EP 467: Transforming Supply Chains with AI - What’s happening now and what’s next
29:16 Share

这是 Everyday AI Show，一个日常播客，我们简化 AI 并将其力量带到您的指尖。每天收听，获取提升您的职业、业务和日常生活的实用建议。

在节目中，我们经常谈论生成式 AI 的发展速度有多快，对吧？感觉每天、每小时，有时甚至每分钟，生成式 AI、大型语言模型及其对业务的影响似乎都在发生变化。所以

我的意思是，今天的主题是发展速度更快的东西，从字面上看也是如此。所以今天我们将讨论如何利用 AI 变革全球供应链，现在正在发生什么以及接下来会发生什么。你知道，这是我不太了解的事情。即使你认为这件事不会影响到你，它也确实会影响到你，对吧？

我们使用的产品、服务，对吧？当我们去当地企业时，他们也在购买东西，对吧？一切实际上都由全球供应链驱动。尽管人工智能和机器学习在全球供应链领域占据着重要地位，但大型语言模型实际上改变了现状。

呈指数级地改变了。所以我很高兴今天在 Everyday AI 上讨论这个话题。那么，大家都在做什么呢？我的名字是 Jordan Wilson，我是主持人。这件事，是为你们准备的。Everyday AI 是您的每日直播播客和免费每日新闻通讯，帮助我们所有人不仅跟上潮流，而且了解生成式 AI 正在影响的一切，从而领先一步。听起来像是你想做的事情。请

请访问我们的网站 youreverydayai.com。注册免费的每日新闻通讯。我们将像每天一样回顾今天的谈话，并让您了解所有 AI 新闻、最新发现以及您需要成为公司中最了解 AI 的人所需的一切。好的。所以，如果您想了解我们通常在节目开始前回顾的每日新闻，它实际上是我们正在直播的首播预录节目。因此，请务必查看新闻通讯以获取这些信息。

好了，闲话少说，大家。我很高兴讨论供应链和 AI，以及正在发生的事情，甚至可能接下来会发生的事情。好的，直播观众，请帮助我欢迎今天的嘉宾来到节目。我们邀请到了 RoboBuy 的首席执行官兼创始人 Julian Harris。Julian，非常感谢您加入 Everyday AI Show。你好，Jordan。非常感谢。很高兴来到这里。

好的。我很兴奋。来自澳大利亚悉尼。是的，就是这样。就是这样。我会告诉大家，如果他们听不出“澳洲口音”的话。所以，你知道，是的，今天肯定要采取全球视角，对吧？但让我们从头开始。Julian，RoboBuy 究竟是什么？

RoboBuy 是一个供应链分析平台，一个全球供应链分析平台。我们工作的核心是为大型企业提取数据。都是 B2B 支出。我们从

他们拥有的所有 ERP 系统中提取数据。例如，我们的一位客户在其业务中拥有 43 个不同的 ERP 系统。这些系统是他们多年来通过各种并购交易获得的。所以他们有 43 个 ERP 系统，他们没有单一的视图来查看他们的数据。

所以我们解决的问题是，他们可能不知道他们的支出精确到十亿美元，他们可能也不知道供应商的数量精确到一千，因为我们与可口可乐（亚特兰大）、万事达卡（纽约）等大型公司合作，这些公司拥有非常庞大的全球供应链。

因此，我们使用 API 从所有这些 ERP 系统中提取数据，并构建了专有的 AI 算法来将这些数据清理并分类到标准的全球分类法中，然后将这些信息以各种见解和仪表板的形式呈现给公司内的不同人员。

因此，我们与之合作的典型人员是首席采购官，他们现在可以看到在哪里可以节省成本。他们可以看到哪些供应商签订了合同，哪些供应商有采购订单，他们在某个类别中有多少供应商。因此，如果他们在笔记本电脑类别中有 1000 个供应商，那么可能最好

将它们减少到两三个，在这种情况下，他们将通过效率节省大量资金。因此，我们与首席采购官做了很多工作，我们与许多财务主管合作，帮助他们寻找最有效的方式来支付商品。例如，可能对小额支付使用虚拟信用卡，我们在该领域与万事达卡和银行密切合作。

然后是第三个领域，这个领域越来越大，那就是围绕风险合规 ESG。因此，我们可以查看您的供应链，并说，嘿，您有一些人看起来像是被制裁了。或者这里有些人看起来有现代奴隶制风险，可能是由于商品的来源或大量风险因素。这里有一些供应商看起来有针对他们的网络安全标记。

