Erik Walenza-Slabe是Asia Growth Partners的首席執行官、數字化谘詢公司IOT One的董事總經理，也是工業(ye) 互聯網產(chan) 業(ye) 聯盟的活躍成員，並領導美國商會(hui) 的科技創新委員會(hui) 。從(cong) 2013年起，他負責管理獨立創業(ye) 社區Startup Grind上海分會(hui) 。他還在2015年建立了IOT One學院以幫助企業(ye) 消除在數字化轉型過程中的能力缺陷。
過去五年，他與(yu) 超過100家公司在數字化轉型、市場準入、競爭(zheng) 對手對標、創業(ye) 孵化和商業(ye) 模式戰略等領域展開合作；並經常受邀在各類論壇和會(hui) 議中就企業(ye) 數字化和數據驅動的商業(ye) 模式等主題進行演講。
世界經理人：你認為AI技術對供應鏈管理最大的顛覆性影響是什麽？
Mr.Erik Walenza：
實際上，我認為(wei) 人工智能對供應鏈管理最具顛覆性的影響將與(yu) 其處理非結構化數據的能力相關(guan) 。
傳(chuan) 統IT係統已經非常擅長處理結構化數據，比如來自ERP、CRM或其他的數據。但世界上大部分相關(guan) 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(yu) 合作夥(huo) 伴的電子郵件或短信等。目前這些信息隻能通過人工處理。
當然，人力成本高且時間有限，因此許多信息要麽(me) 未被處理，要麽(me) 處理得太晚。我們(men) 可能在一周後才得知某件事，無法及時響應。
現在，人工智能可以將這些非結構化數據轉化為(wei) 結構化數據，用於(yu) 決(jue) 策。比如，如果有一則產(chan) 品召回的新聞稿，我們(men) 不需要等待團隊成員偶然發現它，而是可以每天掃描相關(guan) 信息。一旦係統捕獲到這類信息，就能立即識別客戶端的召回事件並快速響應。
這將徹底改變我們(men) 應對事件和優(you) 化決(jue) 策的能力。這種變化目前仍處於(yu) 早期階段，但據我所知，許多傳(chuan) 統供應鏈管理軟件公司已開始整合非結構化數據。此外，許多專(zhuan) 注於(yu) 這一問題的原生AI軟件公司正在湧現。
世界經理人：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(men) 為(wei) 一家化工公司做項目，他們(men) 的團隊很龐大，但預測準確性很低。我們(men) 嚐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(jia) 格，而且市場價(jia) 格每周都可能發生劇烈波動。
但許多關(guan) 鍵變量涉及的是諸如美國消費者購車/房情緒變化和購買(mai) 意願信號，最初隻是零星的數據點，也有可能在媒體(ti) 上大量湧現，但當時很難追蹤這類非結構化數據。
現在，AI可以高效分析這些趨勢（比如美國房地產(chan) 市場需求），並衡量對聚碳酸酯價(jia) 格（與(yu) 該化工企業(ye) 相關(guan) ）的潛在影響，從(cong) 而優(you) 化預測和定價(jia) 決(jue) 策。
此外，AI還能提升企業(ye) 洞察力。正如我前麵提到的競爭(zheng) 對手的產(chan) 品召回事件，你必須能夠及時捕捉到這個(ge) 信息，在第二天就致電客戶並推銷替代方案。這種從(cong) 非結構化數據中提取可操作信息的能力極具變革性。
世界經理人：你覺得AI技術對企業（尤其是供應鏈企業）的改善，最被低估的是什麽地方？
Mr.Erik Walenza：
過去，在技術發展上通常是由行業(ye) 和企業(ye) 為(wei) 先導，消費市場隨後跟上。但現在AI應用的情況反過來了。消費市場領先一步，而行業(ye) 反而成了追隨者。尤其是供應鏈領域，因為(wei) 內(nei) 部的複雜體(ti) 係和風險意識，往往等到技術成熟後才采用。
未來5年，隨著企業(ye) 逐步解決(jue) 內(nei) 部組織挑戰（如網絡安全、隱私和流程重構），AI的能力將迅速提升。
