根据管理咨询公司普华永道(PwC)的一项调查,获得技术投资回报的同时吸引和留住合适的人才,是阻碍组织成功实现供应链运营数字化的三大挑战。
普华永道的“供应链数字趋势调查”对全球244名运营和信息技术领导者、C级高管和其他供应链管理者进行了调查,有近80%的受访者表示,他们的技术投资并没有完全实现预期结果。
普华永道运营转型负责人Matt Comte表示:“企业看不到投资回报的原因很多。供应链是一个复杂的生态系统,由组织内外的利益相关者组成,实施单点的解决方案往往不能解决更大的问题。”
Comte说,为了在物流、交付和仓储方面做出最佳决策,企业需要一种涵盖了很多不同数据集和流程的集成方法。
Comte说,吸引和留住合适的人才,也是充分发挥企业技术投资潜力的关键。
预算限制和员工流动给供应链管理带来阻碍
近48%的受访者表示,他们遇到了员工成本方面的预算限制,超过58%的受访者表示,供应链员工流动率高于正常水平。只有23%的受访者表示,他们拥有实现未来目标所需的数字技能。
“如今,企业需要技术和职能人才,以及完善的技术平台和质量数据集,才能成功地实现供应链运营的数字化,”Comte他补充说。他认为,供应链专家需要与CIO或者数据科学工程师展开合作,打造能够提供必要洞察的AI模型。
调查发现,找到具有协作思维、了解业务且具备技术能力的员工,也是一项重大的挑战。
Comte表示,企业可以在短期内通过有效利用超大规模厂商和其他软件供应商提供的平台来应对这些挑战,最大程度上提高数据摄取、分析和建模的能力,从而产生更多的业务洞察力。
云、无代码助力供应链数字化
“行业云结合数据市场、数据交换、低代码/无代码平台的使用,可以在短期内为企业提供帮助,”Comte说。
不过从长远来看,这些措施无法克服人才方面的挑战,可能需要对现有员工队伍进行挑战,Comte说。
“CXO需要针对组织当前的问题转换可用的人才,”Comte补充说,一些流程和任务可以由机器人流程自动化(RPA)或者人工智能(AI)接管,这反过来可以释放出员工资源,让他们接受培训以实现未来的目标。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。