我们可以告诉人们他们与少数群体（例如在美国）的支出有多少，很多人想知道我与兽医领导的企业、女性领导的企业等的支出有多少，基本上就是这样。因此，这是一整套见解。通常情况下，最大的问题是，首先，您必须获取并清理数据，因为这些 ERP 中的数据通常多年来都比较混乱。

然后使用 AI 对数据提出一些有见地的见解。简而言之，这就是我们所做的。- 是的，没有人喜欢脏数据，对吧？这是 AI 之旅中最糟糕的部分。但是，你知道，Julian，你创立了这家公司，对吧？大约八年前？是这样吗？

是的，我们在 2017 年在悉尼创立了这家公司，但我们是一家全球性公司。我们的许多客户都在美国。所以，你知道，我很好奇，在 2022 年生成式 AI 热潮之前，创立一家 AI 分析公司。

你会如何说生成式 AI 改变了你的工作，以及更大的图景，它如何改变了全球供应链？我知道这是一个很大的问题，对吧？因为你可能有上千种不同的方式来回答它。但从你的角度来看，这之前的和之后或期间是什么样的？

这是一个非常有趣的问题，Jordan。这是我的第二家 AI 公司。我在 2016 年成立了一家公司，我们在 2020 年将其出售给了 Cognizant（科尼扎），该公司位于伦敦。而那家公司专门专注于，这是一家数据科学高端 AI 咨询公司，与亚马逊工具集合作。在 2016 年，即使如你之前所说，AI 算法自 50 年代就存在了，许多数学

在 2016 年这还相当新。所以我们做了一些非常有趣的工作。你知道，我们正在预测客户流失率。我们正在预测，嗯，

能源交易商的能源成本。我们正在做一些我认为非常酷的事情，使用我们自己编写的非常传统的 AI 和算法。这家公司也是如此。我们构建的所有 IP 都非常擅长完成其工作，即对支出和供应链数据进行分类和清理。

去年 ChatGPT 出现后，它彻底颠覆了整个行业。我的意思是，对我们来说，首先是客户的极度困惑。所以，你知道，我们会说，嘿，我们有非常专有的 AI 来清理你的供应链。显然，大多数乘坐飞机并阅读杂志的高管现在都认为 ChatGPT 可以开箱即用。

ChatGPT 无法开箱即用。这是一种截然不同的方法。所以我认为在这方面有一些教育工作要做，但毫无疑问，现在生成式 AI 的变化速度令人惊叹。它正在席卷各个类型的组织和各个部门。我认为未来几年我们将看到的自动化将非常惊人，老实说。- 是的。

当谈到大型语言模型时，显然最大的进步是能够处理非结构化数据，对吧？你谈到了不需要脏数据，对吧？但数据就是数据。非结构化信息很难处理，大型语言模型除外。那么，我们在

将生成式 AI 与供应链机遇相匹配的过程中，面临哪些潜在问题或机遇呢？正如我所说，我不太了解供应链。你了解。这些领域哪些领域正处于大型语言模型潜在颠覆的成熟阶段？嗯，人们总是会遇到一些供应链问题。首先，如果您与大型买家及其 10,000 个供应商打交道，比如说，

您经常遇到的问题是，您不知道您的供应商的供应商的供应商的供应商是谁。供应链有多大？它通向何处？例如，您将在芝加哥购买电池。电池中含有钴。世界上三分之二的钴都在刚果开采，可能使用了童工。

你不知道这一点，因为你是在芝加哥的街角商店买的电池。因此，要看清这条供应链是一件棘手的事情。我们与一家已经解决这个问题的公司合作。他们拥有非常好的数据和非常好的数学方法。基本上，他们正在使用大型语言模型来查看供应链的任何一层。所以我认为

你会看到类似的解决方案出现。我认为你会看到更多预测分析，更多场景规划。今天许多工具都在告诉你过去做了什么，以及你将来如何改变现状，因为过去是未来的预测指标。但我认为现在会有更多工具进行更多场景规划。

就生成式 AI 而言，我的意思是，一旦我们达到这一点，人们现在正在谈论这一点，即 AI 将编写自己的 AI，我认为扎克伯格最近表示，AI 将取代 Meta 中的基层编码人员，这

真的很可怕。我的意思是，我一直从事 IT 行业。如果你想想过去 50 年，我们一直在将蓝领工人外包到中国。我们，你知道，我们失去了很多工业基础，那就是美国、英国和澳大利亚。生成式 AI 现在将取代白领工人，而不是蓝领工人。所以如果你现在拿走

