Illustration by Morgane Fadanelli
在借鑑MIT經典管理模擬遊戲打造出的「自主式供應鏈」測試平台上，新一代生成式AI模型可即時應對情勢變化調整、有效降低成本，跳脫「長鞭效應」的連鎖反應。企業若想納為己用，除了掌握影響模型表現的關鍵因素，領導階層的定位也須從營運轉向協調，有望在動盪變局中脫穎而出。
不到一年以前，生成式AI實現供應鏈自主化的那一天似乎仍遙遙無期，但令許多人驚訝的是，AI能夠熟練地做出各種庫存與物流決策的新時代已經到來——至少在實驗室中如此。
本文中，我們將分享研究結果，檢視目前生成式AI模型對自主管理供應鏈方面的能力，並針對如何打造此類系統提供一些高層次的建議。
自動化vs.自主系統
過去10年來，供應鏈領導者競相透過部署機器人、建構數位雙生（digital twin），以及設計最佳化的數據導向庫存管理策略，進而實現流程自動化。這波自動化浪潮提升了營運效率、降低錯誤率，並讓供應鏈得以依據一套精心設計的規則來運作。然而，自動化有其極限：人類仍得撰寫規則、跨部門協調，並拍板管理決策。自動化的供應鏈能夠套用既有的規則來調整，但無法學習、推理，或幫供應鏈決定基本的取捨問題。相較之下，由生成式AI支援的供應鏈管理系統則具備自主運作的能力。
我們利用實驗室中打造的模擬模型，測試最新發表的生成式AI推理模型能否自主管理供應鏈，在最少人力監督下橫跨多個部門協調需求預測、庫存規畫和補貨決策——結果令人意外。這套由多個代理構成的系統不僅採用GPT-5或Llama 4等最先進的生成式AI模型，...
卡蘿．龍 Carol Long
哈佛大學（Harvard University）約翰．保爾森工程與應用科學學院（John A. Paulson School of Engineering and Applied Sciences）應用數學博士候選人。
大衛．辛奇–李維 David Simchi-Levi
麻省理工學院（MIT）講座教授、麻省理工學院數據科學實驗室（Data Science Lab）負責人，以及埃森哲傑人（Accenture Luminary）。
安德烈．卡爾蒙 Andre P. Calmon
喬治亞理工學院（Georgia Tech）施勒商學院的營運管理學副教授，兼任安德森永續企業中心（Ray C. Anderson Center for Sustainable Business）主任。
弗拉維歐．卡爾蒙 Flavio P. Calmon
哈佛大學（Harvard University）約翰．保爾森工程與應用科學學院（John A. Paulson School of Engineering and Applied Sciences）電子工程副教授。
