利用生成式 AI 增强竞争优势：整合产品开发、供应链和可持续性.pdf

利用生成式 AI 增强竞争优势整合产品开发、供应链和可持续性IBM 商业价值研究院|专家洞察2Praveen Velichety执行合伙人，数字孪生全球产品负责人IBM C Chambers合伙人，供应链转型负责人，EMEAIBM C Didaskalou 消费品行业合伙人，能力中心IBM C Cheung消费品行业全球研究负责人IBM 商业价值研究院 AI 和生成式 AI 带来了广阔的机遇，从更成功地推出新消费产品到协同供应链运营以提高效率并减少浪费。优化整合生成式 AI 可以优化新产品开发，支持与供应链运营互联互通，并改善与供应商和生态合作伙伴的整合，加速创新并增强韧性。支持可持续性和监管合规性生成式 AI 功能可以支持整个消费产品生命周期内的决策，推动全方位的可持续性，并支持各个市场和地区的监管合规性。快速采用消费品行业高管正在迅速采用生成式 AI。超过三分之二的受访高管认同或强烈认同生成式 AI 对其组织的未来至关重要。而且，超过四分之三的受访高管认为应迅速采用生成式 AI 以保持竞争力。在优化新产品开发和改善消费品行业供应链运营方面，生成式 AI 潜力巨大。摘要2AI 引领产品开发新时代在竞争激烈的消费品市场中推出新产品历来就是一项高风险举措。如今，企业面临的挑战比以往更加严峻。从不断变化的消费者偏好、日益加剧的市场竞争、持续攀升的成本与供应链压力、监管合规问题到层出不穷的新产品，企业推出新产品的环境正变得愈加复杂。数据表明，在每年推出的 30,000 种新消费产品中，有高达 95%未能实现其商业目标。1在 2020 年代，企业在新产品导入(NPI)流程中面临的主要挑战如下：未针对品牌组合中的新产品建立全局视图当营销、制造和供应链团队在组织中孤立运作时，缺乏协作会导致延误、质量问题和供应链中断。如果未建立整体的产品生命周期视图，就难以确定何时将产品纳入产品组合、何时计划实现峰值销量以及何时逐步淘汰产品，同时降低对其他产品的影响。市场研究和消费者洞察不足如果未进行深入的市场调查，也未收集准确的消费者洞察，推出的新产品就无法满足消费者的需求或期望。这会导致库存过剩、销售业绩不佳以及供应链效率低下。不切实际的时间表和紧迫的期限新产品开发和发布的紧迫时间表给供应链带来了巨大压力。由此产生加快发货速度，或者占用其他盈利产品线的生产能力等连带反应，可能影响下游的财务业绩。3在新产品导入(NPI)流程早期做出的决策也会产生一系列后续挑战，从而影响供应链和端到端产品生命周期。这些挑战包括：风险管理和应急规划不足风险评估不足和缺乏应急规划来应对潜在的供应链中断（例如自然灾害、地缘政治事件或供应商问题）会阻碍新产品发布取得成功。为了应对这些挑战并管理新产品开发中的相关风险，消费品行业需要一种更具前瞻性、数据驱动且端到端的决策方法。利用生成式 AI 来协助和增强产品开发、供应链整合与生命周期管理，消费品行业高管可以加速创新、改善成本管理、减少浪费并提高整体效率。除了优化新产品导入和供应链整合，以及管理各个市场和地区的监管合规以外，生成式 AI 还将为产品生命周期管理开启一个全新的维度 改善用户体验。由于生成式 AI 可支持“以用户为中心”的设计理念，因此有助于促进产品采用并帮助做出更明智的决策。供应商和资源限制难以找到可靠的供应商、协商有利的条款和确保新材料或原料的稳定供应，从而严重影响满足生产和分销要求的能力。供应链可视性和协同能力有限缺乏端到端的供应链可视性和协同会导致沟通中断、库存不平衡和分销效率低下，从而妨碍新产品发布取得成功。监管和合规问题如果在产品开发阶段没有提前处理好监管要求和合规标准，就会增加延迟、产品召回或供应链中断的风险，从而对成本和品牌声誉造成负面影响。可持续性和供应链透明度担忧忽视新产品和供应链流程中的可持续性影响会增加监管不合规的风险，并错失降本增效的机会。此外，未来对供应链透明度的要求预计将大幅提高，这也是新产品推出中应当考虑的一项因素。2生成式 AI 提供的洞察可以在整个产品生命周期中融入可持续性。4案例研究利用 AI 创造新的香水香型Symrise3Symrise 是一家总部位于德国的公司，致力于开发、生产和销售香料、调味料、食品配料及活性化妆品成分，为超过 35,000 种消费品供应原料。依靠其 Aromas Molecules 部门，Symrise 还是全球领先的香料原材料生产商。随着消费市场对新香水香型的需求不断增加，Symrise 发现了利用其超过两百万种香水配方宝库的机会。关键就是利用人工智能来帮助 Symrise 管理越来越短的产品周期，同时提高整体产品开发效率。初始香水设计算法由开发人员创建，然后再通过 AI 工具加以改进。该团队利用一款名为 Philyra 的 AI 助手来分析分子结构，确定应用领域，并考虑各种市场和销售数据。AI 在分析香水配方和原料特性方面发挥了重要作用，最终帮助调香师找到微妙差异的配方组合，创造出新的香型。Symrise 利用 AI 设计的首款上市产品在法国尼斯的世界香水大会上亮相。2019 年，两款 AI 设计的香水成功上市，由全球第三大香水制造商巴西 O Boticrio 公司负责市场营销。如今，AI 已成为调香师不可或缺的一项利器，不仅为他们赋予更敏锐的嗅觉，还帮助 Symrise 建立了自动化流程，加速开发出更多符合客户需求的产品。45与许多其他商业领域一样，消费品行业也开始利用生成式 AI 来提升运营效率和协助做出决策。生成式 AI 可以生成类似于人类创造的结果，因此更具直观性和可信度，从而促进更快地采用基于生成式 AI 的解决方案。这项技术在消费品行业中有广泛的应用场景，从利用聊天机器人和数字助手简化客户服务，到一些更复杂的实现，例如利用非结构化数据进行需求感知和预测，以及实现物流管理自动化。在新产品引入方面，生成式 AI 可以通过分析与热门产品特性或消费者偏好相关的历史数据来帮助创造新的产品设计和概念。生成式 AI 有望进一步提高消费品行业的运营效率 IBM 的内部项目评估表明，生成式 AI 有机会实现高达 30%的效率提升。4IBM 商业价值研究院(IBM IBV)的最新研究表明，消费品行业高管正在迅速采用生成式 AI。超过三分之二的受访高管认同或强烈认同生成式 AI 对其消费品组织的未来至关重要。而且，超过四分之三的消费品行业高管认同或强烈认同应迅速采用生成式 AI 以保持竞争力。5AI 在消费品行业中日益重要超过四分之三的消费品行业高管认同或强烈认同应迅速采用生成式 AI 以保持竞争力。6近一半的受访消费品组织正在供应链、物流和履行领域试点或实施生成式 AI 项目。40%的受访组织正在产品开发领域试点或实施生成式 AI 项目，但只有 3%的受访组织目前正在产品开发和供应链运营领域优化这项能力。6图 1受访组织在产品开发中采用生成式 AI 的情况不考虑正在试点正在实施和运营正在优化3%正在考虑和评估49%25%20%3%不考虑正在试点正在实施和运营正在优化8%正在考虑和评估38%19%32%3%受访组织在供应链运营中采用生成式 AI 的情况信息来源：未发布的 IBM 商业价值研究院研究。对 225 名全球零售和消费品高管的调研。7多年来，消费品行业高管一直在寻求改进新产品端到端管理的方法，从初始设计、开发到产品淘汰的整个周期。生成式 AI 基于的广泛的产品和市场数据进行训练，这些数据来自众多利益相关者。因此，生成式 AI 可以发挥至关重要的协同作用，助力提高可见性和效率。通过与可信赖的供应商合作，新产品导入研发团队可以利用来自供应商的专有数据来训练生成式 AI 模型。基于大量结构化和非结构化供应商数据，增强型生成式 AI 功能可以提供其他方式无法获取的技术和解决方案洞察。生成式 AI 提供对话知识、复杂文档总结、内容创建和代码生成等功能，尤其可为产品开发的早期阶段提供强大支持。例如，如果一家包装供应商将详细的产品和创新信息输入到共享数据库中，那么消费品公司利用生成式 AI 来处理这些数据，就可以加速其产品开发流程。供应商共享数据的动机可能很大 消费品行业专家预计，这可以增加供应商获得包装合同的可能性。生成式 AI 的另一个应用场景是在新产品探索过程中，帮助研发专家寻找新技术和新材料。通过分析和理解来自研究出版物、新闻报道、贸易活动、社交媒体等来源的海量数据，AI 可以总结可能的技术方案，并帮助规划人员快速甄别出具备新兴技术能力的供应商。这种方法有助于提高新产品的性能和市场潜力。生成式 AI 有潜力创造更多价值通过以前所未有的速度处理大量信息，生成式 AI 可以总结复杂文档并创建内容，从而提供其他方式无法获取的见解。8生成式 AI 所实现的目标状态是，在产品开发初期就优化成本和性能，而不是在产品推出后再逐步进行优化。生成式 AI 可以改变传统模式；例如，激励采购经理在产品推出时就实现成本节省，而不是在产品发布后再历时数年试图削减材料成本。