级别的编码人员，所有编码人员都成为 AI 提示工程师或其他什么人，但他们会更少，这将对世界造成巨大的破坏，但首先它使技术变得更便宜，因为目前对大多数企业来说这是一项昂贵的项目，但你最终会看到许多今天的基层编码人员正在寻找升级，我认为你

是的。你知道，说到马克·扎克伯格和 Meta，你知道，最近的一个故事表明，Meta 和苹果都在试图进入 AI 人形机器人领域，对吧？在这个领域，你知道，特斯拉 Optimus、Figure 等其他公司已经推出了非常有前景的原型。是的。

至少在美国，我的意思是，这是一个炙手可热的领域。你对此有什么看法？对吧。尤其是当它涉及到供应链物流时。对吧。这是不是意味着我们的工厂和仓库在不久的将来将全是人形机器人？

你还在为了如何利用 AI 发展业务而苦苦挣扎吗？也许你的公司已经尝试使用大型语言模型一年或更长时间了，但仍然无法获得牵引力，也无法找到生成式 AI 的投资回报率。大家好，我是 Jordan Wilson，本播客的主持人。

像 Adobe、微软和英伟达这样的公司与我们合作，因为他们信任我们在教育大众了解生成式 AI 以领先一步方面的专业知识。一些美国最具创新性的公司聘请我们帮助他们制定 AI 战略，并培训他们数百名员工如何使用生成式 AI。因此，无论您是为数千人寻找 ChatGPT 培训，

还是只需要帮助构建您的前端 AI 战略，您也可以与我们合作，就像世界上一些最大的公司一样。访问 youreverydayai.com/partner 与我们的团队联系，或者您可以点击我们网站上的合作伙伴部分。我们将帮助您停止在 AI 领域兜圈子，并帮助您的团队领先一步，为生成式 AI 建立一条通往投资回报率的直线路径。

好吧，我认为如果你去看看亚马逊的仓库，你会发现它现在已经相当自动化了。我不知道你是否看过那些机器人的视频。我的意思是，当然，物理供应链正变得越来越自动化，这是肯定的。我认为将会发生的是，正如我所说，有很多我所谓的相当

传统的软件存在。这在各个领域都是如此。这将是 Salesforce，比如说，它主导着 CRM。SAP 主导着 ERP 行业。我的意思是，在高端企业供应链领域，他们要么使用 Oracle，要么使用 SAP。

这些公司几乎占据了全球 50% 的市场份额。还有一些其他的工具，比如 Microsoft Dynamics 和其他一些工具。但在高端领域，他们要么使用 SAP，要么使用 Oracle。

而这些工具可能已经存在了 40 年或 50 年，我认为至少有 30 年了。现在，这些公司正在疯狂地争夺，你会看到所有广告和公关都在努力将他们的产品转变为 AI 产品。但显然，你实际上是在向一个仍然非常旧的代码库添加内容。所以我认为在未来几年，将出现一些纯粹的 AI 参与者

由生成式 AI 驱动，他们只是说，看看 Salesforce 在 CRM 中的市场份额，或者看看 SAP 在 ERP 领域的市场份额，坦率地说，可能会取代他们。我认为他们目前拥有非常强大、非常强大的据点。但我认为生成式 AI，特别是当 AI 开始自己编写代码时，并且高度自动化时，

生产软件的成本将变得微不足道。- 是的，你知道，我很好奇，你知道，你与许多拥有巨大全球供应链足迹的大品牌合作。最常见的是什么

你知道，不是错误，对吧？因为，你知道，脏数据会发生，但最常见的是什么，你知道，冗余或最常见的缺点是什么，你知道，通常会有生成式 AI 解决方案？就像，这些是你反复看到的东西吗？因为这也许可以帮助我们理解，你知道，这个交叉点最终将走向何方。当然。好吧，

我认为供应链相当传统，因为它可能是最后一个发生变化的领域。有很多

这些 ERP 中仍然有很多手动输入。你知道，人们进入。这就是脏数据来自的地方。大型企业中应付账款团队的某个人会收到这些发票。它们可能是扫描的。希望不是。他们正在双重输入 SAP。他们犯了错误，或者他们真的很忙。他们每天必须输入 500 条，所以他们不会费心填写详细信息。而不是

说明他们购买的每一项是什么，他们只会把东西放在顶部，买了一些东西，10,000 美元。现在，当您随后尝试对数据进行分类，以便高管查看他们在每个类别中的支出时，如果有人只是将某事物命名为“东西”，那就非常困难了。

