人工智能助力优化化工价值链.pdf

人工智能助 力优化化工 价值链 研究洞察 IBM 商业价值研究院 IBM 如何提供帮助 我们与您携手制定企业业务战略，充分利用呈指数 级发展的技术。我们采用敏捷的迭代式方法，发挥 IBM 以及广泛合作伙伴生态系统的一流能力。我们 帮助您检验并完善关键的假设，确保将战略无缝推 广到整个企业范围。 通过与 IBM 携手开启数字化重塑之旅，您可以：关 注全新的收入流和市场活力；重构思与环境、客 户、员工以及合作伙伴的互动方式；通过不懈培养 人才和统筹生态系统，建立全新的专业知识。 要了解更多信息，请访问： business/digital 扫码关注 IBM 商业价值研究院 官网微博微信公众号微信小程序 利用 AI 优化价值链势在必行 将近 60% 的受访者证明，AI 对于企业的成功 至关重要。企业必须以更快的速度和敏捷性来 适应目前的形势，而 AI 可以帮助他们实现最重 要的业务目标：推动有机增长，降低运营成本。 但是，在 400 位化工行业的受访高管中，只有 40% 表示他们正在执行企业范围的 AI 战略。 向 AI 领军者企业学习 我们确定了一小部分化工行业领先者（占受访 者的 22%），他们明确制定了企业 AI 战略。他 们在收入增长和盈利方面的财务绩效都处于 领先地位。这些 AI 领军者企业能够更有效地 实现业务目标，他们中有超过四分之三表示， 在过去三年中，他们超额实现了通过 AI 投资 创造价值的预期目标。 AI 成功的三大要素 AI 领军者企业建立了充分利用 AI 能力所需的 基础。他们实施了 AI 业务蓝图，并在价值链中 融合了 AI 与其他呈指数级发展的技术。 作者：Viswanath Krishnan 博士、 Spencer Lin 与 David Womack 要点新的现实 在新冠病毒疫情和油价暴跌的双重打击下，化工行业面临着难 以置信的挑战。供需波动导致生产制造领域缩减规模，以期应 对短期震荡，并减少运营资本和支出。 美国化工行业在就业率连续增长七年之后，预计 2020 年将失 去近 2 万个工作岗位。 1 尽管化工企业对具有挑战性的外部力 量并不陌生，但他们发现，为了应对当前局面，并为新的市场状 况做好准备，必须以更快的速度和更高敏捷性进行调整。 产能过剩和利润下降已经导致生产设施利用率降低、工厂建 设停止以及裁员和停工。涂料与合成橡胶的生产受到的打击 尤其严重，它们的最终用户市场主要是汽车、建筑和施工等行 业。但化工行业在疫情中也不乏亮点，包括生产抗菌产品、洗 手液、消毒剂、肥皂表面活性剂以及个人防护设备的企业。 2 供需不平衡使经济形势出现了新局面，给企业维持生产、促进 新发展甚至开拓新领域的能力带来了挑战。 即使是在如此困难的局面下，化工企业仍需要谋划更大规模 的转型和创新，使自己能够脱颖而出。社会、股东与员工对负 责任的价值链以及行业弹性应对周期性经济挑战抱有更高的 期望。 人工智能 (AI) 可以起到关键作用，帮助企业增强敏捷响应能 力，以全新的方法与理念推动业务绩效。AI 已经成为价值链 不可或缺的催化剂。 为了解化工企业在哪些领域应用 AI，IBM 商业价值研究院 与牛津经济研究院合作开展了一项调研，采访了 18 个国家/地 区的 400 位化工企业高管，他们都参与各自企业 AI 战略的制 定和/或实施工作（请参阅“调研方法”）。 1 仅 40% 的化工行业受访者告诉我们， 他们在企业范围执行 AI 战略 39% 过去一年中，AI 领军者企业实 现了 39% 的 AI 投资回报率， 而同行的投资回报率为 25% 97% 的 AI 领军者企业表示，他们已 经建立了数据驱动型文化 57% 的受访化工行业高管表示，AI 对当今企业的成功非常重 要。这个比例有望在短短三年内增加到 80%。现有的 AI 投资 为企业创造了价值。 去年，AI 投资的平均回报率为 28%。在过去三年中，这些投 资对支出（降低 2%）和收入（增加 3%）产生了影响。AI 投资 还使新产品和服务的面市时间缩短了 24 天。 AI 投资之所以如此重要，是因为如果没有 AI，企业就无法实 现最重要的业务目标（见图 1）。超过 60% 的受访高管表示自 己非常重视降低运营成本。如果生产流程非常复杂或者属于 资产密集型，AI 就可以对运营产生重大影响。半数以上的受 访者希望有机地增加市场份额，将近半数的受访者希望引入 更高水平的机器人和自动化技术。 细分市场之间存在差异。最显著的差异在于，消费品细分市场 强调推出新产品和服务，例如扩大洗护用品和化妆品的市场 份额；而制药细分市场则希望提高网络安全，保护与药物开发 和技术进步有关的专利信息。 由于制药领域很大程度上基于处方，而且可预测性很高（因为 原料和工艺无变化），因此 AI 在该领域帮助降低运营成本的 作用不大。此外，由于专业化工流程包括包装，因此自动化/机 器人技术能够发挥更重要的作用，类似于汽车装配线。 2 AI 不同于其他呈指数级发展的技术。AI 具有学习能力，由算 法指导，能够调整、完善和改变响应与决策方式。AI 可应用于 主要业务流程或活动。 * 回答数量较少的结果从统计意义而言是不可靠的，但可以视为方向性指标。 来源：Q1. 贵组织最重要的业务目标是什么？ n = 400 通过结合使用 AI 以及其他呈指数级发展的技术，化工企业就 能够从根本上重塑业务运营方式以及与利益相关者的合作方 式。这可能包括以全新方实现价值、重新定义客户合作，以 及为员工及合作伙伴打造富有吸引力的体验。 图 1 最重要的业务目标（按细分市场划分） 1 2 3 4 5 6 7 8 9 10 化工企业使用 AI 从根本上重塑 业务运营方式。 目标 化工 （整体） 农用化工商品化工消费品制药专业化工 降低运营成本61% 65% 55% 64% 61% 61% 有机地增加市场份额51% 59% 48% 49% 50% 50% 提高机器人和自动化程度47% 60% 45% 34% 43% 55% 打造个性化/无缝的客户体验 46% 50% 48% 44% 46% 41% 推出新的产品/服务/价值主张45% 41% 41% 51% 46% 44% 进军新的区域市场41% 38% 41% 36% 43% 48% 改善网络安全41% 34% 43% 43% 53% 34% 进行并购35% 34% 38% 36% 36% 31% 增加合作关系/联盟34% 29% 34% 43% 33% 30% 在整个行业价值链内外寻找颠覆性的价值创造机遇27% 25% 28% 33% 25% 24%* 3 AI 现状 尽管受访者表示 AI 对自己所在化工企业非常重要，但 AI 在整 个企业中的应用并不普遍。仅仅 40% 的受访者表示正在企业 范围实施 AI 战略。 好消息是，AI 投资逐渐与其他呈指数级发展的技术相结合 （见图 2）。预计未来三年，在这些技术中，AI 在预算中的增 长速度最快，将从 13% 上升到 16%。云计算的预算占比保持 不变，机器人流程自动化占比将从 16% 增加到 17%。 化工行业的受访者表示，已在价值链的特定领域实施了 AI （见图 3）。大多数受访者特别表示，希望将 AI 应用于研发、 产品制造和风险管理。面向特定行业活动的特殊 AI 应用支持 这些领域（见图 4）。 图 2 目前化工行业技术预算在数字化技术方面的分配情况 其他 机器人流程自动化 云计算 物联网 移动 AI 来源：B2. 目前和三年内，贵组织的技术预算中分别有多少投资用于 以下技术？ 