人類社會好玩的地方，就是永遠會產生問題，也總會有聰明的人找出解決的方法，有的問題可能會經過好幾十年的持續累積，在新的殺手級應用出現後，問題可被有效解決。現階段，我們已經沒有時間慢慢評估是否實施AI，因為AI已經是企業生存的關鍵因素，隨著晶片普及於各種裝置，五年後企業經營的面貌會與現在有很大的不同。目前已有不少企業開始做各種AI的發想，這些應用大概可歸納為連結現況、庫存改善、經驗傳承、擴大利基，我們希望藉由這些案例的分享，讓物流業者了解新的競爭態勢，早日踏上AI浪潮。

連結現況

      連結現況的目的就是要知道外面發生了甚麼事，這些事會如何的影響我們自己的供應鏈。目前在業界上比較成功的是DHL的 Resilience360系統，這個系統利用AI文字分析技術，持續監測常見的社群媒體、公開網站所發生的事（精確地說，就是系統會自動分析相關網站內的文字），例如是否有人抱怨DHL的配送慢，或是運務員服務態度不佳、發生颱風、地震、疫情…等一切可能影響DHL供應鏈運作的事件。

     做這件事的短期效益，就是DHL可以在大事件發生之前，就做好緩衝處理，減緩外部事件對自己供應鏈的衝擊；此外，可以很清楚的知道消費者都在討論甚麼事，都在討論甚麼商品，把消費者喜歡的商品預先佈署在適當的供應鏈節點。

     長期而言，則是可以協助客戶做到真正的供應鏈事件管理，因為現在的客戶要的不僅是物流服務，而是需要讓整個供應鏈運作更穩定的整體解決方案。

庫存改善

     「庫存」一直是各企業最頭痛的難題，在這個新產品輩出、生命週期縮短，消費者口味多變且缺乏忠誠度的狀況下，庫存要放甚麼、放多少、放那些地方…，使用傳統的預測模型，已無法滿足現今需求。我們先看下以下例子：

1. 空調商品有很高的季節性需求變化，而且因為每年都在推出新產品，使得維修備品種類越來越多，如果僅根據銷售記錄做被動型預測，使得預測的結果永遠跟不上實際的變化。
2. 在電子商務系統中，普遍都會有部分商品相當熱銷，但是卻有更多商品的銷售量很小，但是又不能把這些銷售量不多的商品全部下架，因為會造成商品的豐富性降低，使得消費者不想進到網站來消費。這類低度銷售的商品就是長尾型需求(long-tail demand)商品，對電商業者而言最難處理的也就是這類商品，因為最難做銷售預測，也很難配置庫存數量。
3. 在1960年代，Granarolo僅是義大利一家小型的牛奶供應商，當時要做銷售規劃是相當單純的，但是當公司成長為跨國企業，上百種不同乳製品，以及不同的銷售通路、運輸模式時，其導入的銷售預測系統也不再管用，因為這些系統大多僅能使用有限的資料作推估，也沒辦法同時考量匯率波動、氣候等因素，因此預測結果相當不準。

     不過，不要期待太高，就算導入AI來做庫存管理，也不可能短期做到精準，但是可以做到「越來越準」。Amazon目前在物流中心內，大量地使用AI機器人做貨件搬運，除了速度快，更重要的是資訊更新的即時性。

     美國居家DIY零售大廠Lowe’s，在其店內配置了AI機器人，這些機器人一方面可以回答消費者問題、帶領消費者到指定的儲位挑選商品，更可在自動執行貨架的庫存掃描，採用影像辨識方式，分析每個儲位上面的錯誤商品或是庫存不足狀況。

     傳統使用人工方式做日常盤點，很難做到即時化的數據更新，往往都是揀貨時，才發現儲位上的庫存數量與系統資料不符。上述例子告訴我們，AI協助解決庫存問題的方式，短期就是透過即時化數據更新，讓實體庫存數據與ERP系統的數據相符；長期則是可透過AI模型，利用更多參數做到更好的庫存規劃。

經驗傳承

     利用AI的學習模型，學習特定領域的人類專家的判斷方式，除了有助於經驗傳承，更可減輕第一線執行「診斷、分類」的工作負擔，例如物流業的退貨分析、以及醫院內初步的病患篩檢，這樣的好處，就是讓人力資源多配置於後端的「問題解決」。

     美國食藥署(FDA)在今年四月已核准利用AI做視網膜病變的確診輔助，也就是說，病人僅需在指定的設備前掃描一下眼睛，就可透過AI軟體確認患者是否有視網膜病變，類似的醫療應用預計會越來越普遍，人類醫師就可以專注於「治療」。

     台灣的疾病管制署在今年也成功利用AI作為瘧疾病患血液分析工具，讓以往這種需要人類專家判讀的工作，轉由AI來處理，準確度超過九成，一方面可讓人類專家屆齡退休，一方面又可留下專家的專業知識。

     任何產業都會有類似問題，如果將診斷、評估這類初級工作，讓AI來取代，至少可節省1/3人力。問題的診斷與評估涉及許多的經驗與知識，通常不是新進人員可勝任的工作，而且要訓練出這樣的專家需花多年時間，容易衍生留才問題。

     日本電子業利用AI技術，將微型攝影機配置在人類專家眼鏡上，監測整個「檢驗」過程，例如品檢員會如何翻轉待測物體，看那些地方的瑕疵，看的順序如何，都會被AI模型學下來，然後用來協助培訓新進檢測人員；另外也有日本工廠在作業人員身上配置定位器，分析技術人員會在哪些產線區域巡邏，以便教導新進人員在產線巡邏的重點。

【如欲閱讀全文，敬請訂閱雜誌。】