产品开发供应链97%增强知识搜索（内部和外部）89%根据结构化/非结构化数据生成需求预测92%创建分析模型81%总结复杂文档95%增强知识搜索（内部和外部）91%创建自定义产品可视化和设计图 2生成式 AI 在产品开发和供应链职能中的应用价值排名信息来源：未发布的 IBM 商业价值研究院研究。对 225 名全球零售和消费品高管的调研。9具体而言，在以下十二个领域，生成式 AI 有望迅速而长远地影响新产品的开发和上市，及其在市场整体产品组合中的表现：生成用于产品测试的客户画像生成式 AI 可以加速产品开发的早期阶段，并建议符合指定客户画像需求的产品特征。协助包装设计和材料规划生成式 AI 可以协助包装设计人员开发产品包装的艺术设计和文案，并探索各种个性化选项。优化的设计流程和更高效的材料有助于更快地测试消费者偏好、增加消费者接受度并降低成本。更精确地预测需求生成式 AI 利用大量非结构化数据来创建准确的需求预测，从而将需求预测的实用性和准确性提升到全新水平。根据 IBM 商业价值研究院最近开展的对标分析调研，48%的受访高管预计生成式 AI 有望将预测误差降低 20%，并将库存持有成本降低 24%。7生成式 AI 可以预测遵守新法规的影响，并更全面地管理法规合规性。实施更具战略性的产品规划和产品组合管理生成式 AI 可以帮助产品规划人员准确预测新产品是否会侵蚀现有产品的销量。这项技术可以优化整体产品组合的选择和收入，并指导在特定渠道推出新产品，以避免影响其他产品的销售业绩。支持运营性数字孪生生成式 AI 可支持创建表示端到端供应链的运营性数字孪生。在开发和推出新产品之前，数字孪生可以模拟和建模新产品的表现及其对供应链的影响，从而形成良性反馈循环，增加决策力。限制影响供应链的细微产品变更数量生成式 AI 可以帮助新产品规划人员了解消费者偏好，预测遵守新法规的影响，并更清晰准确地理解供应商条款与条件。这些及时的信息有助于减少交付给制造工厂的产品变更订单。这些产品变更不仅会产生更高的成本，例如小幅设计改动造成材料过时或废弃，还会导致官僚程序上的延误和额外费用。10更全面地管理供应商和监管合规性通过总结供应链生态系统中供应商的表现，并结合财务和可持续性指标，生成式 AI 可以改进供应商绩效报告，并发现新的毛利率增长机会。利用生成式 AI 从海量报告、日志、手册和其他来源生成实用摘要，还可以增强消费品公司在多个市场和司法管辖区的合规能力。扩展产品生命周期管理生成式 AI 工具可以训练和调优模型以处理产品需求、提供翻译服务以及优化设计工作流程。产品制造完成后，生成式 AI 工具还可以管理物料清单并提供工程协助。其好处包括提高效率、加速创新、增多创新、缩短上市时间以及更快地响应市场与消费者趋势。加快产品追踪和退货基于生成式 AI 的自动化系统可以准确分类退货原因、确定退货政策优先级并更准确地预测退货率，从而节省成本、提高客户满意度以及简化物流运营。提高产品过渡规划效率确定何时从货架上撤下产品并用新产品替换是一项极度复杂的决策。而生成式 AI 可以创建模型来优化产品过渡计划，从零售商和分销渠道进行逆向分析，直到制造和包装。决策者可以受益于多种观点，并且可以做出对供应链所有环节最有利的选择。改进贸易促销和促销资金管理生成式 AI 可以创建战略替代方案、分析决策参数、发现价值创造机会，以及识别和优先排序产品及组合风险，从而消除管理贸易促销中的不确定性。改善采购和入库物流管理借助生成式 AI，消费品公司可以实时整合关键采购与供应链数据，并总结状态和警报信息。更快速准确地识别供应问题有助于提高制造效率。11案例研究利用 AI 助手捕获机构知识并提高生产力英国糖业公司8 英国糖业公司是英国甜菜的独家加工商，已有 110 多年的历史。该公司与约 2,300 家种植商合作，每年将超过 800 万吨甜菜加工成约 120 万吨糖，供应量可满足英国约 50%的市场需求。然而，由于投入成本不断上升、天气状况变动、数据来源分散以及员工严重依赖同事的经验，英国糖业公司需要采用一种更有效的方式在组织各个层面上共享机构知识。许多经验丰富的专家已到达或接近退休阶段，保存和分享他们的知识变得越来越重要。为了及时捕获这些专家的知识和专业技能，英国糖业公司决定探索如何将运营数据与 AI 相结合，以增强知识搜索能力并快速总结数以千计的数据点。其目标是实现运营优先级排序，并快速解读复杂文档。