人工智能的供應鏈可持續(xù)效益可能會被能源消耗抵消

　　近年來，ESG 已成為關鍵的業(yè)務焦點，供應鏈可以說是可持續(xù)業(yè)務實踐中最重要的組成部分。隨著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(xù)性，但其環(huán)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(shù)據(jù)優(yōu)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(xù)性，并推動供應鏈運營實現(xiàn) ESG 目標。

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

　　但企業(yè)也不能盲目執(zhí)行。

　　實現(xiàn)可持續(xù)發(fā)展

　　通過分析歷史數(shù)據(jù)并使用機器學習算法，人工智能可以優(yōu)化規(guī)劃和運輸運營，從而減少碳排放。人工智能發(fā)揮影響力的關鍵領域之一是路線優(yōu)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線。通過盡量減少不必要的彎路和冗長的路線，可以優(yōu)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準確地預測需求來提高制造效率。這反過來又可以優(yōu)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(xù)發(fā)展方面具有巨大潛力，但它也面臨著挑戰(zhàn)。 AI算法需要大量高質量數(shù)據(jù)才能運行。這在全球供應鏈中很難獲得和管理。從本質上講，供應鏈依賴于各種技術系統(tǒng)，例如庫存管理、財務和運輸系統(tǒng)。如果不直接集成這些系統(tǒng)，那么簡化這些系統(tǒng)中的數(shù)據(jù)可能會具有挑戰(zhàn)性。孤立的數(shù)據(jù)系統(tǒng)無法為人工智能系統(tǒng)提供必要的支持。因為他們需要定期輸入可靠的數(shù)據(jù)集。因此，如果沒有對整個供應鏈進行更強大的數(shù)據(jù)管理，人工智能就無法發(fā)揮其最大潛力。

　　人工智能的能源消耗水平也是一個問題。這個鮮為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為人工智能交互，那么為其提供動力所需的電力可能相當于愛爾蘭國家的消耗水平，即每年 29.3 太瓦時?？紤]到該技術的快速增長速度，任何環(huán)境效益都有可能被為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并不對環(huán)境負責。

　　采取實用的方法

　　考慮到這一點，供應鏈需要采取平衡的方法來實施人工智能。企業(yè)需要增強可持續(xù)性，同時還要考慮數(shù)據(jù)要求和能源消耗。應鼓勵企業(yè)關注人工智能可以產(chǎn)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，因為它占全球二氧化碳排放量的 24% 左右。因此，實施基于人工智能的路線優(yōu)化是該技術的一種適當用途，可以提高可持續(xù)性，同時又不會消耗太多能源。

　　對人工智能系統(tǒng)進行持續(xù)監(jiān)控也很重要，以確保發(fā)現(xiàn)任何效率低下的地方和改進的機會。企業(yè)應定期評估系統(tǒng)的能耗和準確性，以最大限度地提高投資回報。

　　作者：SCALA 執(zhí)行董事 Rob Wright

　　來源：千家網(wǎng)