智慧應用 影音
未來車產業價值鏈平台
Vector Japan

供應鏈AI確實有用 但絕非萬靈丹

半導體供應鏈問題擴大外界對供應鏈AI應用認知,然須注意AI不能解決一切問題。法新社

汽車半導體在2021年發生嚴重短缺,使得供應鏈問題從專業術語變成大眾用詞,而解決供應鏈問題的技術,特別是人工智慧(AI)進入公眾視野,麥肯錫(McKinsey & Company)的調查結果,AI能壓低物流開支15%、額外庫存35%、提高服務水準65%,更讓眾人對AI抱持期待。

但美國雲端AI平台Aible共同創辦人Jonathan Wray表示,AI不是萬靈藥,通膨或供應鏈內部問題不是AI能解決的範疇。Forbes報導更進一步說明這話的意義:AI不是解決供應鏈問題的萬靈藥,即使真的非常有效。

目前的供應鏈AI應用,一種是工廠自動化領域的生產線、物流車、倉儲管理,確保材料供應不間斷,出貨前庫存維持在最低安全水平;另一種是根據歷史資料分析,判斷未來供需變化,據以決定原料與設備投資金額,以及供貨價格,偏向投資期貨領域。

Forbes指出,2021年的半導體短缺,實際上是供應鏈分析AI惡化供應鏈問題的範例:當汽車半導體供不應求,由AI分析有限半導體該優先賣給哪些廠商,以獲取最大利潤時,弱勢領域如工具機或醫療設備便遭犧牲,導致問題從汽車業擴散到其他產業,甚至導致半導體廠買不到設備增產的問題。

若說2021年汽車半導體短缺案例是個例外,資誠會計師事務所(PwC)調查往來業者對供應鏈問題的顧慮時,也發現有58%業者指出一個問題,物流供應相關領域員工離職率高於其他部門,且只有23%業主認為相關部門員工IT技能達合格水準。

離職率高與IT技能不足,主要是人事制度問題,也就是Jonathan Wray眼中的供應鏈內部問題,AI很難解決。

世界局勢變化快速,如2022年2月突然爆發的戰爭,讓歐洲的能源、與中東的糧食供應,亂成一團;而AI研發與資料收集學習耗時太長,9~18個月才能完成一個計畫,碰到戰爭等意外又馬上會讓學習資料報廢,如何提高AI反應這類緊急事件的能力,是下一個發展目標。


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 半導體產業 汽車半導體 AI 供應鏈