现在，借助针对移动应用进行了优化的概念验证生成式 AI 助手，运营员工可以在 10 到 20 秒内获得所需的详细答案，而以前需要 10 到 20 分钟。英国糖业公司还进一步开发了更多的生成式 AI 功能，可支持为业务网络的数字孪生提供信息，优化智能工厂运营，以及建立跨多个站点的控制塔视图来监控预测性维护工作、作物产量、供应链计划和运营绩效。11“借助生成式 AI，我们的解决方案可以通过语言处理数百万个数据点（这是所有决策的基础），从而显著增强人类能力，并实现颠覆性的制造效率和创新能力。”Daniel Simkiss，英国糖业公司工业 4.0 负责人12越来越多的消费品公司开始意识到生成式 AI 在优化新产品推出和供应链运营方面的潜力，同时在采用过程中也面临与其他行业类似的挑战。通过分析消费品行业高管指出的六大障碍，我们发现与数据相关的问题占其中一半。为了做出数据驱动的决策，理解数据至关重要。数据的性质和质量还将决定传统自动化、机器学习(ML)或生成式 AI 是否是解决特定问题的最有效方法。从战略契合度来看，生成式 AI 并不是一把“万能钥匙”。传统自动化和机器学习在许多应用场景中仍然是关键性技术。由于缺乏明确的标准，51%的受访消费品首席执行官推迟了投资决策。此外，63%的受访首席执行官表示在一个或多个核心战略领域缺乏一致的标准，例如数据、隐私和可持续性。9就明确的标准达成一致并提供有关客户、市场和运营的及时可靠数据是消费品行业的命脉。有效的标准制定流程以及数据管理与治理对于训练和运行成功采用生成式 AI 所需的模型至关重要。生成式 AI 在消费品行业的应用：数据和标准发挥关键作用13对数据准确性或偏见的担忧财务理由/商业论证不足技术能力有限生成式 AI 专业能力不足对数据和信息隐私/保密性的担忧可用于定制模型的专有数据不足52%49%46%45%44%40%图 3采用生成式 AI 的六大障碍信息来源：未发布的 IBM 商业价值研究院研究。对 225 名全球零售和消费品高管的调研。14案例研究利用 AI 简化不同地区的监管管理全球性消费品公司10 这是一家市值数十亿美元的全球性消费品公司，业务遍及欧洲、亚太地区、中东、非洲和美洲地区。该公司在严格监管的农产品行业中开展业务，投入大量资源来管理不同地区的监管合规，应对不断变化的法规，并将合规性整合到产品开发流程中。为了帮助其产品合规和开发团队减少繁重的手动工作，并腾出更多时间来开展战略性工作，该公司开发了一款生成式 AI 赋能的法规助手。该解决方案具有对话式用户界面，可实现高效、准确的监管管理，为影响全球运营的 1,000 多项法规提供单一可靠信息源。借助该法规助手，产品合规员工能够在数分钟内预测法规意图的影响，总结监管要求，并比较全球范围内的各项法规，而这在过去通常需要数小时或数天时间。AI 工具还让产品开发人员能够在无缝的对话过程中分析法规对产品组合的影响、评估解决方案选项以及查询产品规格。到目前为止，该法规助手已实现其概念验证目标 证明生成式 AI 能够在数分钟内整理法规数据，推动更紧密的跨境协作，助力整个企业实现成功的监管流程。该工具还有望在未来五年内推动效率提升 8%至 13%，推动生产率提高 10%至 15%，并推动利润增长超过 1.65 亿美元。1415预测影响从多种渠道捕获监管意图并预测其对产品组合的影响。总结要求总结国际法规，并提出问题以快速理解法规要求。比较法规比较旧法规和新法规，迅速识别影响评估流程中的重点关注领域。查询规格按成分查询产品规格，了解监管变化会如何影响产品组合中的产品。评估创新了解产品变更会如何影响全球市场的表现，以评估产品创新的影响。建议更改审查与法规相关的产品变更，并优先考虑可实现最佳绩效的产品变更。图 4生成式 AI 助手如何增强和 加快监管合规1516越来越多的企业领导者不再将可持续发展和运营视为单独或相互竞争的领域，而是会竭力优化投资和工作，力争同时实现两个领域的业务目标。五分之三的消费品行业高管表示会有意识地将可持续发展目标与业务运营目标相融合。11产品生命周期中的大部分可持续性成本及其碳足迹都是在设计阶段确定的。如果在产品生命周期的早期阶段考虑到可持续性因素，这些因素就更有可能融入运营并创造更大的业务效益。正是因此，在关键的新产品导入规划和产品开发阶段使用生成式 AI 工具，可以对可持续性和运营目标做出快速、长期且重大的贡献。下面列出了一些数据：69%的受访消费品行业高管表示，生成式 AI 对于其可持续发展议程非常重要。