「人类增强」帮助AI决胜供应链的三种方式

从过去一年的情况来看，供应链的稳定运行直接决定了医疗、商品制造乃至人们日常生活的基本体验。全球各方对供应链体系的高度重视，也吹响了供应链全面迈向数字化转型的行进号角。面对这场以更加精准可控为目标的征程，AI技术将成为我们手中的强大武器，带动供应链不断提升速度。根据相关研究，到2024年，AI在全球供应链管理市场的总价值将达到13亿美元。

但是，如果不能在人的提升层面做出成绩，那么AI就无法完成重塑供应链体系的“光荣使命”。例如，我们不能简单地介绍IBM Watson并期望它了解企业中的所有信息。沃森的运作需要人类以编程的形式来引导，从而找到一条可行的途径，在组织供应链中发挥作用。

下面，我们将具体讨论人类提升和帮助AI赢得供应链的三种方式。

知识转移

当使用遗留系统时，组织通常严重依赖人际互动。特别是在决策过程中，遗留系统往往过于僵化，没有考虑到过程各方面的变化，如消费者购买模式的极端变化、供应和库存的调整等。

知识转移的另一个重要意义在于利用有经验但正在老化的人类员工的专业知识。是的，机器确实会取代一些即将退休或转岗的人，但永远无法取代这些员工留下的丰富经验和知识。

知识转移的本质类似于给成长中的孩子传授经验。一旦他们接触到不良习惯和错误方法，他们未来的行为模式可能会严重扭曲。同样，受不良习惯影响的AI模型也会产生错误的判断和负面结果，对组织乃至整个供应链都会产生负面影响。因此，人类必须引导AI走上正确的道路，将过去经验积累的知识和经验传递给AI。

明确目标

供应链中的任何一套AI解决方案都应该面对具体的目标，有明确的目的。但是AI本身无法独立理解其作用，所以人类有必要在模型中帮助其明确这一点。

例如，负责为卡车提供路线导航的AI模型根本无法正常工作，除非您了解到达最终目的地需要哪些链接。没有这样的基本指导，AI不知道该做什么样的决定。因此，人类有责任为机器提供正确的引导信息；AI在获取错误信息时，需要人为干预来发现和修复算法，从而获得完美的结果。例如，只有有经验的员工才会知道企业电商网站的运营模式，以及一年中相应的原材料数量，以满足业务需求。总而言之，没有专业知识的支持，AI模型无法发展成为决策过程中的好帮手。

因此，在实际应用中最重要的是以编程方式将数据导入AI模型。人类很快就能意识到，供应链主材清单中的“轴承”和“BRG”代表着同一个意思，不难理解“5英寸10英寸”就是“510”，但AI却没有这样的基础知识。要让它有这种常识，需要结合自然语言处理(NLP)技术。

AI编程加速的一种创新方式在于人机合作。在Verusen公司，我们正在与Daivergent合作，希望通过远程办公帮助自闭症患者在工作场所找到合适的工作。Daivergent的员工还帮助Verusen解决了关于AI和机器学习的重大挑战，共同推动AI技术在供应链场景中的应用。

Verusen和Daivergent希望通过合作将人类专家与AI数据训练相匹配，针对具体的工作类型和技术问题提高处理结果。具体来说，Daivergent员工为Verusen提供数据标注和培训支持，以帮助探索新的AI应用任务。例如，他们提供了大量材料来帮助AI模型识别跨数据集的相似性、缩写完成(例如，缩写“BRG RLLR CY321CR KOYO”被替换为“BEARING ROLLER CY321CR KOYO”)和制造商等效性等。通过这些注解，Verusen现有和下一代AI供应链系统可以获得高质量的样本数据。

您的组织可能拥有最新、最酷的AI系统，并提供各种花里胡哨的供应链简化功能；但如果您的AI模型无法正确执行，那就不可能带来积极的结果、甚至导致人类伙伴失去对AI技术的基本信任。

这里的执行是什么意思？顺利执行的前提，首先是完成知识转移并验证AI已经正确理解信息内容；其次，AI必须拥有明确的目标，可以将信息内容分析为有用的数据；最后，则由人类获取AI给出的结论并作为执行指导。

例如，一家组织构建一套模型以了解供应链内的痛点，经过分析与验证，组织希望通过有针对性的调整节约下大量运营成本。虽然AI模型能够实现其中一部分功能，但能不能跨部门（从运营到物流再到财务）运作并完美执行还是取决于人。这个问题对于正在推进数字化转型、不同部门之间各自为政的组织可谓至关重要。

因此，只有充分配合人类增强与清晰深刻的协作方式，AI技术才能在供应链中取得成功。