研究院|察利用生成式AI增強競爭優(yōu)勢整合產(chǎn)JonChambersEMEAIBMC/in/jon-chambers-9055581/Jon.Chambers@Didaskalou消費能力中心IBMC/in/kostasdidaskalou/KDIDASKA@JaneCheung消費行業(yè)全球研究負責人IBM研究院/in/janescheung/jane.cheung@數(shù)字孿生全球產(chǎn)負責人IBMC/in/velichety/在優(yōu)化新產(chǎn)開發(fā)和改消改進協(xié)同傳統(tǒng)AI和生成式AI的機遇，從更成功地推出費行業(yè)供應鏈運營方，AI新消費產(chǎn)到協(xié)供應鏈運營以提高效率并減少浪費。生成式潛力巨大。優(yōu)化整合生成式AI與供應強韌性。支持可持續(xù)性和監(jiān)管合規(guī)性生成式AI功能可以支持整個消費產(chǎn)推動全方位的可持續(xù)性，并支持各個市場和地區(qū)的監(jiān)管合規(guī)性。快速采用消費行業(yè)高管正在迅速采用生成式AI受訪高管認或強烈認生成式AI對其組織的未來至關重。而且，超過四分之三的受訪高管認為應迅速采用生成式AI1AI在競爭激烈的消費市場中推出新產(chǎn)歷來就企業(yè)臨的挑戰(zhàn)比以往更加嚴峻。規(guī)問題到層出不窮的新產(chǎn)30,000種新消費產(chǎn)1未能實現(xiàn)其在(NPI)流程中未針對牌組合中的新產(chǎn)建立全局視圖納入產(chǎn)時計劃實現(xiàn)峰銷量以及何時逐步淘汰產(chǎn)，時降低對其他產(chǎn)的影響。市場研究和消費者就無法滿足消費業(yè)績不佳以及供應鏈效率低下。不切實際的時表和緊迫的期限2生成式提供的察可以在AI整個產(chǎn)生命期中融入可持續(xù)性。在新產(chǎn)(NPI)流程早期做出的決策也會產(chǎn)生一系列后續(xù)挑戰(zhàn)，從而影響供應鏈和端到端產(chǎn)供應和資限制風險管理和應急規(guī)劃不足難以找到可靠的供應有利的條款和確保新材料風險評估不足和缺乏應急規(guī)劃來應對潛在的供應鏈中斷或影響滿足生產(chǎn)和分銷求（例如自然災害、地緣政治事件或供應的能力。發(fā)布取得成功。供應鏈可視性和協(xié)能力有限為了應對這些挑戰(zhàn)并管理新產(chǎn)費行業(yè)需一種更具前瞻性、數(shù)據(jù)驅動且端到端的決缺乏端到端的供應鏈可視性和協(xié)會導致溝通中斷、AI來協(xié)助和增強產(chǎn)發(fā)布取得成功。監(jiān)管和合規(guī)問題除了優(yōu)化新產(chǎn)導入和供應鏈整合，以及管理各個市場AI期如果在產(chǎn)開發(fā)階段沒有提前處理好監(jiān)管求和合規(guī)召回或供應鏈中斷的風險，管理開啟一個全新的維度—改AI從而對成本和牌聲譽造成負影響。進產(chǎn)采用并幫助做出更明智的決策?？沙掷m(xù)性和供應鏈透明度擔憂忽視新產(chǎn)和供應鏈流程中的可持續(xù)性影響會增加監(jiān)管不合規(guī)的風險，并錯失降本增效的機會。此外，未來對供應鏈透明度的新產(chǎn)品23案例研究利用AI創(chuàng)造新的香水香型Symrise3Symrise料配料及活性化妝35,000種消費供應其AromasMoleculesSymrise還全球領先的香料材料生產(chǎn)。隨消費市場對新香水香型的需求不斷增加，Symrise發(fā)現(xiàn)了利用其超過兩管理越來越短的產(chǎn)周時提高整體產(chǎn)AI用一款名為Philyra的AI市場和銷數(shù)據(jù)。AI料特性方Symrise利用AI設計的首款上市產(chǎn)在法國尼斯的世界香水大會上亮相。AIOBoticárioAI已成為調(diào)香師不可或缺的一項利Symrise。4超過四分之三的消費行業(yè)高管認或強烈認應迅速采用生成式以保持競爭力。AIAI重要與許多其他行業(yè)也開始利用生成式AI來提升運營效率和協(xié)助做出決策。