研发 产品制造 风险管理 预测和规划 财务与会计 材料寻源与采购 库存管理与分配 健康、安全与环境 营销和销售 订单管理 客户服务 人力资源 图 3 实施 AI 的领域 74% 61% 58% 47% 46% 39% 48% 47% 39% 32% 28% 17% 来源：Q6. 贵组织在以下领域实施了哪些技术？ n = 400 13% 21% 21% 16% 15% 14% 4 实验设计 新材料发现 产品组合优化 原料优化 原料加载预测 流程管理与控制 生产优化 资产管理 能源管理 需求预测 定价优化 图 4 为特殊行业活动实施 AI 33% 42% 37% 36% 39% 39% 40% 28% 28% 33% 40% 来源：Q7. 贵组织在多大程度上在特殊行业活动中实施了 AI？ 选择“已 投入运营”或“已全面实施”的受访者。 n=398 至 400 在研发领域，AI 可用于对化合物进行分类，显著加快这个传 统上非常耗时的人工过程；此外，还可以预测化学反应的结 果。在药物发现的各个阶段都有 AI 的身影。例如，标靶验证、 合理药物/化学品开发的虚拟筛选、确定预后生物标志物以及 在临床实验中分析数字病理数据等。 3 数据驱动的决策有助于加快研发过程，降低药物现的失败 率。在专业化工领域，AI 可帮助预测聚合物、陶瓷的化学、物 理或机械性能以及其他材料性能，而无需开展全新的实验。 4 在制造领域，生产优化、流程管理以及控制和资产预测性维护 等方面都可以应用 AI。在化学过程控制领域，AI 有助于优化 运行，减少计划外停机。示例包括： 采用计算机视觉，高速准确地控制连续流化学反应器的 温度 预测性人工神经网络 利用神经网络在线监控反应器 使用深度学习监控热解反应器，使用热成像执行智能监控， 通过神经网络检测故障。 5 在资产维护方面，AI 可以发现异常，评估严重性，确定问题根 源，预测需要维护的时间，并帮助维护技术人员一次性正确 实施维修。 AI 可帮助进行风险管理，预测和控制不确定性和波动。例 如，在供应链中，天气会影响原材料、制成品和产品的运输。 风暴、洪水和强风可能会给运输和交货带来噩梦。AI 可帮助 将天气数据与运营数据结合起来，确定如何调整路线、交付 时间和产能。 在化学过程控制领域，AI 有助于 优化运行，减少计划外停机。 5 其他技术的使用也在增加 AI 并非化工行业受访者使用的唯一技术。为了协助进行产品 制造，大多数受访者还实施了物联网 (50%) 和机器人流程自 动化技术 (64%)。AI 的强大能力在于可利用传感器和设备生 成的海量信息。 云计算也广泛用于以下特定领域的应用和数据存储： 预测和规划 订单管理 库存管理 人力资源 财务与会计 67% 的受访者在营销和销售领域实施了移动应用，65% 在客 服领域实施了移动应用。移动技术使信息访问无处不在。 卓越数据管理和 IT 架构的重要性 如果没有适当的数据管理，缺乏支持数据计划的企业 IT 架 构，AI 的作用将大打折扣。对于化工企业而言，许多有用的数 据来自实验室和生产运营，包括技术、资产、服务与设备。 一些企业没有将重点放在充分利用这些数据和适当的数据治 理机制上，因此无法获得适当的洞察，从而与提高运营效率、 增强客户合作以及通过新产品和服务实现增长失之交臂。 洞察：调研受访者比较 此次调研包括两组受访者：一组为“疫情之前”的受访者， 共有 224 位化工企业高管，在 2020 年 1 月至 3 月间接 受调研；另一组为 176 位“疫情期间”的受访者，在 2020 年 6 月至 7 月间接受调研。两组受访者最重要的业务目 标大致相同，降低运营成本排名第一，有机地增长市场份 额位列前三。 “疫情期间”的受访者表示，他们实现这些目标的工作并 不顺利，这毫不奇怪。新冠病毒疫情和油价暴跌的双重打 击让这些受访企业措施不及，暴露出运营弹性方面的短 板。