近年來，ESG 已成爲關鍵的業務焦點，供應鏈可以說是可持續業務實踐中最重要的組成部分。隨着人工智能技術的進步，我們越來越多地看到公司轉向該技術來支持供應鏈的可持續性，但其環境效益可能會被該技術所需的能源所取代。

人工智能具有利用先進分析和實時數據優化供應鏈內物流、減少浪費和提高能源效率的潛在能力。所有這些因素都可以提高可持續性，並推動供應鏈運營實現 ESG 目標。

該技術似乎席卷了各個商業領域，供應鏈和物流領域也不例外。根據去年對 3PL 的調查，84% 的提供商將人工智能和機器學習描述爲最有可能對全行業產生影響的技術之一。

但企業也不能盲目執行。

實現可持續發展

通過分析歷史數據並使用機器學習算法，人工智能可以優化規劃和運輸運營，從而減少碳排放。人工智能發揮影響力的關鍵領域之一是路线優化。人工智能算法可以分析交通模式、天氣狀況、道路狀況和送貨時間表等各種因素，以確定運輸車輛最省油的路线。通過盡量減少不必要的彎路和冗長的路线，可以優化燃料消耗以減少碳排放。

該技術還可以通過提高設備利用率、減少停機時間以及更准確地預測需求來提高制造效率。這反過來又可以優化庫存水平，減少庫存過剩和浪費。它還消除了導致不必要的運輸排放的緊急交貨的需要。

承認人工智能的缺點

盡管人工智能在推動可持續發展方面具有巨大潛力，但它也面臨着挑战。 AI算法需要大量高質量數據才能運行。這在全球供應鏈中很難獲得和管理。從本質上講，供應鏈依賴於各種技術系統，例如庫存管理、財務和運輸系統。如果不直接集成這些系統，那么簡化這些系統中的數據可能會具有挑战性。孤立的數據系統無法爲人工智能系統提供必要的支持。因爲他們需要定期輸入可靠的數據集。因此，如果沒有對整個供應鏈進行更強大的數據管理，人工智能就無法發揮其最大潛力。

人工智能的能源消耗水平也是一個問題。這個鮮爲人知的問題是阿姆斯特丹自由大學研究員 Alex de Vries 在一篇論文中提出的。他聲稱，如果每次谷歌搜索都成爲人工智能交互，那么爲其提供動力所需的電力可能相當於愛爾蘭國家的消耗水平，即每年 29.3 太瓦時。考慮到該技術的快速增長速度，任何環境效益都有可能被爲該技術提供動力所需的能源所取代，至少在目前的形式下是如此。因此，目前完全轉向該技術並不對環境負責。

採取實用的方法

考慮到這一點，供應鏈需要採取平衡的方法來實施人工智能。企業需要增強可持續性，同時還要考慮數據要求和能源消耗。應鼓勵企業關注人工智能可以產生最大影響的供應鏈領域。交通運輸是可以從人工智能支持中受益匪淺的一個方面，因爲它佔全球二氧化碳排放量的 24% 左右。因此，實施基於人工智能的路线優化是該技術的一種適當用途，可以提高可持續性，同時又不會消耗太多能源。

對人工智能系統進行持續監控也很重要，以確保發現任何效率低下的地方和改進的機會。企業應定期評估系統的能耗和准確性，以最大限度地提高投資回報。

作者：SCALA 執行董事 Rob Wright

標題：人工智能的供應鏈可持續效益可能會被能源消耗抵消

地址：https://www.utechfun.com/post/371819.html