人工智能必将改变世界，供应链也不例外。但如果真是这样，为什么没有更多零售商看到成效呢？（迄今为止。）
Blue Yonder 的研究表明，只有 17% 的零售供应链领导者认为人工智能已经对他们的业务产生了有意义的影响。尽管有近两倍于此的人数认为人工智能应该能够改善规划和预测能力。
更快/更好的决策是零售供应链领导者在 2026 年的第二大战略重点，比 2025 年调查中的第七位有所上升。智能人工智能的兴起可能会促使零售供应链领导者们更加注重提高决策速度。
那么，为什么到今年年初，只有不到五分之一的零售商实现了盈利呢？零售商在人工智能领域的投资还有多少前景可言？
阻碍人工智能成功的技术限制
数据分散、孤立
零售技术栈通常是由各种点解决方案拼凑而成，这就造成了一个问题：每个解决方案对正在发生的事情都有自己的看法，要将它们完美地协调起来几乎是不可能的。采用这种技术方法的零售商可能缺乏一个可供决策依据的单一真实信息来源。52% 的零售业领导者认为决策者经常各自为政，难怪他们用来做决策的数据也是各自独立的。
数据不一致、分散是统一规划等功能以实现更快决策的主要障碍。反过来，这意味着零售商更难应对他们面临的各种复杂挑战。
遗留架构
在现有基础设施之上增加一层新的架构并不会带来变革性的变化。
人工智能试点项目和自动化项目可能会进展有限，因为系统缺乏灵活性，无法发挥人工智能技术更有价值的变革性作用。
在电气化时代，仅仅将工厂的电力系统切换到电力驱动并不能大幅提高生产率。电气化带来的最大好处体现在布局、工作流程和工具的重新组织上。如果规划团队不进行战略性和全局性的思考，不考虑人工智能如何创造价值，他们就有可能自动化那些阻碍他们发展的架构。
零售规划领导者可以进行哪些升级来最大限度地发挥人工智能的价值
统一数据
零售规划拥有单一的真实数据源意味着在数据从一个系统移动到另一个系统时，可以节省大量手动导出、修复、导入、检查和利用数据的时间。这段时间最终会回到团队身上，让他们利用数据做出有价值的战略决策。
它还为他们采用人工智能并利用其力量生成更准确的预测、扩大本地化产品组合、优化补货和库存管理等奠定了基础。
云原生是一项要求
摆脱本地部署架构的束缚，对于最大限度地发挥人工智能的潜力至关重要。由于需要不断进行维护、昂贵的升级和导致停机的更新，零售商无法快速添加新功能和采用新的工作流程。
在本地部署模式下，每次改进的成本都要高得多，而且会带来更大的运营中断。云原生架构能够实现持续改进、无限扩展、持续安全监控和升级，并确保零售商始终处于技术前沿，在新功能发布时即可使用。
人工智能仍为零售商带来机遇。
零售技术和运营的复杂性和挑战性并非实现人工智能价值的不可逾越的障碍。零售商如果能够针对特定的业务流程和有价值的成果进行优化，就能在相对较短的时间内取得显著进展。这种更有针对性的方法解决了实际问题，同时为更广泛的数据统一、更基于平台的方法以及最终为人工智能的采用奠定了更坚实的基础。
