為解決供應鏈脆弱問題，企業開始從 AI 尋找解決方案

外媒《金融時報》（ft）報導，「供應鏈可視性」成為企業高層日益關注的重點，因為他們正面對複雜且脆弱的物流網絡。

根據麥肯錫（McKinsey）一項研究，自 2000 年以來，跨國貿易的中間產品（用於製造其他產品的原料）價值已經成長三倍。新冠疫情也顯示這些國際供應鏈的脆弱性，需求的急遽變化導致生產瓶頸與供應短缺。現在種種跡象顯示，供應鏈中斷變得越來越頻繁，無論是惡劣的天氣、自然災害、網路攻擊，還是供應商失敗，都可能對供應鏈造成影響。

歐洲物流協會（European Logistics Association）主席 Markus Mau 表示，「供應鏈可視性」，即能即時監控每件商品從倉庫或生產線出貨的情況，正變得越來越關鍵。掌握這些資訊不僅能讓企業預測並降低未來中斷風險，還能滿足消費者對更快速、更低成本配送的需求。

歐盟《企業永續性盡職調查指令》（Corporate Sustainability Due Diligence Directive）和美國 2021 年《維吾爾強迫勞動預防法》（Uyghur Forced Labor Prevention Act）等法規，都要求企業更加了解其產品的生產方式及來源。

雖然 GPS 追蹤器和 RFID 標籤已存在數十年，大型物流公司也使用運輸管理系統（TMS）軟體追蹤貨物運輸，但這些舊技術仍存在局限性。它們往往無法提供跨境與多種運輸方式的可視性，而 TMS 軟體則可能運行緩慢，難以與其他系統整合。同時，物流業仍依賴許多人工流程，不僅效率低下還容易出錯。

印度物流軟體新創 GoComet 聯合創辦人 Chitransh Sahai 指出，「傳統供應鏈可視性已經失靈。」這些新創利用人工智慧（AI）與機器學習等新興技術，為客戶提供精確的數據分析與端對端的可視性。

許多公司試圖打造「控制塔」（Control Tower）視角，將各種零散的數據匯集到單一平台，進行整合與解析。

美國軟體公司 Project44 產品行銷副總裁 Eric Fullerton 表示，這不僅能看到所有貨物的即時位置與預計到達時間（ETA），還能了解供應鏈網絡中的缺口，並提供修正建議。此外，可視性軟體透過即時數據，如庫存水位、訂單文件與貨運狀況，幫助企業提前規劃。這些資訊可用於縮短交貨期（降低罰款風險）、優化庫存管理、減少浪費，並預測客戶需求。

許多軟體供應商開始使用生成式 AI，這種技術能處理比傳統機器學習更大規模的數據集。德國軟體巨頭 SAP 也指出，生成式 AI 有助於解釋目前 AI 系統提供的模糊建議。此外，區塊鏈等數位帳本技術也逐漸被視為追蹤供應鏈中原物料、零件與商品流動的潛在工具。

據報導，許多企業對這些技術感到失望，部分原因在於供應商過度承諾。Project44 產品行銷副總裁 Fullerton 指出，「許多供應商看準供應鏈可視性的商機與熱潮，特別是新冠疫情期間。然而當時技術仍在發展階段，許多人過於急躁，未能跟上實際能力。」