【埃森哲】转变跨国食品公司的传统

埃森哲近日发布了一份名为《实现自主供应链》的行业研究报告，该报告深入探讨了到2035年，66%的公司计划显著提升其供应链自主性的愿景和实现路径。报告指出，自主供应链是价值创造的下一个前沿领域，它不仅能够提升效率、敏捷性和可持续性，还能帮助企业在动态环境中适应突发变化。报告中提出了三个关键行动领域：建立坚实的数据基础、战略性投资于AI使能技术并进行规模化，以及重新构建人与技术的工作方式。这份报告为那些希望在供应链自主性领域取得突破的企业提供了一个详尽的路线图，其中包含了许多宝贵的见解和实践案例。

在不远的2035年，预计将有66%的公司大幅提升供应链的自主性。这意味着供应链将变得更加智能和自动化，能够自主做出决策，而不仅仅依赖于人工指令。这样的转变不仅能够提高效率，还能在面对不断变化的市场环境时展现出更大的灵活性和可持续性。

当前，许多公司正从经典的商业效率策略中获得越来越少的回报，这些策略包括规模经济、全球化、精益制造和六西格玛等。在线消费者交易量的激增和供应链面临的压力不断增加，全球消费者在线支出在过去三年中增长了30%，这创造了许多新的渠道和对产品定制的新需求。气候变化、健康危机和特定行业的变化，例如汽车行业，要求供应链展现出前所未有的灵活性。此外，突如其来的地缘政治变化和贸易环境的改变迫使供应链高管迅速重新调整运营网络。复杂性还因劳动力老龄化、工作任期缩短和技能短缺而增加。

自主供应链的构建需要打破功能壁垒，实现前所未有的透明度，覆盖各个职能、流程和依赖关系。没有端到端的可见性，即使是最复杂的人工智能系统也无法提供有意义的价值。特别是对于新兴的自主人工智能系统，它们协调复杂的工作流程，而不仅仅是遵循固定指令。

简化流程也是关键。那些简化操作和标准化流程的公司将更快地扩展技术，更快地适应，并加速人工智能学习周期——这在当今市场上是一个竞争优势。我们的研究显示，自主供应链是创造价值的新前沿。近三分之二的公司计划在未来十年内显著提升其供应链自主性。财务案例令人信服：我们的调查受访者预计EBITA将增加5%，资本投入回报率将提高7%。在运营方面，公司可以减少27%的订单前置时间，提高25%的生产力，并减少16%的碳排放，同时将从中断中恢复的时间减少约60%。

自主供应链的实现需要三个关键行动：建立坚实的数据基础，通过安全数字核心标准化平台和治理框架；战略性地投资于支持人工智能的技术，从有针对性的试点开始，然后扩展经过验证的解决方案；以及重组人员和技术的协作方式，将人的角色从日常执行转变为战略指导和监督。

我们的研究还发现，追求自主运营，人类监督过程里程碑（或“在循环中”）可以提高效率、灵活性和可持续性——这些都是适应动态环境中突然变化的关键。这种方法利用了人工智能驱动系统的力量，同时保持了人类对战略决策和干预的监督。

例如，企业可以从财务结果开始，提高速度、灵活性和成本优化。我们的受访者预计EBITA将增加5%，资本投入回报率将提高7%。除了财务底线之外，他们还期望在运营和生产力方面取得显著增长。他们相信自主系统可以减少27%的订单前置时间，提高25%的劳动生产力，使公司能够更快地响应客户需求。受访者还预计准时交货率将提高5%，在日益不可预测的时代提高可靠性，为快速履行是关键竞争优势的行业带来好处。

另一个结果是可持续性得到改善。近四成公司（39%）表示，自主运营将显著推进供应链循环性，得益于更好的再利用、回收和资源效率。

最后，自主运营增强了对网络攻击、人才短缺、地缘政治中断、恶劣天气事件和原材料稀缺的抵御能力。我们发现，公司预计对中断的反应和恢复时间将分别减少62%和60%。这种增强的弹性在供应链中断变得更加频繁和严重的时候至关重要。

自主系统仍处于早期阶段，大多数组织刚开始他们的旅程。我们检查了领导者如何实现初步成功的正确做法，发现了以下关键行动：1.建立坚实的数据基础；2.投资关键的人工智能技术，然后战略性地扩展；3.重组人员和技术的协作方式。

这些策略不是顺序的，但对于采取一个或多个行动作为他们向自主系统旅程的一部分的公司来说，早期结果是可见的。我们将在接下来的部分中详细讨论每个行动。

供应链自主性的实现不仅仅是一个技术问题，它还涉及到人才和组织结构的转变。随着数据跨越功能壁垒，支持基于平台的组织结构，其中多功能团队围绕数据资产进行分组，这种新兴的结构转变将影响人才，但并不是许多人想象的那样。一些人担心自动化会减少劳动力，这种担忧因人工智能投资的加速而加剧。然而，根据我们的调查，只有1%的受访者预计员工人数会显著减少。同时，虽然一些角色将演变或重新定义，但整体的工作力转型机会超过了潜在的中断。

