出于必要,德国消费品公司汉高(Henkel)将生成式AI作为其五年数字化转型任务的核心。

四年前,汉高公司发现自己处于十字路口上,与消费品(CPG)行业的许多老牌企业一样,汉高在拥抱数字技术方面进展缓慢,导致这家拥有147年历史的公司与其客户不断变化的需求之间出现了越来越大的脱节。
正如汉高公司首席数据&信息官Michael Nilles所说,到2019年,Marc Andreessen关于“软件正在吞噬世界”的说法在消费品行业变成现实,汉高面临着落后的风险。
当时Nilles刚刚签约成为该公司CDIO,他表示:“我们认真对待这个问题,并表示,我们需要拥有软件、数据和人工智能方面的能力,我们需要加倍努力大幅提高内部组织的技能,并从外部获取——我们称之为注入——人才。”
为了实现这一愿景,汉高公司制定了五年战略路线图,其中包括重组IT组织、创建新的数字化部门、将CIO和CDO职能整合到一起,以及在柏林、上海、班加罗尔和美国等地创建全球创新中心。
如今,这些努力正在取得成果,汉高成为采用生成式AI的领先企业之一,不仅优化了业务,而且将其作为未来战略愿景的核心构建模块。
为变革做好准备
汉高总部位于杜塞尔多夫,拥有50000多名员工,不仅仅是一家消费品企业,其工业B2B部门专注于Loctite等粘合剂技术,B2C消费品部门拥有Dial和Purex等品牌。
但为了实现汉高的数字愿景,Nilles需要吸引数据科学家、数据工程师和AI专家进入他们可能不会关注的行业。正如他所说,这是一场人才的“核战争”,但汉高关注的一个重要因素就是公司有很多重要问题需要解决。
“我认为我们很幸运,因为我们有一些有意思的行业问题需要解决,那些为大型科技企业工作的AI超级大师可能对加入像汉高这样的企业不感兴趣,而且他也可能不是合适的人选。我们正在做的,就是找到那些喜欢用技术解决行业大问题的人。”
Nilles为汉高制定计划中的另一个关键组成部分是建立强大的战略合作伙伴关系。汉高已经和SAP建立了合作关系,他选择全力支持SAP的Business Technology Platform (BTP)并与SAP密切合作进行联合创新来加深这种关系,这被称为“数字跨越”,首批成果之一就是AI驱动的贸易促进管理(TPM)和贸易促进优化(TPO)工具。
TPM和TPO是消费品行业的一个关键学科,涉及到管理和优化与零售商所有的促销活动,从折扣、到扣款和付款。像汉高这样的大型消费品企业可以会在贸易促进上花费数十亿美金,因此做好这件事关系重大。
“多年来,消费品行业的大多数企业都没有这样做过,因为这个领域实际上并没有可用的标准软件,这是一个有点棘手的计算机科学问题。你有一个高度复杂的数据模型,需要大量的计算,需要有一个真正智能的用户界面。”
出于必要而开发
由于无法在市场上找到解决方案,汉高决定自己开发一个解决方案。汉高和SAP联合创新团队密切合作构建和扩展该工具,这个工具必须能够处理超过20亿个规划节点。当时,团队专注于传统AI,利用机器学习功能构建推荐引擎,帮助最终用户即时执行TPO。
Nilles表示:“在贸易促销管理方面,边际优化对业务会产生巨大影响,无论是收入还是利润。’
与此同时,SAP正在为SAP Analytics Cloud开发一项新功能:Just Ask,它将生成式AI应用于搜索驱动的分析中。该团队尝试将Just Ask与TPO工具结合使用,并将其视为实现TPO工具承诺的一个关键。
“贸易促销仍然是很复杂的,但对于大客户经理来说已经变得越来越直观了,大客户经理或者销售人员正在查看贸易促销数据,这些数据给出了非常好的提示,这对于传统的机器学习来说是不可能实现的。而有了生成式AI,AI功能就可以被非数据科学博士的人们更广泛地使用。”
Nilles指出,过去和经销商围绕产品开展活动可能需要数月时间才能敲定细节,例如提供适当的折扣。而现在,客户经理可以走进一个会议,使用带有自然语言的工具以接近实时的速度探索各种选项,并制定一个完整的计划在第二天进行分享。到下周,完整的营销活动就可以在全国范围内的门店推出。
作为增长的催化剂
该工具已经取得了巨大成功,但Nilles相信,生成式AI可以在汉高公司内发挥更大的战略作用。Nilles表示,汉高一直致力于把所有来自CPG研发的数据转译为大型语言模型,这将成为汉高开发新产品的一个巨大加速器,在生成式AI颠覆整个行业的背景下帮助汉高在这个领域内发挥领导作用。
他说:“我们相信将会出现新的垂直行业大型语言模型,甚至可能是特定领域的微型垂直行业大型语言模型。我们相信,将大型语言模型用在恰当的地方,将会带来巨大的竞争优势,如果我们不这样做,我们将受到来自其他企业的严重威胁。”
例如,想象一下网球装备市场。如今,有兴趣购买网球装备的人可能会访问专门从事这项运动的网站。但随着AI的发展,消费者可能会去Meta或者腾讯等网站,通过提示内容进行查询。例如,如果微信利用大型语言模型为查询请求提供答案,那么就会在市场中占据优势。
Nilles说:“如果我们能够率先行动起来,就可以占据市场,并且在整个价值链重新布线的时候有权参与其中。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。