是的。所以，你知道，你需要回顾供应商，也许从互联网上抓取一些关于供应商的数据，你知道，把它扔进模型中，并开始以这种方式预测事情。但是，是的，我的意思是，这个行业一直以来都是，你知道，在适应某些技术方面相当传统，相当缓慢，而且不像它应该的那样紧密联系在一起。

有一段时间，我们拥有可以阅读合同和阅读文档等的 AI。

大型语言模型当然使这变得更加准确和高效。所以，你知道，我认为在没有人类双重输入这些空白的情况下自动化端到端供应链将产生巨大的影响。但我认为有人，是的，当然使用大型语言模型，这适合某人采取完全不同的方法来

供应链，是的，所以你，你知道，我们已经触及或至少是我所看到的，你知道，供应链的一些前端，所以你知道，制造、仓储，那么在后端呢？对吧？所以当我们看到运输、分销、客户交付所有这些事情时，你认为我们接下来会走向何方？就像我我一直认为，你知道，20 年前，如果我考虑过这个问题，我会

会说，哦，我们将拥有全自动驾驶汽车和无人机送货以及所有这些东西。看起来我们还没有达到那个阶段，对吧？但至少就大型语言模型而言，它们在不久的将来将在其他地方找到自己的位置，例如运输、分销、客户交付等？

好吧，我认为真正的专家在这个领域做了很多工作。我的意思是，亚马逊可能是领导者，我认为，在这些物流方面。我认为个别公司无法像亚马逊那样在该技术上投入资金。因此，你会看到许多更复杂的公司将许多物流外包给像亚马逊这样的公司。他们正在试用无人机送货，你知道，

你会看到自动驾驶汽车送货。我的意思是，所有这些现在都受到控制，因为显然有一个导航部分，有一个安全部分。所有这些现在都受到控制，并且肯定将由大型语言模型控制。

所以，你知道，我一直关注的一件事是生成式 AI 如何具体帮助非技术人员做出更好的决策。

这最终如何在你的领域发挥作用？你知道，当涉及到预测性见解、情景规划时，对吧？这是否只适用于大型全球参与者，在他们的供应链中使用它？或者一些规模较小的公司是否能够最终获得一些这种技术，你知道，因为大型语言模型可能只提供给那些拥有大型数据团队数十年的公司？

不，我认为这项技术，你知道，从 ChatGPT 开始，现在，你知道，所有其他快速跟进的技术，它正变得非常容易获得，对于普通工人来说非常便宜。我的意思是，现在每个人，你知道，拥有微软笔记本电脑的人都有，你知道，

副驾驶可用，你知道，副驾驶只会，我的意思是，他们每隔一个月就会发布新版本，因为它似乎会变得越来越强大。而且，你知道，它是为商业用户设计的，而不是技术人员，基本上。你知道，Anthropic 与亚马逊达成了重大交易。所以亚马逊，你知道，正在推出越来越多的产品。我认为，我的意思是，

每个人都在谈论今年我们将从聊天机器人，实际上是 AI 聊天机器人转向 AI 代理，这些代理本质上只是更智能的版本，但本质上这些将掌握在用户手中，我的意思是

仅仅从效率的角度来看，在我公司现在，很少有人制作 PowerPoint 演示文稿。他们告诉 AI 制作 PowerPoint 演示文稿。很少有人制作 Excel 电子表格的开头。他们让 ChatGPT 或 Copilot 来制作它，也许只是做一些编辑。我的意思是，我认为大多数人，就像普通办公室工作人员一样，正在进入这个轨道，而像微软这样的人正在努力

为所有这些人提供免费培训。你知道，这需要一段时间，需要一些文化转变，但当然，你知道，下一代工人进入后，如果他们需要一项技能，那就是如何如何最大限度地利用 AI。否则，他们将被抛在后面。

说到接下来会发生什么，我必须问你这个问题。作为拥有两家独立 AI 公司的人，你说你的另一家公司被收购了，你现在拥有一家成功的公司。你认为接下来会发生什么？或者是什么让你彻夜难眠，无论是兴奋还是担忧，至少就生成式 AI 在供应链中的应用而言？你在关注什么？

所以，好的，我将从我的或我们的产品套件开始。正如你所说，这是兴奋和担忧，因为我们在过去八年中构建了一些非常具体的模型。显然，一旦 ChatGPT 出现，你脑海中的问题是，所有这些现在都可以被这个简单的大型语言模型取代吗？