这反映在“疫情期间”的受访者制定和执行战略的有 效性明显低于“疫情之前”的受访者。 两组受访者中认为 AI 对于未来企业成功非常重要的比 例差不多，均为 80%。这两组受访者实施 AI 的进展也基 本相同，两组中均有 40% 的受访者或完全实施了 AI 战 略，或已经采取措施，根据战略和执行计划实施转型。最 后，这两组受访者在 11 种行业特定活动中有 10 种的 AI 实施情况相似，唯一不同的是能源管理。 6 某些企业缺乏关键的数据洞察。 不到三分之一的受访者表示在企业范围实施了信息标准。只 有 40% 的受访者制定了统一的数据来源策略，只有 36% 的 受访者制定了一致的指标定义。 IT 基础架构必须可以足够灵活地响应新的市场动态、客户要 求、战略计划和用户需求。由于 AI 及其决策以数据为基础， 因此企业 IT 架构是必备要素。但是，只有 40% 的化工企业高 管告诉我们，他们的企业已经根据业务活动，建立了全面一致 的企业架构，以支持数字计划。 在受访的化工企业高管中，不到半数表示已经开发了混合多云 环境以支持业务战略。没有云，企业就难以开发/维护有 关客户接触点和整个生态系统的数据。 向 AI 领军者企业学习 为了帮助所有企业制定具体战略以提高 AI 能力，我们分析了 调研反馈，并确定了为数不多的化工行业“AI 领军者”企业， 占此次调研样本的 22%。这些受访高管指出，他们的企业明 确制定了能够理解的 AI 战略，并在企业范围贯彻执行。 通过实施这种战略，AI 领军者企业追求不同于其他行的业 务目标 重点关注客户与发展，而不是成本（见图 5）。AI 领 军者企业在未来三年对 AI 计划的投资也证明了这一点，他们 中有 54% 重点投资于面向增长的机遇，而同行的这一比例仅 为 23%。 图 5 AI 领军者企业追求与同行不同的业务目标，并强调增长 来源：Q1. 贵组织最重要的业务目标是什么？ n = 400 这些领先者的财务绩效也优于同行：他们的收入增长平均达 到 69%，其他企业平均为 42%；他们的利润率平均达到 82%， 而其他企业平均为 42%。与竞争对手相比，他们的成功还体现 在敏捷性和创新方面的出色表现。 目标 AI 领军者 企业 所有其他 企业 推出新的产品/服务/价值主张56% 1 42% 6 打造个性化/无缝的客户体验55% 2 43% 5 提高机器人和自动化程度51% 3 46% 3 有机地增加市场份额 49% 4 51% 2 进行并购46% 5 32% 8 进军新的区域市场46% 6 40% 7 降低运营成本45% 7 65% 1 增加合作关系/联盟（或协作）40% 8 32% 8 在整个行业价值链内外寻找颠覆性 的价值创造机遇 32% 9 25% 10 改善网络安全 29% 10 44% 4 7 AI 领军者企业在制定和执行企业战略的效率方面也更出色 （分别为 80% 和 93%），而同行在这两个方面的效率分别为 58% 和 70%。他们的领先能力体现在能够更有效地实现最重 要的业务目标（见图 6）。 真正让 AI 领军者企业脱颖而出的是他们通过 AI 计划所创造的 价值。超过四分之三的领先者表示，在过去三年，超额实现了 AI 计划的价值目标，而所有其他企业的这个比例只有 27%。 图 6 AI 领军者企业能够更有效地实现业务目标 90% 81% 82% 79% 80% 88% 74% 89% 96% 68%* 推出新的产品/服务/价值主张 打造个性化/无缝的客户体验 提高机器人和自动化程度 有机地增加市场份额 进行并购 进军新的区域市场 降低运营成本 增加合作关系/联盟 寻找颠覆性的价值创造机遇 改善网络安全 69% 54% 54% 58% 57% 55% 62% 55% 51% 59% 所有其他企业 AI 领军者企业 * 回答数量较少的结果从统计意义而言是不可靠的，但可以视为方向性指标。