生成式AI采用于生成式AI的解決方案。這項技術在消費聊天機器人和數(shù)字助手簡在新產(chǎn)引入方AI可以通過分析與熱門產(chǎn)特性或消費者偏好相關的歷史數(shù)據(jù)來幫助創(chuàng)造新的產(chǎn)AI有望進一步提高消費行業(yè)的運營效率—IBMAI有機會實現(xiàn)高達30%的效率提升。4IBM研究院(IBMIBV)行業(yè)高管正在迅速采用生成式AI或強烈認生成式AI對其消費組織的未來至關重行業(yè)高管認或強烈認應迅速采用生成式AI55近一半的受訪消費組織正在供應鏈、物流和履行領域試點或實施生成式AI40%的受訪組織正在產(chǎn)開發(fā)領域試點或實施生成式AI3%的受訪組6開發(fā)和供應鏈運營領域優(yōu)化這項能力。圖1受訪組織在產(chǎn)品開發(fā)中采用生成式AI的情況3%49%25%20%3%不考慮正在試點正在實施和運營正在優(yōu)化

正在考慮和評估受訪組織在供應鏈運營中采用生成式AI的情況8%38%19%32%3%不考慮正在試點正在實施和運營正在優(yōu)化

正在考慮和評估信息來IBM業(yè)價225名全球零和消費高管的調(diào)研。6通過以所未有的AI他方式無法獲取的見解。生成式AI行業(yè)高管一在尋求改進新產(chǎn)淘汰的整個AI

AI和市場可以發(fā)揮至關重的協(xié)通過與可信賴的供應的專有數(shù)據(jù)來訓練生成式AI模型。于大量結構化和非結構化供應AI功能可以提供其他方式無法獲取的技術和解決方案AI開發(fā)的早期階段提供強大支持。將詳細的產(chǎn)和創(chuàng)新信息輸入到共公司利用生成式AI來處理這些數(shù)據(jù)，就可以加速其產(chǎn)共數(shù)據(jù)的動機可能很大—獲得包裝合的可能性。生成式AI的另一個應用場景在新產(chǎn)探索過程中，幫助研發(fā)專家尋找新技術和新材料。通過分析和理解來自研究出版物、新聞報道、貿(mào)易活動、社交媒體等來的海量數(shù)AI可以總結可能的技術方案，并幫助規(guī)劃人員快速甄別出具備新興技術能力的供應的性能和市場潛力。7生成式AI所實現(xiàn)的目標狀態(tài)在產(chǎn)推出后再逐步進行優(yōu)化。生成式AI推出時就在產(chǎn)發(fā)布后再歷時數(shù)年試圖削減材料成本。圖2生成式AI在產(chǎn)品開發(fā)和供應鏈職能中的應用價排名產(chǎn)品開發(fā)97%92%91%增強知識搜索創(chuàng)建分析模型創(chuàng)建自定義產(chǎn)品可視化和設計供應鏈95%89%81%增強知識搜索根據(jù)結構化/非結構化總結復雜文檔數(shù)據(jù)生成需求預測信息來IBM業(yè)價225名全球零和消費高管的調(diào)研。8生成式可以預測遵守新法規(guī)的AI地管理法規(guī)合規(guī)性。AI有望迅速而長遠地影響新產(chǎn)的實施更具戰(zhàn)略性的產(chǎn)規(guī)劃和產(chǎn)組合管理生成用于產(chǎn)像生成式AI生成式AI可以幫助產(chǎn)規(guī)劃人員準確預測新產(chǎn)可以加速產(chǎn)會侵蝕現(xiàn)有產(chǎn)組特征。合的選擇和收入，并指導在特定渠道推出新產(chǎn)協(xié)助包裝設計和材料規(guī)劃免影響其他產(chǎn)的銷業(yè)績。生成式AI可以協(xié)助包裝設計人員開發(fā)產(chǎn)包裝的藝術支持運營性數(shù)字孿生設計和文案，并探索各種個性化選項。優(yōu)化的設計流程生成式AI可支持創(chuàng)建表示端到端供應鏈的運營性數(shù)字和更高效的材料有助于更快地測試消費者偏好、增加消孿生。在開發(fā)和推出新產(chǎn)之前，數(shù)字孿生可以模擬和費者接受度并降低成本。