并使我们的整个产品毫无价值。所以，你知道，我认为现在每个人都在做一些自我反省，包括所有大型参与者，并且正在查看

剥离了他们所有的产品并理解，好的，我有什么是可防御的，我实际上可以用大型语言模型替换什么？因为显然，如果我的产品套件的某些部分可以用大型语言模型替换，这就是我们现在正在研究的，在许多方面，这使得它更有效率、更容易维护，并且具有更多关于可预测性的功能

你知道，预测性等等，基本上，所以我认为大多数人都在关注这一点，我认为正如我们之前所说，我认为一些大型参与者必须非常担心，如果我是 SAP 和 Oracle，我会担心有人会进来构建 ERP 的纯 AI 版本，因为这你知道是一个巨大的数十亿美元的业务，嗯

显然会有更多的自动化，因此就供应链而言，你知道，通常

如果您在可口可乐或沃尔玛等公司工作，他们可能会，你知道，可能有数百名类别经理在采购主管下分析每个类别，嗯，许多这些工作将会消失，因为许多这些工作将使用大型语言模型自动完成，你知道，买什么，向谁购买，哪些供应商应该放弃，哪些供应商应该增加支出

所有这些都可以使用这种类型的产品轻松自动化。我认为，正如我们之前所说，我认为你会看到更多预测分析出现

随着大型语言模型和情景规划等。更多智能的前瞻性工作。好的。所以，Julian，我们在今天的谈话中涵盖了很多内容，但在我们结束时，你认为哪一件事情最重要？这是一个很大的问题，所以你可以根据自己的方式来回答。你认为人们在考虑供应链现状时需要记住的最重要的一件事是什么？

生成式 AI 以及我们接下来将走向何方？他们将面临的最大问题是，我的数据在哪里？它的状态如何？我如何将其放入一个甚至可以用于 AI 的地方？因为我绝对同意你，大型语言模型可以处理非结构化数据，绝对可以。但如果这些非结构化数据根本就是垃圾，

它仍然会存在问题。是的，我的意思是，我们一直在，你知道，我们过去已经构建了搜索引擎和各种其他东西。非结构化并不一定是一个问题。已经有一段时间了，但数据的质量。所以对大多数人来说，他们有数百个不同的系统。它们没有连接起来。他们需要。所以第一步是，我的数据在哪里？我如何访问它？我如何清理它？一旦我清理了它，我如何确保我已经制定了策略来清理它？

所以这一切都围绕着数据。我的意思是，另一件需要考虑的事情是数据主权以及围绕它的其他一些事情。目前有太多人会将他们的数据扔进像 chat GBT 这样的东西中，却不知道他们现在正在与全世界分享这些数据。

现在，你仍然可以在你自己的基础设施或私有云上使用这些模型，并且有一些方法可以解决这个问题，但是人们确实需要仔细考虑他们的数据，从它在哪里，我如何访问它，我如何清理它，我如何确保我已经制定了策略来保持它的清洁和准确性，但也要如何保护它，并确保所有隐私设置和安全设置都是正确的。

好的。所以有很多需要考虑的事情。我认为一些很好的收获，无论你是否在供应链中。我认为今天的谈话是一次重要的谈话。所以 Julian，非常感谢你加入 Everyday AI Show。我们非常感谢你的时间。

谢谢，Jordan。我很荣幸。好的。并且提醒大家，我们今天讨论了很多内容。如果这对你有所帮助，如果你正在收听播客，请继续点击订阅按钮，如果可以的话，请给我们评分。如果你正在网上收听，请与业内人士分享。让他们了解正在发生的事情以及接下来会发生的事情。此外，如果你还没有这样做，请访问 youreverydayai.com。注册免费的每日新闻通讯。我们将回顾今天与 Julian 的谈话以及更多内容。所以感谢您的收听。希望明天和每天都能看到你们回来收听更多 Everyday AI。谢谢大家。

今天的 Everyday AI 节目到此结束。感谢您的收听。如果您喜欢本期节目，请订阅并给我们评分。这有助于我们继续前进。更多 AI 魔法，请访问 youreverydayai.com 并注册我们的每日新闻通讯，这样您就不会被落下。打破一些障碍，我们下次再见。

今天的 Everyday AI 节目到此结束。感谢您的收听。如果您喜欢本期节目，请订阅并给我们评分。这有助于我们继续前进。更多 AI 魔法，请访问 youreverydayai.com 并注册我们的每日新闻通讯，这样您就不会被落下。打破一些障碍，我们下次再见。