這是來自Business Insider Intelligence的研究報告預覽，如欲瞭解更多有關商業內幕情報的資訊，請按此處。
長期以來，主要物流供應商一直依靠分析和研究團隊來理解他們從營運中生成的資料，但是隨著數據增長，以及可以收集到的見解變得越來越精細和多樣化，這些公司開始轉向人工智慧（AI）的計算技術，如機器學習、深度學習和自然語言處理，以簡化並自動化各種過程──這些技術教導電腦以「上下文」的方式解析數據，並根據發現以提供所需的資訊、供應分析或來源分析。運輸和物流業特別適合快速分析龐大的數據庫，並在供應鏈和物流營運的不同方面具有廣泛的應用。
AI透過縮短運輸時間和成本，能夠簡化眾多的供應鏈和物流功能，為早期應用者提供了競爭優勢。麥肯錫在2017年初進行的跨行業人工智能應用研究發現，早期應用者在運輸和物流領域採取積極的人工智慧策略，獲得了大於5%的利潤；而若未採用人工智慧的應用，該部門則處於虧損狀態。
然而，這些關鍵的好處卻還尚未被廣泛應用──在麥肯錫的調查中，只有21% 的運輸和物流公司超越最初的測試階段，透過大規模部署人工智慧在業務的核心部分來解決問題。其實在供應鏈和物流領域應用 AI 面臨的挑戰很多，需要進行重大的資本投資和組織變革才能克服。
在《The AI in The Supply Chain Report》中，Business Insider Intelligence探討了機器學習等人工智慧科技對供應鏈和物流空間的龐大影響，詳細介紹了這些計算技術在業界的無數應用，以及不同應用的採用；還分享了一些公司在其供應鏈和物流營運中與成功應用人工智慧的例子，最後還解析了許多阻礙組織採用人工智慧的原因，以及其獲得這種顛覆性技術的全部好處。
以下是此次報告中的一些重要內容：
- 目前對 AI 系統的興趣和早期應用是由幾個關鍵因素推動的，包括運輸需求的增加、技術的新突破以及行業最大龍頭對資料可及度的重大投資。
- 人工智慧可以為供應鏈和物流營運帶來巨大的利益，包括通過減少冗餘和緩解風險來降低成本，改善預測、透過更優化的路線更快地交付、優化客戶服務等。
- 傳統的參與者在部署和獲得人工智慧系統的好處時，面臨許多實質性的障礙，包括數據的可及性和勞動力的挑戰。
- 物流業採用 AI 的做法有可能是最大的參與者，因為要克服這些重大挑戰，需得進行IT系統的更新、打破資料孤島以及雇用高薪的資料技術團隊等昂貴的投資。
- 儘管人工智慧的應用不太可能在短期內導致大規模的勞動力減少，但公司仍需要制定戰略，以解決工作人員在AI系統自動化特定功能時的角色變化。