近兩(liang) 年我們(men) 已經見證了AI新能力（尤其是決(jue) 策相關(guan) 領域）的爆發式增長。AI已經能在多數決(jue) 策場景下達到人類管理者的水平。例如，AI已能通過患者症狀描述提供比醫生更準確的診斷。
在供應鏈中，主要障礙是組織層麵而非技術層麵。當企業(ye) 解決(jue) 這些問題後，AI帶來的衝(chong) 擊可能會(hui) 超出他們(men) 的預期，能夠更快處理海量信息，優(you) 化供應分配、供應商選擇和定價(jia) 決(jue) 策，甚至能以AI提議、人類審批的形式替代中層管理決(jue) 策。
世界經理人：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，企業為什麽還需要人類員工？
Mr.Erik Walenza
我承認這確實令人不安。在法律事務層麵，我們(men) 已經看到了這種趨勢，因為(wei) 某種意義(yi) 上來講，法律比供應鏈更簡單。供應鏈需要整合大量不同係統，涉及複雜的人際關(guan) 係；而律師事務所的大量工作關(guan) 鍵在於(yu) 能否理解法律體(ti) 係、曆史判例，從(cong) 客戶描述中識別相關(guan) 條款。這種流程相對簡單。
現在，我們(men) 已經發現，律師事務所開始大幅減少初級員工招聘，因為(wei) AI能替代基礎法律文書(shu) 工作，不過高級律師仍不可或缺，因為(wei) 需要資深人員管理人際關(guan) 係。所以，律所的團隊結構可能從(cong) “10位資深+90位初級”變為(wei) “15位資深+15位初級”。
實際上，還有一大風險在於(yu) ，人類可能失去對決(jue) 策過程的掌控。對於(yu) 人類的錯誤決(jue) 策，我們(men) 現在至少還能找到責任人進行溝通，聽其解釋決(jue) 策邏輯。但AI可能用數千個(ge) 變量決(jue) 策，而人類難以理解其邏輯。所以我們(men) 需要在提升決(jue) 策效率與(yu) 保持人類對係統的控製力之間找到一個(ge) 平衡點。
世界經理人：企業應用AI技術時，最常見的能力缺口是什麽？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(ye) 和初創公司能快速采用AI，但大企業(ye) 麵臨(lin) 多重挑戰：老舊係統難以改造，內(nei) 部治理規則僵化，員工對AI可能導致裁員的抵觸，傳(chuan) 統企業(ye) 難以吸引薪水要求高的AI專(zhuan) 家。
比如，有一家規模較大的歐洲香精公司原本打算從(cong) 科技巨頭處高薪挖人組建自己的數字化團隊，但由於(yu) AI人才普遍不希望履曆上出現傳(chuan) 統製造企業(ye) ，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以薪酬規則為(wei) 由拒絕，最終他們(men) 隻能選擇外包AI開發。這也意味著，能力建設、數據積累等核心優(you) 勢掌握在外部公司手中。
此外，決(jue) 策層的認知鴻溝也是一個(ge) 關(guan) 鍵的阻礙：傳(chuan) 統大企業(ye) 的主要決(jue) 策者大多超過50歲，其職業(ye) 生涯形成於(yu) 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，則更麵臨(lin) 一重地理鴻溝——需要將中國市場的訴求與(yu) 技術發展情況反饋給歐洲總部。這種跨境解釋還要疊加上網絡安全、隱私流程變更、重大投資決(jue) 策等方麵的考量，使得在華外企的AI部署決(jue) 策更加難以施展。
此外，許多企業(ye) 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(jue) 方案。因此許多供應商成本更低的、針對性的優(you) 質方案往往因為(wei) 不在預審名單中而不得采用。
企業(ye) 必須正視這些挑戰，審慎規劃AI的實施路徑。
世界經理人：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，我的觀察主要基於(yu) 服務跨國公司的經驗，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(cong) 而明確利益相關(guan) 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(yu) 一線員工溝通需求，共同設計流程變革。因為(wei) 基層員工最清楚業(ye) 務實際運作方式，能有效幫助定義(yi) 功能需求。
