通过实时获得信息，销售团队就可以与客户展开谈判。也许其中一个订单项在规定的日期内无法交付，但其他订单项是可以保证的。“这是一个完全不同的过程，”他说。

但预测交付不仅仅是能够拉动制造和出货时间表。凭借着智能供应链管理技术，企业还可以查看历史运输时间和制造细节，并将其与外部数据源（如天气预报等）相结合使用。

Zweben表示：“你一开始可以先承诺之前预测好的库存量，而不是计划好的库存量。而且你要根据可能发生的情况——而不是应该会发生的情况——向客户给出承诺。”

供应链难题

Infinera在部署这项技术方面具有优势，因为Infinera有垂直整合的业务模式。对于其他公司来说，将人工智能技术运用于供应链是一个很棘手的过程。

OpenText 是一家位于美国安大略省的企业信息管理供应商，该公司产品营销总监Mark Morley说：“这看起来似乎是最基本的问题，但事实是，业务合作伙伴之间交换的信息中仍然有超过50％是通过传真、电子邮件或电话传输的。”

因此，物流并不是企业考虑部署人工智能技术时首先想到的领域。

根据Forrester最近对全球决策者的调查，在SCM中使用人工智能要远远市场营销、产品管理和客户支持。只有13％的公司说，物流是他们评估投资和采用人工智能系统的主要领域。

供应链通常涉及大量外部合作伙伴，其中一些可能技术比较落后，此外还存在数据质量和互操作性等问题，专家说。

Forrester Research副总裁兼首席分析师Boris Evelson表示，在将高级分析和机器学习算法运用于供应链数据之前，企业必须首先收集数据，也就是从制造商、分销商、经销商和供应商那里收集数据。

“从所有这些来源获取数据，是一个巨大挑战，”他说。一旦收集到数据，这些数据也并不总马上就可以使用的形式。“供应商可能有某个细分层面的数据，而分销商可能会有其他层面的数据。供应商可能有单个产品的数据，但分销商可能只有基于容器的数据。”

但这并不是说企业就没有在尝试解决这个问题。

埃森哲应用智能总监Frank Meerkamp说：“在和我们交流的一些财富400强企业中，每个客户都对理解、探索和证明概念感兴趣。人工智能运用于供应链管理方面是有很多机会的。”

相关报道: