和商業(yè)模式戰(zhàn)略等領(lǐng)域展開合作；并經(jīng)常受邀在各類論壇和會(huì)議中就企業(yè)數(shù)字化和數(shù)據(jù)驅(qū)動(dòng)的商業(yè)模式等主題進(jìn)行演講。

世界經(jīng)理人：你認(rèn)為AI技術(shù)對(duì)供應(yīng)鏈管理最大的顛覆性影響是什么？

Mr.Erik Walenza：

實(shí)際上，我認(rèn)為人工智能對(duì)供應(yīng)鏈管理最具顛覆性的影響將與其處理非結(jié)構(gòu)化數(shù)據(jù)的能力相關(guān)。

傳統(tǒng)IT系統(tǒng)已經(jīng)非常擅長(zhǎng)處理結(jié)構(gòu)化數(shù)據(jù)，比如來自ERP、CRM或其他供應(yīng)鏈管理系統(tǒng)的數(shù)據(jù)。但世界上大部分相關(guān)信息是非結(jié)構(gòu)化的，比如新聞事件、供應(yīng)商或客戶的新聞稿、與合作伙伴的電子郵件或短信等。目前這些信息只能通過人工處理。

當(dāng)然，人力成本高且時(shí)間有限，因此許多信息要么未被處理，要么處理得太晚。我們可能在一周后才得知某件事，無法及時(shí)響應(yīng)。

現(xiàn)在，人工智能可以將這些非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，用于決策。比如，如果有一則產(chǎn)品召回的新聞稿，我們不需要等待團(tuán)隊(duì)成員偶然發(fā)現(xiàn)它，而是可以每天掃描相關(guān)信息。一旦系統(tǒng)捕獲到這類信息，就能立即識(shí)別客戶端的召回事件并快速響應(yīng)。

這將徹底改變我們應(yīng)對(duì)事件和優(yōu)化決策的能力。這種變化目前仍處于早期階段，但據(jù)我所知，許多傳統(tǒng)供應(yīng)鏈管理軟件公司已開始整合非結(jié)構(gòu)化數(shù)據(jù)。此外，許多專注于這一問題的原生AI軟件公司正在涌現(xiàn)。

世界經(jīng)理人：所以，這會(huì)讓我們更高效？

Mr.Erik Walenza：

是的，效率提升是其中一種影響。

例如，幾年前我們?yōu)橐患一す咀鲰?xiàng)目，他們的團(tuán)隊(duì)很龐大，但預(yù)測(cè)準(zhǔn)確性很低。我們嘗試識(shí)別所有可能影響其化學(xué)品供需的變量，這些變量可能大幅影響市場(chǎng)價(jià)格，而且市場(chǎng)價(jià)格每周都可能發(fā)生劇烈波動(dòng)。

但許多關(guān)鍵變量涉及的是諸如美國(guó)消費(fèi)者購(gòu)車/房情緒變化和購(gòu)買意愿信號(hào)，最初只是零星的數(shù)據(jù)點(diǎn)，也有可能在媒體上大量涌現(xiàn)，但當(dāng)時(shí)很難追蹤這類非結(jié)構(gòu)化數(shù)據(jù)。

現(xiàn)在，AI可以高效分析這些趨勢(shì)（比如美國(guó)房地產(chǎn)市場(chǎng)需求），并衡量對(duì)聚碳酸酯價(jià)格（與該化工企業(yè)相關(guān)）的潛在影響，從而優(yōu)化預(yù)測(cè)和定價(jià)決策。

此外，AI還能提升企業(yè)洞察力。正如我前面提到的競(jìng)爭(zhēng)對(duì)手的產(chǎn)品召回事件，你必須能夠及時(shí)捕捉到這個(gè)信息，在第二天就致電客戶并推銷替代方案。這種從非結(jié)構(gòu)化數(shù)據(jù)中提取可操作信息的能力極具變革性。

