欢迎进入CSCMP 供应链管理专业协会官方网站!
全球资讯
编者按 在这个迅速变化的世界中,供应链的管理比以往任何时候都更加复杂和挑战性。本文深入探讨了数字化技术如何革新供应链管理,特别是在整合人工智能和行业专家(SEMs)以提升效率和效果方面。通过奥
高管内参
智能工作流:人类与AI的纽带
发布时间:2024/3/11 18:17:31
  |  
阅读量:
编者按

在这个迅速变化的世界中,供应链的管理比以往任何时候都更加复杂和挑战性。本文深入探讨了数字化技术如何革新供应链管理,特别是在整合人工智能和行业专家(SEMs)以提升效率和效果方面。通过奥本大学与行业合作伙伴的合作研究,本文揭示了智能工作流在解决全球供应链中断、贸易紧张和自然灾害等日益复杂的挑战中的关键作用。文章探讨了数字化转型的多个阶段,从数据数字化到流程的全面自动化和智能化,强调了人在这一过程中的核心角色。我们特别关注了如何通过智能工作流重新定义工作流程,使得技术和人类能够更加紧密地协同工作,创造更加高效和可持续的供应链管理模式。对于供应链管理领域保持领先地位的专业人士来说,文章提供了宝贵的见解和启示。您深入可以了解数字化如何重塑供应链,以及您如何能够利用这些进展来增强自己的业务实践。不要错过这一前沿领域的深度洞察,它将为您的组织提供指导和灵感。


没人会否认,管理一个全球供应链是一个日益复杂、充满挑战的工作。如今的供应链管理者必须面对各个方面的挑战,例如哪些新冠大流行、地缘政治以及自然灾害还有来自全渠道零售的不确定性以及目前消费者定制化需求等因素的不断增长的复杂性。许多人相信,为了有效地管理这些困难,企业别无选择,只能利用数据分析、人工智能(AI)和机器人自动化(RPA)这样的数字化手段来解决当下的问题。


本文作者在奥本大学与15名行业合作伙伴组成的研究小组围绕《企业如何参与供应链数字化转型》这个主题展开,同时也访问了六家正在做数字化转型的企业。研究这些组织如何部署和利用技术来实现他们的转型目标,以及他们如何整合技术和人力资源来应对供应链挑战。在过程中这些企业分享了他们从数字化转型努力中学到的经验,同时也共同探讨了我们认为的整个过程的最后阶段:利用数字技术改变组织的价值主张,并重新设计流程,以便执行责任主要由技术而不是人类工作者承担。
我们认为,为了实现这一最终阶段,企业需要采纳所谓的智能工作流,或是有目的地规划人与技术之间的互动。智能工作流是技术与人类工作者的结合,提供了一种全面的方法来协调整个业务流程中的自动化、AI、人类工作者和系统整合。它们超越了人类主导的AI和简单的自动化。它们将技术置于端到端流程执行的中心,让人类专注于提供高价值的专业内容。

什么是数字化转型?


数字化转型是一个多阶段过程,通过该过程,组织封装、评估,然后塑造他们对数据和数字技术的使用,为自己、他们的合作伙伴和他们的客户创造额外的价值。该过程包括三个可争论的连续步骤:数字化识别、数字化流程和数字化转型。

这些步骤经常容易被彼此混淆,但我们会以以下方式定义它们。数字化识别,有时被称为数字封装,是将现有的数据和文件转换成数字格式,以准确代表物理世界。在这一阶段,数据不被改变或分析,仅仅被编码。数字化流程,基于数字化识别之上,是改变流程、组织结构或决策架构,以利用改进的数据捕获、分析和信息传播。最后,数字化转型从根本上改变流程,以完全利用这些新的数字技术在公司内部和跨公司之间。数字化转型最终影响组织在其供应网络中创造价值的方式。图1中的表格提供了关于数字化转型不同阶段和涉及的技术的更多细节。