12 73%的受访组织计划增加对生成式 AI 的投资以推动可持续发展。13与提升运营效率一样，企业需要建立数据平台和基础架构，并将这些宝贵信息转化为可为决策者提供切实指导的洞察。在运营中嵌入可持续性的组织能够更有效地将数据转化为可持续发展效益，而且 83%的受访高管认为高质量的数据和透明度对于实现可持续发展目标必不可少。14企业高管普遍认识到，生成式 AI 为挖掘数据的可持续性潜力创造了新的机会，83%的受访高管认为其组织更有可能利用数据能力在可持续创新和产品/服务开发方面创造重大效益。15 此外，56%的受访消费品行业高管表示，具有可视化功能的生成式 AI 模型将实时发现供应链瓶颈。16在运营中嵌入 AI 和可持续发展以改善效益17案例研究通过技术整合打造更具 可持续性的供应链物流智能绿色托盘17 托盘在供应链中发挥重要作用，可以更快地批量运输产品。然而，追踪托盘的能力仍然比较有限。承运商有时在运输的关键阶段提供信息，但这种监控不足以实时跟踪货物状态。目前，40%的公司在其供应链中使用物联网技术来追踪货物和监控储存条件。这些信息通常仅供内部使用。不过，借助区块链技术（一种可靠且安全的分布式数字账本），这些信息可以提供端到端的可追溯性。这还有助于消除或减少分销渠道中出现产品质量损失或损坏的影响。“智能绿色托盘”计划利用区块链技术实现全面的可追溯性，从而减少纠纷，更好地监控货物质量，并大幅节省运输和托盘管理成本。智能绿色托盘配备实时传感器，通过接入区块链和物联网来报告托盘货物的位置和状态，同时具备可持续性优势。通过将已回收、可再循环和可重复使用的托盘与物联网和区块链相结合，企业可以优化每个托盘的生命周期，从而改善环境 保护。随着企业采用物联网和区块链技术并应用 AI 解决方案从收集的数据中获取洞察，智能绿色托盘可以为供应链可持续性做出日益重要的贡献。1718 行动指南建立可信的数据基础，充分释放生成式 AI 的潜力。强大的数据基础对于基于专有信息构建和调优 AI 模型至关重要，这些数据将为您的品牌赋予差异化优势。开展数据评估，理解在哪些情况下使用传统自动化或机器学习技术来处理高质量结构化数据可创造更大效益，而在哪些情况下更适合采用生成式 AI 来处理非结构化数据。大处着想，小处着手。确定生成式 AI 或机器学习是不是最佳方案。评估当前的新产品导入流程并确定最具改进潜力的初始应用场景。使用传统自动化技术处理日常任务，利用机器学习执行预测性任务；而对于受益于自然语言理解或创意内容生成的应用场景，则采用生成式 AI 来确保能够更轻松地访问复杂数据并从中提取切实可行的洞察。通过透明度建立用户信任。确保用户理解生成式 AI 系统及其决策过程。这将增加对数字助理和其他增强型工具的信任和信心。复杂的 AI 模型对用户而言就像是“黑箱”，因而难以实现透明度。根据用户反馈和绩效指标审查和优化解决方案，确保可满足业务需求。尽早与合作伙伴和利益相关者积极合作。如果供应商、制造商和采购经理等相关方开始分享流程和创新相关信息，并使用生成式 AI 分析这些数据，这将加速产品开发，并扩大所有相关方的业务机会。如果能提前发现问题和机会，产品成功推出的可能性就会增加，而成本高昂的后续整改需求则会减少。设计良好的用户体验，并创造关键时刻。设计直观、易于人机交互的系统，例如在交互式信息中心为供应链经理简化复杂的数据洞察。平衡简单性与功能性可能会颇具挑战，而过于复杂的系统可能会阻碍用户采用。将新产品推出作为整个产品生命周期的一部分来管理，并从一开始就确保产品具有可持续性。积极运用可持续发展数据和洞察来改善企业和生态系统的绩效，了解特定生成式 AI 用例如何创造更大价值或引入风险。运用生成式 AI 来发现模式并从中揭示基于可持续发展指标和数据的更优定价、预算和激励机制。19相关报告无处不在的人工智能彻底变革零售业：消费者不会等待。IBM商业价值研究院，2024年1月。https:/ CEO 调研：CEO 必须面对的六个残酷事实。IBM商业价值研究院，2024年1月。https:/ 商业价值研究院IBM 商业价值研究院(IBV)站在技术与商业的交汇点，将行业智库、主要学者和主题专家的专业知识与全球研究和绩效数据相结合，针对公共与私营领域的关键议题提供可信的战略洞察。访问 IBM 商业价值研究院中国网站，免费下载研究报告：https:/ IBM，我们积极与客户协作，运用业务洞察和先进的研究方法与技术，帮助他们在瞬息万变的商业环境中保持独特的竞争优势。