建模新產(chǎn)的表現(xiàn)及其對供應鏈的影響，從而形成良性更精確地預測需求生成式AI利用大量非結構化數(shù)據(jù)來創(chuàng)建準確的需求預限制影響供應鏈的細微產(chǎn)變更數(shù)量測，從而將需求預測的實用性和準確性提升到全新水生成式AIIBM業(yè)價研究院最近開展的對標分析調(diào)晰準確地理解供應條款有望將預測誤差降研，48%的受訪高管預計生成式AI7與條件。這些及時的信息有助于減少交付給制造工廠的。低產(chǎn)變更不僅會產(chǎn)生更高的成本，例如小幅設計改動造成材料過時或廢棄，還會導致官僚程序上的延誤和額外費用。9更全地管理供應和監(jiān)管合規(guī)性提高產(chǎn)過渡規(guī)劃效率通過總結供應鏈生態(tài)系統(tǒng)中供應確定何時從貨架上撤下產(chǎn)替換一項極度AI復雜的決策。而生成式AI可以改進供應可以創(chuàng)建模型來優(yōu)化產(chǎn)過并發(fā)現(xiàn)新的毛利率增長機會。利用生成式AI從海量報到制造生成實用摘和包裝。決策者可以受益于多種觀點，并且可以做出對費公司在多個市場和司法管轄區(qū)的合規(guī)能力。供應鏈所有環(huán)節(jié)最有利的選擇。擴展產(chǎn)期管理改進貿(mào)易促銷和促銷資金管理生成式AI生成式AI工具可以訓練和調(diào)優(yōu)模型以處理產(chǎn)需求、提供翻譯服務以及優(yōu)化設計工作流程。產(chǎn)制造完成價及組合風險，AI工具還可以管理物料單并提供工程協(xié)從而消除管理貿(mào)易促銷中的不確定性。改采購和入庫物流管理市時以及更快地響應市場與消費者趨勢。借助生成式AI公司可以實時整合關鍵采購與供加快產(chǎn)追蹤和退貨應鏈數(shù)據(jù)，并總結狀態(tài)和警報信息。更快速準確地識別AI的自動化系統(tǒng)可以準確分類退貨因、供應問題有助于提高制造效率。確定退貨政策優(yōu)先級并更準確地預測退貨率，從而節(jié)省化物流運營。10案例研究利用AI助手捕獲機構知識并提高生產(chǎn)力8英國糖業(yè)公司英國甜菜的獨家加工2,300家種植800萬噸甜菜加工成約120應量可滿足英國約50%分散以及員工嚴重依賴采用一種更有效的方式在組織各個層上共機構知識。許多經(jīng)驗豐富的專家已到達或接近退休階段，保存和分他們的知識變得越來越重探索如何將運營數(shù)據(jù)與AIAI到到業(yè)公司還進一步開發(fā)了更多的生成式AI“借助生成式言AI處理數(shù)百萬個數(shù)據(jù)點（這所有決策的礎從而顯著增強人類能力，并實現(xiàn)顛覆性的制造DanielSimkiss英國糖業(yè)公司工業(yè)4.0負責人11生成式AI應用：數(shù)據(jù)和標準發(fā)揮關越來越多的消費公司開始識到生成式AI在優(yōu)化新產(chǎn)推出和供應鏈運營方時在采用過程中也臨與其他行業(yè)高管指出的六大障礙，我們發(fā)現(xiàn)與數(shù)據(jù)相關的問題占其中一半。為了做出數(shù)據(jù)驅動的決策，理解數(shù)據(jù)至關重。數(shù)據(jù)的性質(zhì)和質(zhì)量還將決(ML)或生成式AI解決特定問題的最有效AI并不和機器學習在許多應用場景中仍然關鍵性技術。由于缺乏明確的標準，的受訪消費首席執(zhí)行官推遲了63%的受訪首席執(zhí)行官表示在一個或多個核心戰(zhàn)略領域缺乏一致的標9就明確的標準達成一致并提供有關客戶、市場和運營的及時可靠數(shù)據(jù)消費行業(yè)的命脈。有效的標準制定流程以及數(shù)據(jù)管理與治理對于訓練和運行成功采用生成式AI所需的模型至關重。12圖3采用生成式AI的六大障礙52%對數(shù)據(jù)準確性或偏見的擔憂49%財務理由/46%技術能力有限45%生成式AI專業(yè)能力不足44%對數(shù)據(jù)和信息隱私/保密性的擔憂40%可用于定制模型的專有數(shù)據(jù)不足信息來IBM業(yè)價225名全球零和消費高管的調(diào)研。