這種“聚焦領域+遠大目標+高層賦權+上下協同”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(ti) 實施方案，責任歸屬模糊，預算來源不清，決(jue) 策機製缺失。許多公司滿足於(yu) 營造AI應用的假象，卻從(cong) 未真正改變業(ye) 務的運營方式，最終往往流於(yu) 形式地滿足於(yu) 微軟Copilot這種“合規易用但效果有限”的方案。
世界經理人：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(cong) 現在到可預見的將來，AI雖能夠非常高效地實現特定流程步驟的自動化，但必須由人類來決(jue) 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(you) 先次序，權衡利弊，規劃初期投資方向。因此，人類的角色依然至關(guan) 重要——我認為(wei) 這種狀況短期內(nei) 不會(hui) 改變。
世界經理人：中美企業會在應用AI技術進行創新方麵體現出較大差距嗎？比如，思維上的？
Mr.Erik Walenza：
我們(men) 需要分別考慮美國企業(ye) 在美國的情況、美國企業(ye) 在中國的情況，以及中國企業(ye) 在中國的情況。
美國企業(ye) 擁有成熟的AI生態係統，有大量供應商可以選擇。雖高，但人才資源相當充足。而且由於(yu) 許多企業(ye) 的“同儕(chai) 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(ye) 雖起步稍晚（約落後6個(ge) 月），但他們(men) 向來有快速采用新技術的傳(chuan) 統——一旦明確技術對利潤的影響，行動可能更迅猛。
至於(yu) 在華美國企業(ye) ，或者範圍擴大一點，在華外企，則麵臨(lin) 獨特挑戰：總部開發的各種AI解決(jue) 方案在中國往往水土不服。雖然企業(ye) 可以單獨為(wei) 中國分部單獨開發並行方案，但若中國市場在公司整體(ti) 營收占比太低，就很難證明為(wei) 此投入AI開發資源的合理性。因此，外企的AI應用需聚焦可產(chan) 生重大影響的關(guan) 鍵領域——因為(wei) 在AI應用的整體(ti) 覆蓋範圍上，他們(men) 既難以匹敵中國本土企業(ye) ，也無法與(yu) 總部主導的全球方案相抗衡。
世界經理人：是否可以說，中國企業更願意為試錯買單？
Mr.Erik Walenza：
是的。中國企業(ye) 更重視速度和結果，對試錯容忍度較高——隻要願意承擔錯誤成本，這種特質對AI應用是優(you) 勢。
世界經理人：你認為AI技術的應用在解決長尾場景中有何優勢？
Mr.Erik Walenza：
許多長尾場景對人類而言是隱形的。
一方麵，人力成本高昂；另一方麵，人類能處理的信息量有限，所以人類處理此類場景時通常隻關(guan) 注核心變量，對其持續追蹤。人類可能對10個(ge) 關(guan) 鍵變量了如指掌，卻對市場上其他可能產(chan) 生影響的100個(ge) 變量渾然不覺——其餘(yu) 變量處理起來過於(yu) 複雜，難以分析，也難以傳(chuan) 達。
而AI能同時追蹤數千變量並識別潛在影響。例如，競爭(zheng) 對手工廠停產(chan) 維護這類低頻事件，人類可能忽略，但AI能分析數據並觸發行動。我們(men) 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(jia) 值的洞見。例如基於(yu) 競爭(zheng) 對手工廠的運營動態，向銷售團隊、生產(chan) 團隊、預測團隊、定價(jia) 團隊傳(chuan) 遞針對性建議。
不過需要再次重申，這些都屬於(yu) 長尾場景的範疇，需要建立能夠大規模追蹤和處理相關(guan) 數據的係統。而這正是人工智能將要發揮重要作用的領域。
