當下，零售商正面臨與幾年之前截然不同的經濟環境與地緣政治挑戰。以當前的紅海危機為例，據摩根大通介紹，全球30%的集裝箱須經過蘇伊士運河，而當地發生的運輸延誤正在破壞全球供應鏈的正常運轉。

未來幾個月內，全球貿易面臨的全面威脅還將進一步升級。而且已經有部分零售商、制造商及其供應鏈合作伙伴提前發出警告，表示這將對利潤率產生重大的連鎖反應。例如，向來以低利潤、行動快著稱的服務零售商尤其會受到紅海延誤危機的影響。由于貨運速度減緩，他們可能無法為希望購買當季流行服飾的消費者們準時提供貨品供應。

紅海危機絕非孤立事件

近期貿易中斷只是零售商近年來面臨的一系列意外挑戰中的又一重大案例。據估計，單是2021年和2022年，供應鏈中斷每年就導致企業錯失1.6萬億美元機會收入。這個驚人的數字也再次強調，設計具有彈性的供應鏈將不再是“錦上添花”的可選項，而是決定零售商未來成功、乃至生死存亡的重要基礎。

然而，目前大多數零售商仍處于僅著眼于短期的“響應模式”，例如通過轉從較近的地點進口貨物來避免因貨船在紅海地區改道而引發的交貨時間延后與價格上漲。

零售商們也正在探索更多其他選項，例如推動供應來源多元化、尋找替代運輸路線，以及更早批量采購商品等等。然而，現有貿易路線已經在零售商的運營體系中根深蒂固，偏離這些路線往往會帶來更高的運營成本。

攜手生成式AI

多年以來，人工智能（AI）一直在幫助供應鏈提高效率。其通過挖掘大量過往銷售數據以了解“發生了什么”，而后提出“可能發生什么”的后續建議以更好地滿足需求，最終通過“下一步該做什么”在幾十年間幫助零售商籌劃具體策略。現如今，AI家族迎來了最強有力的新成員——生成式AI。自亮相以下，人們就對生成式AI在供應鏈方面的潛力產生了濃厚興趣，而其中的原因并不難理解。

生成式AI的影響力遠不止于眼下的任務。從新產品開發、采購與規劃、制造、物流再到今后服務，一切都可以在這項技術的扶持下煥發新的活力。

以數字孿生（基于機器、產品或流程的虛擬表示）為例，我們就能看到生成式AI相較于原有功能的強大之處。借助實時數據，數字孿生模型能夠幫助零售商測試不同的響應場景，同時不會影響到現實供應鏈的實際日常運營。以此為基礎，零售商能夠迅速發現潛在問題，例如瓶頸、質量問題或者難以預見的需求變化，并在問題升級之前主動加以解決。

生成式AI還能推動供應鏈之內神經中樞的設計與構建。這類方案能夠利用云、數據、AI與分析等手段改善透明度，幫助零售商深入了解其供應商與制造商網絡，進而準確把握風險因素。

這兩類應用正迅速成為檢測供應鏈漏洞時不可或缺的組成部分。它們能幫助零售商模擬供應鏈在高強度負載之下的表現，并在規劃過程中持續制定更為穩健的緩解計劃。

供應鏈中的生成式AI之力

生成式AI為何會如此強大？埃森哲近期發布的報告發現，該項技術有望實現供應鏈中大部分流程的自動化或增強。生成式AI能夠幫助供應鏈經理根據來自非結構化數據源（例如文本、圖片、視頻或事件社交媒體帖子）的情境洞察做出更佳決策。可以想見，未來我們也許可以通過生成式AI掃描大量公共在線數據源，借此識別可能影響后續需求的因素并改進預測質量。

生成式AI還能通過多種方式降低需求與容量規劃方面的實施門檻。眾多零售商已經為此類任務建立起成熟的傳統分析解決方案，但其實際應用往往需要依托于高度復雜的信息。生成式AI能夠幫助分解這些信息，以便工作人員查詢建議內容并接收以自然語言形式呈現的原因闡釋。

生成式AI還能提供基于聊天機器人的交互通道，借此實現見解的自動化與個性化定制。具體方式包括引入生成式AI支持的溯源與采購助手，幫助引導用戶找到正確的購買渠道，支持即時取消或現貨采購，并配合專家意見共同管理采購行動。

在訂單配送方面，生成式AI也擁有節約大量時間與精力的潛力。例如，用于運輸及出口流程的生成式AI能夠支撐起強大的進口/出口文件生成器，利用大量信息自動填寫出入境報關/清關文件。

這項技術還可以幫助完成與供應鏈相關的任務，例如范圍3碳排放報告。具體方式是使用生成式AI篩選數百萬行多種語言編寫的支出數據，而后自動將各行條目與排放因子映射起來，借此幫助采購團隊輕松完成審查。

生成式AI將推動整個供應鏈實現重塑

過去幾年以來，零售商已經遭遇意外因素引發的多重打擊，相信未來還會有更多挑戰等待著該行業。這就使得為供應鏈建立能夠抵御未來沖擊的彈性，變得比以往任何時候都更加重要。

零售商們已經一次又一次證明，要想在這樣一個隨時需要應對庫存波動、勞動力需求變化以及消費者趨勢轉換的行業中保持健康運營，他們天生就需要積極認識變革、理解變革、擁抱變革。如今，隨著生成式AI等先進技術的迅速崛起，零售商終于有機會主動把握行情與命運，在未來持續加劇的激烈競爭中保持領先地位。