13案例研究利用AI簡化不地區(qū)的監(jiān)管管理10全球性消費公司這一家市數(shù)十億美元的全球性消費行業(yè)中開展業(yè)務，入大量資來管理不合規(guī)和開發(fā)團隊減少繁重來開AI。監(jiān)管數(shù)小時或數(shù)天時AI工具還讓產(chǎn)開發(fā)人員能夠在無縫的對話過程中分析法規(guī)對產(chǎn)規(guī)格?！C明生成式AI能夠在數(shù)至至億美元。14圖4生成式AI助手如何增強和加快監(jiān)管合規(guī)求產(chǎn)。15AI發(fā)效益越來越多的企業(yè)領導不再將可持續(xù)發(fā)展和運營視為單獨或相互競爭的分之三的消費行業(yè)高管表示會有識地將可持續(xù)發(fā)展目標與業(yè)務運營目標相融合。產(chǎn)生命周期中的大部分可持續(xù)性成本及其碳足跡都在設計階段確定的。如果在產(chǎn)品生命周期的早期階段考慮到可持續(xù)性因素，這些因素就更有可能融入運營并創(chuàng)造更大的開發(fā)階段使用生成式AI–的受訪消費AI對于其可持續(xù)發(fā)展議程非常重。12–的受訪組織計劃增加對生成式AI的資以推動可持續(xù)發(fā)展。13建立數(shù)據(jù)平臺和決策者提供切實指導的察。在運營中嵌入可持續(xù)性的組織能夠更有效地將數(shù)據(jù)轉化為83%的受訪高管認為高質(zhì)量的數(shù)據(jù)和透明度對于實現(xiàn)可持續(xù)發(fā)展14企業(yè)高管AI為挖掘數(shù)據(jù)的可持續(xù)性潛力創(chuàng)造了新的機會，83%的受訪高管認為其組織更有可能利用數(shù)據(jù)能力在可持續(xù)創(chuàng)新和產(chǎn)/服務開發(fā)方創(chuàng)造重大15效益。此56%的受訪消費行業(yè)高管表示，具有可視化功能的生成式AI模型將實16時發(fā)現(xiàn)供應鏈瓶頸。16案例研究通過技術整合打造更具可持續(xù)性的供應鏈物流17智能綠色托盤托盤在供應鏈中發(fā)揮重40%的公司在其供應鏈中使用物聯(lián)網(wǎng)技術來追蹤貨物和監(jiān)控儲存條或減少分銷渠道中出現(xiàn)產(chǎn)質(zhì)量損失或損壞的影響?！爸悄芫G色托盤”計劃利用區(qū)塊鏈技術實現(xiàn)全的可追溯性，從而減少糾復使用的托盤與物聯(lián)網(wǎng)和區(qū)塊鏈相結合，企業(yè)可以優(yōu)化每個托盤的生命周環(huán)境隨企業(yè)采用物聯(lián)網(wǎng)和區(qū)塊鏈技術并應用AI解決方案從收集的數(shù)據(jù)中獲取的貢獻。17建立可信的數(shù)據(jù)礎，充分釋放生成式盡早與合作伙伴和利益相關積極合作。AI的潛力。如果供應和采購經(jīng)理等相關方開始分流程和創(chuàng)新相關信息，并使用生成式AI分析這些數(shù)據(jù)，這將加速強大的數(shù)據(jù)礎對于于專有信息構建和調(diào)優(yōu)AI模產(chǎn)型至關重開展數(shù)據(jù)評估，理解在哪些情況下使用傳統(tǒng)自動化或的后續(xù)整改需求則會減少。機器學習技術來處理高質(zhì)量結構化數(shù)據(jù)可創(chuàng)造更大效AI來處理非結構化數(shù)據(jù)。大處AI或機設計供應鏈經(jīng)理簡化復雜的數(shù)據(jù)單性與功能性可器學習不最佳方案。評估當前的新產(chǎn)導入流程并確定最具改進潛力的初將新產(chǎn)推出作為整個產(chǎn)生命期的一部機器學習執(zhí)行預測性任務；而對于受益于自然語言理分來管理，并從一開始就確保產(chǎn)具有可持AI來確續(xù)性。保能夠更輕松地訪問復雜數(shù)據(jù)并從中提取切實可行的積極運用可持續(xù)發(fā)展數(shù)據(jù)和察來改企業(yè)和生態(tài)系統(tǒng)的AI用例如何創(chuàng)造更大價或引入風AI來發(fā)現(xiàn)模式并從中揭示于可持續(xù)發(fā)展通過透明度建立用戶信任。和激勵機制。確保用戶理解生成式AI系統(tǒng)及其決策過程。這將增加對數(shù)字助理和其他增強型工具的信任和信心。復雜的AI模型對用戶而言就像透明度。根據(jù)用戶反饋和績效指標審查和優(yōu)化解決方18關于專家察在IBM察和先進的的業(yè)務和相關技術主題的觀點和察根據(jù)與全研究方法與技術，幫助他們在瞬息萬變的業(yè)環(huán)境中保球主題專家的對話總結得出。持獨特的競爭優(yōu)勢。相關報告IBM研究院零IBM20241https://www.ibm.