我们在研究中所涉及的大多数公司正处于数字化转型努力的中间阶段,但还没有进入最后阶段。大多数已经采取了第一步,将他们的数据数字化,视其为公司生存的必需。正如一位参与者所说:“供应链的数字化是将来能够成为全渠道零售商的必要要求。你得知道你有什么,你得准确地知道它在哪里。否则,你就完了。”
我们的许多参与公司也已经超越了数字化识别他们的数据阶段,进入了数字化流程阶段。在这一阶段,他们正在使用数字技术增强业务流程,但还没有从根本上改造它们。它们为使用者提供了工具如仪表板、库存追踪器、警报系统,甚至RPA和机器人来提高他们的流程的效率和有效性。然而,人仍然是流程执行的核心。例如,当一个预定义的数字指标被触发时,警报虽然提醒并引起负责人的注意时,最后还是由负责经理来决定是否还是如何采取行动。同样,仪表板可能在一个地方收集来自多个来源的数据,负责人仍然需要对这些数据进行识别和处理,然后根据这些数据来决策如何采取行动。

只有几家公司进入了我们研究的第三阶段。一家公司正在积极使用智能工作流来协调供应链流程的执行过程,另一家公司正在建设所需的流程和基础设施。


数字化的局限性
虽然在研究中我们遇到很多公司都是出于数字化识别的阶段,但这些受访者也反馈了很多关于数字化工具的局限性。例如,目前仪表盘所呈现庞大的数据信息可能会让决策者不知道如何下手甚至是不知所措,他们很难找到适合并且是准确的信息。“我们从来不缺数据,信息或者是仪表盘。就像看到一座布局合理、功能齐全的建筑物,当你站在楼下仰视的时候,你不知道哪个房间是你的,好像跟你没有任何关系一样。”
管理者仍然需要评估通过仪表板所呈现的数据的重要性。“我们已经完成了数字化识别的工作;我们保留了太多数据。我们现在到处都是仪表板,但基本上没人看它们。所以,我们试图做的不仅仅是数字化,而是在我们的方法中如何去注重认知。”
虽然仪表板和控制塔有助于整合信息,但它们通常缺乏灵活性,只能通过人类干预来调整。例如,管理者提出问题,然后使用仪表板和控制塔来评估额外的数据,之后再决定一个解决方案。通过AI通常是机器学习(ML)来评估和结合大量复杂的数据,以基于众多决策选项生成预测,可以提高这一过程的效率。但即使是这样,也需要大量的人类参与。仍有一些情况下模型的预测不准确。行业专家(SEMs)(Subject Matter Experts SMEs)仍然需要集中人类的时间和精力在那些否则会被处理不当的案例上,并生成新的训练数据,以重新训练AI模型来提高性能。
此外,当模型训练的条件发生变化时,需要人类来检测。例如,在预COVID条件下训练的预测运输时间的机器学习模型,在受COVID干扰的条件下可能表现不佳。
在使用机器人、数字工作者或决策引擎来自动化传统人类工作时,存在类似的限制。这种类型的RPA(有时称为智能过程自动化)旨在自动化离散的、重复的任务,如从特定的固定单元格内读取数据元素。尽管数字工作者在执行离散任务时非常有效,但他们完成任务的能力可能有显著差异。
在当前时点,我们的专家表示,自动化技术独立于人类输入只能在特定场景中工作。大多数现实世界的过程存在于一个广泛的、复杂的环境中,这也涉及到人类用户/互动和与其他系统的整合。正如一位参与者所说,“规定部分是困难的,因为它需要对你试图影响的业务有深入的了解。”工作人员或行业专家(SEMs)需要使用他们的直觉或“隐性”知识与AI结合使用。
实际上,在大多数情况下,即使是启用AI的控制塔也仍然需要一个人来通过其多个步骤协调业务流程。即使在数字化环境中,现有流程已经通过技术得到优化,仍然有步骤需要不同程度的人类审查/行动,或者需要从其他系统(如企业资源规划系统)拉取数据或推送更新。技术可能能够在更大的流程中独立行动,但仍然需要人类来提供过程中多个步骤的协调。

然而,如果这部分协调工作可以自动化,则可以获得更大的效率。正如一位参与者所说:“我们的人力有限,而且我们不会得到更多人力。这是现实。那么我们如何使我们拥有的人更有效地解决我们需要解决的问题呢?”


