Erik Walenza-Slabe是Asia Growth Partners的首席執(zhí)行官、數(shù)字化咨詢公司IOT One的董事總經(jīng)理，也是工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟的活躍成員，并領導美國商會的科技創(chuàng)新委員會。從2013年起，他負責管理獨立創(chuàng)業(yè)社區(qū)Startup Grind上海分會。他還在2015年建立了IOT One學院以幫助企業(yè)消除在數(shù)字化轉型過程中的能力缺陷。

過去五年，他與超過100家公司在數(shù)字化轉型、市場準入、競爭對手對標、創(chuàng)業(yè)孵化和商業(yè)模式戰(zhàn)略等領域展開合作；并經(jīng)常受邀在各類論壇和會議中就企業(yè)數(shù)字化和數(shù)據(jù)驅動的商業(yè)模式等主題進行演講。

世界經(jīng)理人：你認為AI技術對供應鏈管理最大的顛覆性影響是什么？

Mr.Erik Walenza：

實際上，我認為人工智能對供應鏈管理最具顛覆性的影響將與其處理非結構化數(shù)據(jù)的能力相關。

傳統(tǒng)IT系統(tǒng)已經(jīng)非常擅長處理結構化數(shù)據(jù)，比如來自ERP、CRM或其他供應鏈管理系統(tǒng)的數(shù)據(jù)。但世界上大部分相關信息是非結構化的，比如新聞事件、供應商或客戶的新聞稿、與合作伙伴的電子郵件或短信等。目前這些信息只能通過人工處理。

當然，人力成本高且時間有限，因此許多信息要么未被處理，要么處理得太晚。我們可能在一周后才得知某件事，無法及時響應。

現(xiàn)在，人工智能可以將這些非結構化數(shù)據(jù)轉化為結構化數(shù)據(jù)，用于決策。比如，如果有一則產(chǎn)品召回的新聞稿，我們不需要等待團隊成員偶然發(fā)現(xiàn)它，而是可以每天掃描相關信息。一旦系統(tǒng)捕獲到這類信息，就能立即識別客戶端的召回事件并快速響應。

這將徹底改變我們應對事件和優(yōu)化決策的能力。這種變化目前仍處于早期階段，但據(jù)我所知，許多傳統(tǒng)供應鏈管理軟件公司已開始整合非結構化數(shù)據(jù)。此外，許多專注于這一問題的原生AI軟件公司正在涌現(xiàn)。

世界經(jīng)理人：所以，這會讓我們更高效？

Mr.Erik Walenza：

是的，效率提升是其中一種影響。

例如，幾年前我們?yōu)橐患一す咀鲰椖?，他們的團隊很龐大，但預測準確性很低。我們嘗試識別所有可能影響其化學品供需的變量，這些變量可能大幅影響市場價格，而且市場價格每周都可能發(fā)生劇烈波動。

但許多關鍵變量涉及的是諸如美國消費者購車/房情緒變化和購買意愿信號，最初只是零星的數(shù)據(jù)點，也有可能在媒體上大量涌現(xiàn)，但當時很難追蹤這類非結構化數(shù)據(jù)。

現(xiàn)在，AI可以高效分析這些趨勢（比如美國房地產(chǎn)市場需求），并衡量對聚碳酸酯價格（與該化工企業(yè)相關）的潛在影響，從而優(yōu)化預測和定價決策。

此外，AI還能提升企業(yè)洞察力。正如我前面提到的競爭對手的產(chǎn)品召回事件，你必須能夠及時捕捉到這個信息，在第二天就致電客戶并推銷替代方案。這種從非結構化數(shù)據(jù)中提取可操作信息的能力極具變革性。

世界經(jīng)理人：你覺得AI技術對企業(yè)（尤其是供應鏈企業(yè)）的改善，最被低估的是什么地方？

Mr.Erik Walenza：

過去，在技術發(fā)展上通常是由行業(yè)和企業(yè)為先導，消費市場隨后跟上。但現(xiàn)在AI應用的情況反過來了。消費市場領先一步，而行業(yè)反而成了追隨者。尤其是供應鏈領域，因為內部的復雜體系和風險意識，往往等到技術成熟后才采用。