在自主系统中，人们将从事更高阶的工作，需要新技能。他们将在决策循环中——设计系统、检查、测试、调整和规划——而不仅仅是完成机器推荐的任务。这种转变将从根本上改变工作。随着公司迅速采用新技术并重新设计流程，他们也必须重新开发他们的人才和组织模型，以适应数据驱动、技术密集型的工作场所。

建立坚实的数据基础是实现自主供应链的起点。标准化的数据平台、流程和治理框架至关重要。数据本体或结构化模型有助于确保每个人（和每个系统）以相同的方式理解数据元素。没有这一点，洞察力就会变得支离破碎，减缓决策速度。统一的方法确保了准确、可操作的智能，支持业务目标。人工智能可以在自动清理和结构化来自库存水平、货物跟踪和供应商信息等来源的数据方面发挥关键作用。

去中心化的数据运营模型进一步提高了敏捷性。授权业务领域像管理产品一样管理自己的数据，确保相关性和质量，同时使整个供应链的决策更快、更有信息。收集来自整个组织的数据——不仅仅是一些领域——应该是一个优先事项。例如，物联网（IoT）传感器提供实时数据，而数字孪生模拟场景以优化工作流程、降低风险和最小化停机时间。这种转变使供应链从反应式转变为预测式。未来，人工智能甚至可以为公司生成合成数据，例如，用于训练模型，如建立目标成本的成本基准数据库。没有数字核心实现的数据集成，公司将难以从实施自主供应链中捕获价值。

投资关键的人工智能技术也是至关重要的。组织必须升级遗留系统，构建由自主架构支持的自适应人工智能能力栈。这将使组织能够通过将人工智能集成到其运营中，协调复杂流程的工作流程。人工智能代理可以执行日常、高频率的任务，组合多个功能并综合数据，甚至监督端到端流程。这些代理提高了效率，推动了战略工作流程，并打破了壁垒。它们创造了新的运营智能和可扩展性水平。

公司应该启动针对物流、制造、需求预测和库存优化等关键领域的特定痛点的针对性试点项目。从小规模开始，组织可以快速展示价值，完善方法，并有效地解决挑战。一旦试点成功，企业应该逐步扩大规模。这种方法管理成本，展示投资回报率，并确保利益相关者对过渡到自主供应链的信心。

此外，保护供应链需要强大的网络安全措施。供应链是网络威胁的有吸引力的目标。实施全面的安全协议——例如供应商安全审计和先进的多因素认证——确保数据和系统免受日益复杂的威胁。

自主供应链的成功转型取决于公司如何准备人才，以适应重新构想的工作经历、学习和再技能培训的劳动力转型。让供应链专家早期参与，以建立前线员工的信任，他们将使用和完善这些系统。技术本身不能确保成功——人们的输入，通过持续的反馈循环，对于设计真正满足运营需求的解决方案至关重要。

随着新技术的引入，领导层必须以现实、跨组织的速度在员工中建立信任和敏捷性。这样做的一种方法是提供个性化的再技能培训计划，例如针对性培训，以满足人们在其数字旅程中当前所处的位置。领导者还可以建立“影响者”网络：易于接近的团队成员，他们成为变革的福音传道者。他们被赋予工具和正式的领导支持，以增加整个转型过程中的参与度和信任度。

系统的工作原理和决策方式的透明度和可解释性也将有助于建立员工的信任。通过严格的验证培训人们成为优秀的数据管理员，有助于防止信任侵蚀的偏见和不准确。克服对人工智能和自主系统的不信任将有助于人才更快地再技能培训，并实现这些技术的全部潜力。

组织还应该从传统的业务部门结构转变为基于平台的运营模型。这允许包括内部和外部利益相关者在内的多功能团队比仅仅在供应链的一部分中更快地协作和解决问题。

最后，企业必须重新审视他们的治理和领导风格，从危机管理等被动实践转变为专注于风险评估和预测的主动方法。提前考虑未来风险以及如何提高团队效率的领导者将指导更具弹性、适应性的供应链。

最终，自主系统的兴起将从根本上改变组织的构建方式以及人们如何与彼此和技术合作。它也是一个重新构想工作和重塑劳动力的机会。只有当他们重新连接组织以支持根本不同的流程和工作方式时，采用自主供应链的企业才会看到真正的价值，例如增加生产速度和降低成本。

这篇文章的灵感来自于一份名为《Making autonomous supply chains real》的报告，该报告深入探讨了供应链自主化的趋势和战略考量。除了这份报告，还有许多同类型的报告也非常有价值，推荐阅读，这些报告我们都收录在同名星球，可以自行获取。

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。