世界經(jīng)理人：你覺得AI技術(shù)對(duì)企業(yè)（尤其是供應(yīng)鏈企業(yè)）的改善，最被低估的是什么地方？

Mr.Erik Walenza：

過去，在技術(shù)發(fā)展上通常是由行業(yè)和企業(yè)為先導(dǎo)，消費(fèi)市場(chǎng)隨后跟上。但現(xiàn)在AI應(yīng)用的情況反過來了。消費(fèi)市場(chǎng)領(lǐng)先一步，而行業(yè)反而成了追隨者。尤其是供應(yīng)鏈領(lǐng)域，因?yàn)閮?nèi)部的復(fù)雜體系和風(fēng)險(xiǎn)意識(shí)，往往等到技術(shù)成熟后才采用。

未來5年，隨著企業(yè)逐步解決內(nèi)部組織挑戰(zhàn)（如網(wǎng)絡(luò)安全、隱私和流程重構(gòu)），AI的能力將迅速提升。

近兩年我們已經(jīng)見證了AI新能力（尤其是決策相關(guān)領(lǐng)域）的爆發(fā)式增長(zhǎng)。AI已經(jīng)能在多數(shù)決策場(chǎng)景下達(dá)到人類管理者的水平。例如，AI已能通過患者癥狀描述提供比醫(yī)生更準(zhǔn)確的診斷。

在供應(yīng)鏈中，主要障礙是組織層面而非技術(shù)層面。當(dāng)企業(yè)解決這些問題后，AI帶來的沖擊可能會(huì)超出他們的預(yù)期，能夠更快處理海量信息，優(yōu)化供應(yīng)分配、供應(yīng)商選擇和定價(jià)決策，甚至能以AI提議、人類審批的形式替代中層管理決策。

世界經(jīng)理人：但這不會(huì)是種令人生畏的場(chǎng)景嗎？如果機(jī)器能自主決策，自我生產(chǎn)，企業(yè)為什么還需要人類員工？

Mr.Erik Walenza

我承認(rèn)這確實(shí)令人不安。在法律事務(wù)層面，我們已經(jīng)看到了這種趨勢(shì)，因?yàn)槟撤N意義上來講，法律比供應(yīng)鏈更簡(jiǎn)單。供應(yīng)鏈需要整合大量不同系統(tǒng)，涉及復(fù)雜的人際關(guān)系；而律師事務(wù)所的大量工作關(guān)鍵在于能否理解法律體系、歷史判例，從客戶描述中識(shí)別相關(guān)條款。這種流程相對(duì)簡(jiǎn)單。

現(xiàn)在，我們已經(jīng)發(fā)現(xiàn)，律師事務(wù)所開始大幅減少初級(jí)員工招聘，因?yàn)锳I能替代基礎(chǔ)法律文書工作，不過高級(jí)律師仍不可或缺，因?yàn)樾枰Y深人員管理人際關(guān)系。所以，律所的團(tuán)隊(duì)結(jié)構(gòu)可能從“10位資深+90位初級(jí)”變?yōu)?ldquo;15位資深+15位初級(jí)”。

實(shí)際上，還有一大風(fēng)險(xiǎn)在于，人類可能失去對(duì)決策過程的掌控。對(duì)于人類的錯(cuò)誤決策，我們現(xiàn)在至少還能找到責(zé)任人進(jìn)行溝通，聽其解釋決策邏輯。但AI可能用數(shù)千個(gè)變量決策，而人類難以理解其邏輯。所以我們需要在提升決策效率與保持人類對(duì)系統(tǒng)的控制力之間找到一個(gè)平衡點(diǎn)。

世界經(jīng)理人：企業(yè)應(yīng)用AI技術(shù)時(shí)，最常見的能力缺口是什么？或者說這類項(xiàng)目失敗的主要原因可能有哪些？

Mr.Erik Walenza

中小企業(yè)和初創(chuàng)公司能快速采用AI，但大企業(yè)面臨多重挑戰(zhàn)：老舊系統(tǒng)難以改造，內(nèi)部治理規(guī)則僵化，員工對(duì)AI可能導(dǎo)致裁員的抵觸，傳統(tǒng)企業(yè)難以吸引薪水要求高的AI專家。