百分比代表按照五分制选择 4 分或 5 分的受访者数量。来源：Q2. 贵组 织在实现这些业务目标方面的效率如何？ n = 400 通过 AI 分析可用的数据源，有助 于节省成本，改善生产流程。 8 日本化工企业： 开展 AI 合作，研发先进材料 6 包括日本旭化成、三菱化学、三井化学、住友化学与东丽工业 等在内的约 20 家日本企业与经济产业省合作，在 2021 年开 始联合管理一个基于 AI 的系统，以使用国内专利来研发先进 材料。 该系统将使用 AI 分析海量信息，帮助制造特殊材料。此举有望 将新材料的研发时间从大约十年缩短到数月。这将使研发过程 摆脱传统上依靠研究人员的经验以及反复试验的局面，转变为 通过分析过去的试验和研究论文中的大数据，使用 AI 来尝试 新材料的过程。 图 7 AI 投资的价值 收入费用人员配备 资本支出 AI 领军者企业 所有其他企业 7.5% 6.4% 2.9% -0.1% -1.6% -4.6% 4.1% 2.6% 百分比代表按照五分制选择 4 分或 5 分的受访者数量。来源：B6. 贵 组织过去三年中的 AI 投资如何影响以下方面？ n = 400 AI 领军者企业的 AI 投资回报率更高，平均达到 39%，而其他 企业仅为 25%，但这两组企业在 AI 方面的支出基本相同，领 军者企业每 10 亿美元收入中有 490 万美元用于 AI 投资，其 他企业则为 440 万美元。 与同行相比，AI 领军者企业已经能够借助 AI 计划进一步增加 收入、降低支出、维持人员配置以及减少资本开支（见图 7）。 假设同样是市值 50 亿美元、利润率 10% 的企业，AI 领军者 企业的利润平均要比同行高出 2 亿美元。 9 借助 AI 取得成功 AI 领军者企业强调借助 AI 取得成功所需的三项关键行动： 建立充分利用 AI 能力所需的基础 实施 AI 业务蓝图 在价值链中融合 AI 与其他技术。 Evonik：为油漆和涂料行业创建虚 拟助手 7 Evonik 是专业化工领域的全球领军企业之一。 经过两年的研发，该企业推出了虚拟助手 COATINO，可供油 漆和涂料行业免费试用。配方师不仅可以在粉刷过程中从 AI 那里获得添加剂建议，还可以获得有关颜料浓缩液的单独配 方。COATINO 不仅可在任何电子设备上使用，还可以通过语 音命令进行操作。 该虚拟助手可将推荐的多种产品进行动态比较，帮助客户快速 了解差异并做出决策。它可以从将近 300 种产品中进行选择， 包括消泡剂、分散添加剂和消光剂。如有需要，COATINO 还可 以提供技术、法规和安全说明书。 建立充分利用 AI 能力所需的基础 AI 的价值取决于企业利用数据的能力，97% 的 AI 领军者企 业建立了数据驱动型文化，相比之下，只有 59% 的同行做到这 一点。降低数据结构复杂度成为先决条件。这意味着，必须建 立数据标准和企业数据治理框架。 我们的调研表明，AI 领军者企业在数据通用性方面先行一 步。将近四分之三的 AI 领军者企业实施了标准的财务会计 表，超过三分之二建立了统一的指标定义，而其他企业的这两 个比例分别只有 38% 和 27%。超过三分之二的 AI 领军者企 业具有统一的数据定义，而只有三分之一的同行做到这一点。 数据访问同样至关重要。将近四分之三的 AI 领军者企业使用 通用数据源，而同行的这个比例只有十分之三。将近三分之二 的 AI 领军者企业已部署数据仓库以管理海量数据。这有效缩 短了准备、验证和清理数据所需的时间。因此，他们能够有效 整理现有数据，并运用这些数据做出决策。