IBM研究院(IBV)站在技術與業(yè)的交匯com/downloads/cas/PKRVMKXD學者和主題專家的專業(yè)知識與全球研究和績效數(shù)據(jù)相結合，針對公共與私營領重塑牌價域的關鍵議題提供可信的戰(zhàn)略察。IBM2023年/downloads/cas/7XWV8PND訪問IBM價報/ibv/cn

CEO調(diào)CEO必須對的六個殘酷事實。IBM20241/downloads/cas/E8ZXYXGY19備注和參考資料1.Whyofnewproductsmissthemark.MIT10.UnpublishedIBMinternalprojectassessment.ProfessionalEducation.202411.Chambers,Jon,SachinGupta,UrsulaHeng,Mahesh

/blog/design/Dodani,andJaneCheung.Redesigningbrandvalues:why-95-of-new-products-miss-the-mark-and-how-Purposeandprofitconvergeincoreoperations.IBMyours-can-avoid-the-same-fate/InstituteforBusinessValue.April2023.https://ibm.2.Botwright,KimberleyandSpencerFeingold.“EUcosustainable-operations-consumer-productsgovernmentsbackhumanrightsandenvironmental12.TheGuidetoGenerativeAI:Sustainability.IBM

duediligencelawforsupplychains.”WorldEconomicInstituteforBusinessValue.November2023.Forum.March2024./https://ibm.co/ceo-generative-ai-sustainabilityagenda/2024/03/eu-human-rights-environment-due-diligence-supply-chains/#directive%20will%20require%20large,protection%2013.Ibid.across%20their%20supply%20chains.

14.Ibid.3.“Fragrancesfrombigdata.”Symrisewebsite.AccessedMay2024./15.Ibid.our-stories/fragrances-from-big-data/16.TheGuidetoGenerativeAI:Supplychain.IBM4.UnpublishedIBMinternalprojectassessment.InstituteforBusinessValue.November2023.https://ibm.co/ceo-generative-supply-chain5.UnpublishedIBMInstituteforBusinessValuecross-industryreportonAI.UnpublishedIBMIBVinternalprojectassessment.6.Ibid.“Performancedataandbenchmarking.”IBMInstituteforBusines