比如，有一家規(guī)模較大的歐洲香精公司原本打算從科技巨頭處高薪挖人組建自己的數(shù)字化團(tuán)隊(duì)，但由于AI人才普遍不希望履歷上出現(xiàn)傳統(tǒng)制造企業(yè)，不得不拋出30%的加薪以增加吸引力，但這種方案被自家公司HR以薪酬規(guī)則為由拒絕，最終他們只能選擇外包AI開發(fā)。這也意味著，能力建設(shè)、數(shù)據(jù)積累等核心優(yōu)勢(shì)掌握在外部公司手中。

此外，決策層的認(rèn)知鴻溝也是一個(gè)關(guān)鍵的阻礙：傳統(tǒng)大企業(yè)的主要決策者大多超過50歲，其職業(yè)生涯形成于不同當(dāng)下的技術(shù)時(shí)代，往往難以準(zhǔn)確評(píng)估AI技術(shù)的成熟度。如果是在華運(yùn)營(yíng)的跨國(guó)公司，則更面臨一重地理鴻溝——需要將中國(guó)市場(chǎng)的訴求與技術(shù)發(fā)展情況反饋給歐洲總部。這種跨境解釋還要疊加上網(wǎng)絡(luò)安全、隱私流程變更、重大投資決策等方面的考量，使得在華外企的AI部署決策更加難以施展。

此外，許多企業(yè)依賴微軟Copilot這類“已批準(zhǔn)但低效”的工具，而非垂直領(lǐng)域的解決方案。因此許多供應(yīng)商成本更低的、針對(duì)性的優(yōu)質(zhì)方案往往因?yàn)椴辉陬A(yù)審名單中而不得采用。

企業(yè)必須正視這些挑戰(zhàn)，審慎規(guī)劃AI的實(shí)施路徑。

世界經(jīng)理人：在你所觀察到的案例中，成功應(yīng)用AI技術(shù)對(duì)自身進(jìn)行改善的企業(yè)有哪些共性？

Mr.Erik Walenza

就中國(guó)市場(chǎng)的成功案例而言，我的觀察主要基于服務(wù)跨國(guó)公司的經(jīng)驗(yàn)，有效應(yīng)用AI的案例通常具備以下特征：

• 首先設(shè)定的目標(biāo)可以很宏大，但邊界必須清晰的 目標(biāo)。應(yīng)當(dāng)聚焦影響特定職能或流程的變革，從而明確利益相關(guān)方；

• 其次建立有高管層支持的賦能團(tuán)隊(duì)，確保團(tuán)隊(duì)擁有高度自主權(quán)；

• 同時(shí)獲取基層支持。不強(qiáng)推方案，而是與一線員工溝通需求，共同設(shè)計(jì)流程變革。因?yàn)榛鶎訂T工最清楚業(yè)務(wù)實(shí)際運(yùn)作方式，能有效幫助定義功能需求。

這種“聚焦領(lǐng)域+遠(yuǎn)大目標(biāo)+高層賦權(quán)+上下協(xié)同”的組合效果顯著。

反之，常見的失敗模式是：泛泛而談“全公司AI化”，卻缺乏具體實(shí)施方案，責(zé)任歸屬模糊，預(yù)算來源不清，決策機(jī)制缺失。許多公司滿足于營(yíng)造AI應(yīng)用的假象，卻從未真正改變業(yè)務(wù)的運(yùn)營(yíng)方式，最終往往流于形式地滿足于微軟Copilot這種“合規(guī)易用但效果有限”的方案。

世界經(jīng)理人：所以，成功的關(guān)鍵是依靠人而非單純依賴AI技術(shù)？

Mr.Erik Walenza：

完全正確。至少?gòu)默F(xiàn)在到可預(yù)見的將來，AI雖能夠非常高效地實(shí)現(xiàn)特定流程步驟的自動(dòng)化，但必須由人類來決定哪些流程步驟可以自動(dòng)化，如何圍繞這種自動(dòng)化調(diào)整流程。需要由人來確定優(yōu)先次序，權(quán)衡利弊，規(guī)劃初期投資方向。因此，人類的角色依然至關(guān)重要——我認(rèn)為這種狀況短期內(nèi)不會(huì)改變。

