至顶网CIO与CTO频道 03月19日 北京消息:全球领先的信息技术研究和顾问公司Gartner公司认为,由于新冠病毒影响了全球供应链,供应链领导者应在初步危机管理中重点关注三个影响领域。
Gartner供应链业务高级研究总监Sarah Watt表示:“随着新冠病毒在全球的扩散,供应链业务中断加剧,并且消费者的消费习惯也在发生变化。供应主要受到三个方面的影响:员工因防疫而被限制出行、工厂关闭或制造速度放缓以及负责运输货物的物流渠道受限。大多数供应链企业机构都已进入危机管理状态,每天甚至每小时评估影响和响应。”
Gartner建议供应链领导者重点关注三个主要领域。
影响领域一:劳动力
为限制新冠病毒的影响,许多员工根据地方政府的指示或雇主的建议留在家中。雇主已对出差和现场考察进行了管制。对于工厂而言,这将导致无法生产商品并将商品出口到相关市场或其他工厂。只要这种情况持续下去,供应链就无法按照预期运行。
Watt女士认为:“随着病毒在全球蔓延,供应链领导者需要考虑如何保护工人的健康并为患者提供支持。必须通过人力资源部门进行清晰、一致的沟通,同时确保出行安全。随着这场危机的持续,危机管理团队可能会变得不堪重负,进而做出错误的决定。”
影响领域二:产品
新冠病毒可能会改变竞争格局。商品供应商面临失去市场份额的风险,这是因为如果客户未按时收到产品,他们会寻找其他供应商代替。与品牌忠诚度关联性较高的产品可能会因为客户更愿意等待,而在短期内受到的影响较小。随着病毒的发展,消费者可能会采取更为保守的消费方式,消费将集中在基本的生活物资上。
当被迫做出权衡决策时,供应链领导者必须分析和预测新冠病毒对客户需求和产品供应的影响。可基于高收入或高利润率产品的需求来确定优先级别并进行权衡。
Watt女士表示:“供应链企业机构需要根据疫情的发展和消费者的情绪不断重新评估自身的供需计划。供应链可能还会因为该事件而出现产品需求急剧增加或意外的后果,例如人们因恐慌而争相购买生活必需品。”
影响领域三:成本
运输成本的增加会对企业机构产生各种经济上的影响,并且大大增加企业达成财务目标的难度。
Watt女士表示:“就连合同中约定的材料价格和数量都可能失效。供应商可以援引不可抗力因素条款或以其他方式将所增加的成本转嫁到整个供应链中。”
与冠状病毒有关的任何额外费用应引起整个企业机构的重视,而不仅仅是一个部门,这样才能更轻省地根据企业机构实现战略目标和管理利益相关者期望的能力来评估成本。
Watt女士总结道:“可以与法务部门一起分析所有供应商合同。在续约时,应该为企业机构提供万一将来发生类似情况时的财务保障。在此次事件后,供应链必然会与之前有所区别。今后,企业机构将更加关注自身应对变化的能力、风险敞口和业务连续性计划。”
如需了解更多相关内容,请阅读Gartner的报告全文:Coronavirus Alters Supply Chain Dynamics Impacting People, Products and Costs。
如需进一步了解企业机构如何应对新冠疫情造成的破坏性影响的相关信息,请访问Gartner新冠病毒资源中心(Gartner coronavirus resource center)。该中心提供了一系列Gartner免费报告和在线研讨会,旨在帮助企业机构响应、管理和备战新冠疫情的快速蔓延和全球影响。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。