关于专家洞察专家洞察代表了思想领袖对具有新闻价值的业务和相关技术主题的观点和看法。这些洞察是根据与全球主题专家的对话总结得出。要了解更多信息，请联系 IBM 商业价值研究院：201.Why 95%of new products miss the mark.MIT Professional Education.2024 https:/professionalprograms.mit.edu/blog/design/why-95-of-new-products-miss-the-mark-and-how-yours-can-avoid-the-same-fate/2.Botwright,Kimberley and Spencer Feingold.“EU governments back human rights and environmental due diligence law for supply chains.”World Economic Forum.March 27,2024.https:/www.weforum.org/agenda/2024/03/eu-human-rights-environment-due-diligence-supply-chains/#:text=The%20directive%20will%20require%20large,protection%20across%20their%20supply%20chains.3.“Fragrances from big data.”Symrise website.Accessed May 17,2024.https:/ IBM internal project assessment.5.Unpublished IBM Institute for Business Value cross-industry report on AI.6.Ibid.7.“Performance data and benchmarking.”IBM Institute for Business Value.April 2024.https:/ IBM internal project assessment.9.Abbosh,Oday,Christina Shim,Elisabeth Goos,Arun Biswas,Romas Pencyla,and Jacob Dencik,PhD.Beyond checking the box:How to create business value with embedded sustainability.IBM Institute for Business Value.February 2024.https:/ibm.co/sustainability-business-value10.Unpublished IBM internal project assessment.11.Chambers,Jon,Sachin Gupta,Ursula Heng,Mahesh Dodani,and Jane Cheung.Redesigning brand values:Purpose and profit converge in core operations.IBM Institute for Business Value.April 2023.https:/ibm.cosustainable-operations-consumer-products12.The CEOs Guide to Generative AI:Sustainability.IBM Institute for Business Value.November 2023.https:/ibm.co/ceo-generative-ai-sustainability13.Ibid.14.Ibid.15.Ibid.16.The CEOs Guide to Generative AI:Supply chain.IBM Institute for Business Value.November 2023.https:/ibm.co/ceo-generative-supply-chain17.Unpublished IBM IBV internal project assessment.备注和参考资料21WLQVBQBQ-ZHCN-00