世界經(jīng)理人：中美企業(yè)會(huì)在應(yīng)用AI技術(shù)進(jìn)行創(chuàng)新方面體現(xiàn)出較大差距嗎？比如，思維上的？

Mr.Erik Walenza：

我們需要分別考慮美國(guó)企業(yè)在美國(guó)的情況、美國(guó)企業(yè)在中國(guó)的情況，以及中國(guó)企業(yè)在中國(guó)的情況。

美國(guó)企業(yè)擁有成熟的AI生態(tài)系統(tǒng)，有大量供應(yīng)商可以選擇。人才成本雖高，但人才資源相當(dāng)充足。而且由于許多企業(yè)的“同儕壓力”，AI的應(yīng)用相當(dāng)迅速且積極，許多公司已取得顯著進(jìn)展。

中國(guó)企業(yè)雖起步稍晚（約落后6個(gè)月），但他們向來有快速采用新技術(shù)的傳統(tǒng)——一旦明確技術(shù)對(duì)利潤(rùn)的影響，行動(dòng)可能更迅猛。

至于在華美國(guó)企業(yè)，或者范圍擴(kuò)大一點(diǎn)，在華外企，則面臨獨(dú)特挑戰(zhàn)：總部開發(fā)的各種AI解決方案在中國(guó)往往水土不服。雖然企業(yè)可以單獨(dú)為中國(guó)分部單獨(dú)開發(fā)并行方案，但若中國(guó)市場(chǎng)在公司整體營(yíng)收占比太低，就很難證明為此投入AI開發(fā)資源的合理性。因此，外企的AI應(yīng)用需聚焦可產(chǎn)生重大影響的關(guān)鍵領(lǐng)域——因?yàn)樵贏I應(yīng)用的整體覆蓋范圍上，他們既難以匹敵中國(guó)本土企業(yè)，也無法與總部主導(dǎo)的全球方案相抗衡。

世界經(jīng)理人：是否可以說，中國(guó)企業(yè)更愿意為試錯(cuò)買單？

Mr.Erik Walenza：

是的。中國(guó)企業(yè)更重視速度和結(jié)果，對(duì)試錯(cuò)容忍度較高——只要愿意承擔(dān)錯(cuò)誤成本，這種特質(zhì)對(duì)AI應(yīng)用是優(yōu)勢(shì)。

世界經(jīng)理人：你認(rèn)為AI技術(shù)的應(yīng)用在解決長(zhǎng)尾場(chǎng)景中有何優(yōu)勢(shì)？

Mr.Erik Walenza：

許多長(zhǎng)尾場(chǎng)景對(duì)人類而言是隱形的。

一方面，人力成本高昂；另一方面，人類能處理的信息量有限，所以人類處理此類場(chǎng)景時(shí)通常只關(guān)注核心變量，對(duì)其持續(xù)追蹤。人類可能對(duì)10個(gè)關(guān)鍵變量了如指掌，卻對(duì)市場(chǎng)上其他可能產(chǎn)生影響的100個(gè)變量渾然不覺——其余變量處理起來過于復(fù)雜，難以分析，也難以傳達(dá)。

而AI能同時(shí)追蹤數(shù)千變量并識(shí)別潛在影響。例如，競(jìng)爭(zhēng)對(duì)手工廠停產(chǎn)維護(hù)這類低頻事件，人類可能忽略，但AI能分析數(shù)據(jù)并觸發(fā)行動(dòng)。我們完全可以通過訓(xùn)練AI來處理大量人類難以察覺的信息，進(jìn)而得出有價(jià)值的洞見。例如基于競(jìng)爭(zhēng)對(duì)手工廠的運(yùn)營(yíng)動(dòng)態(tài)，向銷售團(tuán)隊(duì)、生產(chǎn)團(tuán)隊(duì)、預(yù)測(cè)團(tuán)隊(duì)、定價(jià)團(tuán)隊(duì)傳遞針對(duì)性建議。

不過需要再次重申，這些都屬于長(zhǎng)尾場(chǎng)景的范疇，需要建立能夠大規(guī)模追蹤和處理相關(guān)數(shù)據(jù)的系統(tǒng)。而這正是人工智能將要發(fā)揮重要作用的領(lǐng)域。