未來5年，隨著企業(yè)逐步解決內部組織挑戰(zhàn)（如網(wǎng)絡安全、隱私和流程重構），AI的能力將迅速提升。

近兩年我們已經(jīng)見證了AI新能力（尤其是決策相關領域）的爆發(fā)式增長。AI已經(jīng)能在多數(shù)決策場景下達到人類管理者的水平。例如，AI已能通過患者癥狀描述提供比醫(yī)生更準確的診斷。

在供應鏈中，主要障礙是組織層面而非技術層面。當企業(yè)解決這些問題后，AI帶來的沖擊可能會超出他們的預期，能夠更快處理海量信息，優(yōu)化供應分配、供應商選擇和定價決策，甚至能以AI提議、人類審批的形式替代中層管理決策。

世界經(jīng)理人：但這不會是種令人生畏的場景嗎？如果機器能自主決策，自我生產(chǎn)，企業(yè)為什么還需要人類員工？

Mr.Erik Walenza

我承認這確實令人不安。在法律事務層面，我們已經(jīng)看到了這種趨勢，因為某種意義上來講，法律比供應鏈更簡單。供應鏈需要整合大量不同系統(tǒng)，涉及復雜的人際關系；而律師事務所的大量工作關鍵在于能否理解法律體系、歷史判例，從客戶描述中識別相關條款。這種流程相對簡單。

現(xiàn)在，我們已經(jīng)發(fā)現(xiàn)，律師事務所開始大幅減少初級員工招聘，因為AI能替代基礎法律文書工作，不過高級律師仍不可或缺，因為需要資深人員管理人際關系。所以，律所的團隊結構可能從“10位資深+90位初級”變?yōu)?ldquo;15位資深+15位初級”。

實際上，還有一大風險在于，人類可能失去對決策過程的掌控。對于人類的錯誤決策，我們現(xiàn)在至少還能找到責任人進行溝通，聽其解釋決策邏輯。但AI可能用數(shù)千個變量決策，而人類難以理解其邏輯。所以我們需要在提升決策效率與保持人類對系統(tǒng)的控制力之間找到一個平衡點。

世界經(jīng)理人：企業(yè)應用AI技術時，最常見的能力缺口是什么？或者說這類項目失敗的主要原因可能有哪些？

Mr.Erik Walenza

中小企業(yè)和初創(chuàng)公司能快速采用AI，但大企業(yè)面臨多重挑戰(zhàn)：老舊系統(tǒng)難以改造，內部治理規(guī)則僵化，員工對AI可能導致裁員的抵觸，傳統(tǒng)企業(yè)難以吸引薪水要求高的AI專家。

比如，有一家規(guī)模較大的歐洲香精公司原本打算從科技巨頭處高薪挖人組建自己的數(shù)字化團隊，但由于AI人才普遍不希望履歷上出現(xiàn)傳統(tǒng)制造企業(yè)，不得不拋出30%的加薪以增加吸引力，但這種方案被自家公司HR以薪酬規(guī)則為由拒絕，最終他們只能選擇外包AI開發(fā)。這也意味著，能力建設、數(shù)據(jù)積累等核心優(yōu)勢掌握在外部公司手中。

此外，決策層的認知鴻溝也是一個關鍵的阻礙：傳統(tǒng)大企業(yè)的主要決策者大多超過50歲，其職業(yè)生涯形成于不同當下的技術時代，往往難以準確評估AI技術的成熟度。如果是在華運營的跨國公司，則更面臨一重地理鴻溝——需要將中國市場的訴求與技術發(fā)展情況反饋給歐洲總部。這種跨境解釋還要疊加上網(wǎng)絡安全、隱私流程變更、重大投資決策等方面的考量，使得在華外企的AI部署決策更加難以施展。

此外，許多企業(yè)依賴微軟Copilot這類“已批準但低效”的工具，而非垂直領域的解決方案。因此許多供應商成本更低的、針對性的優(yōu)質方案往往因為不在預審名單中而不得采用。