数字化转型到智能工作流
如前所述,智能工作流指的是跨端到端业务流程对流程自动化、AI和行业专家(SEMs)的协调。
智能工作流实施计划将为需要在数字工作者、人类工作者、AI和其他IT系统之间发生的所有交互的整合提供参数,以完成端到端的业务流程。技术现在将处理贯穿业务流程任务的所有行政细节。例如,RPA(或数字工作者)将处理离散的、重复的、定义明确的任务工作。AI将处理认知任务,如决策制定和自然语言交互或内容捕获(例如,从扫描的文档中提取信息)。最后,行业专家(SEMs)将通过持续的质量保证支持整个智能工作流,处理自动化/AI无法管理的案例,并调查/解决自动化/AI失败的问题。行业专家(SEMs)还将提供反馈,以持续改进过程自动化和AI,以改善智能工作流。
在这种情况下,人类工作者成为工作流中的支持角色。尽管他们的技能对于工作流的持续成功和改进至关重要,但他们不直接负责完成端到端的业务流程。这一责任现在由工作流协调服务,即智能工作流承担。
已经在考虑智能工作流的研究参与者描述了上述概述的愿景的某些版本。他们朝这一目标迈出的第一步可能类似于石油和天然气公司壳牌正在采取的步骤,如最近一篇《哈佛商业评论》文章所述。壳牌已开始重新设计其供应链、制造和维护流程,以便由AI支持。例如,该公司正在自动化其检查过程,使用机器人和无人机监控壳牌的能源和化工厂、管道、海上设施以及风能和太阳能农场。根据文章,“一些壳牌设施如此之大,以前需要几年时间才能手动检查一切——现在引入了无人机和机器人来自动化这些过程,帮助缩短周期时间。”人类检查员和技术人员扮演更多的支持角色,花时间优先处理项目,执行更高级的验证,标注图像以改进检查算法,以及管理ML模型的培训过程。
在他们重新设计流程时,我们的一些研究参与者也在探索这一转变将如何影响工人技能。因为行政任务和工作流管理越来越多地自动化,所需的人类技能将更多地集中在专业领域知识和流程分析/设计上。

一些参与者报告说,当他们的专业知识被更有效地利用时,工人表示他们的贡献感觉更加重要。参与智能工作流的员工可能会感觉到他们的角色变得越来越战略性和创新性。


漫漫前进路
正如他们描述的数字化转型之旅,我们的研究参与者明确表示,这一过程是漫长的——通常持续数年——并涉及组织的所有层面。我们的专家告诉我们,采取一种认真的转型方法很重要,这种方法认识到员工买入和正确封装数据的重要性。
当我们分析从研究参与者那里收集到的信息时,很明显数字化不仅通过增加供应网络中的可见性和数据共享,而且通过改进决策过程本身,提高了决策的速度和质量。还清楚地表明,即使组织使用更多AI,人类工作者仍然扮演关键角色。公司仍然需要利用人类的隐性知识来评估AI提出的建议,并为智能工作流的过程自动化和AI部分提供反馈。
我们接下来将怎么做?需要进一步讨论,以调查供应网络内伙伴之间的关系如何影响技术/信息的应用,以实现透明度、安全性和响应性。此外,还有更多关于智能工作流如何在端到端流程中协调自动化、AI/ML(包括新兴的生成式AI技术)和人类互动的内容需要学习。
作者注:我们非常感谢我们多样化参与者的洞察。我们还要感谢奥本大学的供应链创新中心和奥本的RFID实验室提供的洞察。

引用:
1. P. C. Verhoef, T. Broekhuizen, Y. Bart, A. Bhattacharya, J.Q. Dong, N. Fabian, and M. Haenlein, “Digital transformation: A multidisciplinary reflection and research agenda,” Journal of Business Research, 122 (2021): 889-901.
2.Quotes throughout this article are from our industry expert interviews and focus group participants.
3.T.H. Davenport, M. Holweg, and D. Jeavons, “How AI Is Helping Companies Redesign Processes,” Harvard Business Review, (March 2, 2023): https://hbr.org/2023/03/how-ai-is-helping-companies-redesign-processe

文章来源:CSCMP Supply Chain X Change
文章作者:Ian Slazinik, Anthony S. Roath, Tyler R. Morgan, Steve Hurley, Robert Glenn Richey, Jr.
翻译整理:高珉