企業(yè)必須正視這些挑戰(zhàn)，審慎規(guī)劃AI的實施路徑。

世界經(jīng)理人：在你所觀察到的案例中，成功應用AI技術對自身進行改善的企業(yè)有哪些共性？

Mr.Erik Walenza

就中國市場的成功案例而言，我的觀察主要基于服務跨國公司的經(jīng)驗，有效應用AI的案例通常具備以下特征：

• 首先設定的目標可以很宏大，但邊界必須清晰的 目標。應當聚焦影響特定職能或流程的變革，從而明確利益相關方；

• 其次建立有高管層支持的賦能團隊，確保團隊擁有高度自主權；

• 同時獲取基層支持。不強推方案，而是與一線員工溝通需求，共同設計流程變革。因為基層員工最清楚業(yè)務實際運作方式，能有效幫助定義功能需求。

這種“聚焦領域+遠大目標+高層賦權+上下協(xié)同”的組合效果顯著。

反之，常見的失敗模式是：泛泛而談“全公司AI化”，卻缺乏具體實施方案，責任歸屬模糊，預算來源不清，決策機制缺失。許多公司滿足于營造AI應用的假象，卻從未真正改變業(yè)務的運營方式，最終往往流于形式地滿足于微軟Copilot這種“合規(guī)易用但效果有限”的方案。

世界經(jīng)理人：所以，成功的關鍵是依靠人而非單純依賴AI技術？

Mr.Erik Walenza：

完全正確。至少從現(xiàn)在到可預見的將來，AI雖能夠非常高效地實現(xiàn)特定流程步驟的自動化，但必須由人類來決定哪些流程步驟可以自動化，如何圍繞這種自動化調整流程。需要由人來確定優(yōu)先次序，權衡利弊，規(guī)劃初期投資方向。因此，人類的角色依然至關重要——我認為這種狀況短期內不會改變。

世界經(jīng)理人：中美企業(yè)會在應用AI技術進行創(chuàng)新方面體現(xiàn)出較大差距嗎？比如，思維上的？

Mr.Erik Walenza：

我們需要分別考慮美國企業(yè)在美國的情況、美國企業(yè)在中國的情況，以及中國企業(yè)在中國的情況。

美國企業(yè)擁有成熟的AI生態(tài)系統(tǒng)，有大量供應商可以選擇。人才成本雖高，但人才資源相當充足。而且由于許多企業(yè)的“同儕壓力”，AI的應用相當迅速且積極，許多公司已取得顯著進展。

中國企業(yè)雖起步稍晚（約落后6個月），但他們向來有快速采用新技術的傳統(tǒng)——一旦明確技術對利潤的影響，行動可能更迅猛。

至于在華美國企業(yè)，或者范圍擴大一點，在華外企，則面臨獨特挑戰(zhàn)：總部開發(fā)的各種AI解決方案在中國往往水土不服。雖然企業(yè)可以單獨為中國分部單獨開發(fā)并行方案，但若中國市場在公司整體營收占比太低，就很難證明為此投入AI開發(fā)資源的合理性。因此，外企的AI應用需聚焦可產(chǎn)生重大影響的關鍵領域——因為在AI應用的整體覆蓋范圍上，他們既難以匹敵中國本土企業(yè)，也無法與總部主導的全球方案相抗衡。

世界經(jīng)理人：是否可以說，中國企業(yè)更愿意為試錯買單？

Mr.Erik Walenza：

是的。中國企業(yè)更重視速度和結果，對試錯容忍度較高——只要愿意承擔錯誤成本，這種特質對AI應用是優(yōu)勢。

世界經(jīng)理人：你認為AI技術的應用在解決長尾場景中有何優(yōu)勢？

Mr.Erik Walenza：

許多長尾場景對人類而言是隱形的。

一方面，人力成本高昂；另一方面，人類能處理的信息量有限，所以人類處理此類場景時通常只關注核心變量，對其持續(xù)追蹤。人類可能對10個關鍵變量了如指掌，卻對市場上其他可能產(chǎn)生影響的100個變量渾然不覺——其余變量處理起來過于復雜，難以分析，也難以傳達。

而AI能同時追蹤數(shù)千變量并識別潛在影響。例如，競爭對手工廠停產(chǎn)維護這類低頻事件，人類可能忽略，但AI能分析數(shù)據(jù)并觸發(fā)行動。我們完全可以通過訓練AI來處理大量人類難以察覺的信息，進而得出有價值的洞見。例如基于競爭對手工廠的運營動態(tài)，向銷售團隊、生產(chǎn)團隊、預測團隊、定價團隊傳遞針對性建議。

不過需要再次重申，這些都屬于長尾場景的范疇，需要建立能夠大規(guī)模追蹤和處理相關數(shù)據(jù)的系統(tǒng)。而這正是人工智能將要發(fā)揮重要作用的領域。