超过三分之二的领 先者创建了灵活的数据架构；相比之下，只有三分之一的其他 同行这样做。灵活的数据架构有利于改善数据的开放性和透 明度。 10 数据通用性与数据访问必须基于清晰的数据管理愿景 谁拥 有数据、数据的含义是什么以及如何管理数据。44% 的 AI 领 军者企业通过首席数据官 (CDO) 或具有同等权力的高管来推 动明确的数据治理，相比之下，这样做的同行的比例为 31%。 CDO 由业务部门领导的信息管理委员会加以补充，60% 的 AI 领军者企业设立了该管理委员会，而在其他企业中这一比例只 有 36%。 企业可以从海量结构化和非结构化业务环境和运行状况数据 中提取知识和发掘洞察（见图 8）。AI 领军者企业充分利用可 用数据源，帮助及时调整运营模式，确定员工队伍需求，改变 竞争对策以及把握新兴趋势。例如，通过市场需求预测，可影 响原材料采购、库存更新以及能源消耗。这有助于节省成本， 改善生产流程以及做出积极的决策。 61% 85% 52% 80% 47% 73% 48% 71% 51% 68% 30% 55% 财务交易数据 供应链信息 来自诸多新闻媒体的外部数据 员工队伍数据 客户概况/细分 竞争对手信息 领域/地区人口统计/发展信息 社交媒体 图 8 AI 领军者企业对新数据源的利用率更高 32% 78% 24% 48% AI 领军者企业 所有其他企业 百分比代表按照五分制选择 4 分或 5 分的受访者数量。来源： Q19. 贵组织在多大程度上使用以下数据源来发挥 AI 的作用？ n = 382 至 399 混合云提供无缝的数据流，因此 AI 领军者企业能够以全新方式使 用数据。 11 为了充分利用 AI 和其他数字化技术以及大量数据源，AI 领军 者企业已经建立了企业 IT 架构（见图 9）。全面一致的企业架 构对于模块化工作流的扩展和兼容具有重要意义。这个技术 图 9 企业 IT 架构创造了灵活性和开放性 AI 领军者企业 所有其他企业 根据业务活动， 建立全面一致 的企业架构 69% 33% 通过混合多云环 境确保灵活性和 开放性，为业务 战略提供支持 实施现代技术， 例如 API 和微 服务 69% 39% 63% 35% 百分比代表按照五分制选择 4 分或 5 分的受访者数量。来源：Q16. 请思考一下，对于统筹企业 IT 架构以支持 AI 实施，贵组织在以下每个目标方 面取得了多大的进展？ n = 400 基础为开创性业务平台提供了所需的开放性。混合云有助于轻 松访问各种呈指数级发展的技术，提供无缝的数据流，因此 AI 领军者企业能够以全新方式使用数据。 AI 领军者企业认识到，企业人才 需要参与到 AI 战略和实施之中。 12 Yara：培育高收益平台，促进企 业发展 8 Yara 总部位于挪威，是全球领先的肥料企业之一，也是 著名的环境解决方案提供商。 Yara 正在构建数字化农业平台，旨在与个体农户对接， 为他们赋能。该平台是 Yara 现有业务模式的延伸，通过 从农业数据中挖掘洞察，为农户带来丰硕的成果。Yara 希望借助该平台，在农业领域建立首屈一指的差异化竞 争优势。 这个平台独立于云环境，旨在覆盖全球 7% 的耕地，通 过损害预测和天气预报等能力，帮助管理现有农作物。 它还会使用物联网 (IoT) 传感器和 AI，帮助改善下一季 的农业收成。短短十周，下载该平台的农户已超过 60 万 人次，而且采用率仍在持续上升。 该平台遵循按使用量 付费的商业模式，提供两种数据服务：天气数据和农作 物产量。 实施 AI 业务蓝图 AI 领军者企业将 AI 作为企业最优先考虑的技术。因此，他们 更进一步，在整个企业范围实施 AI 战略。 69% 的 AI 领军者企业要么已完全执行 AI 战略，要么已采取 措施根据战略和执行计划进行转型，相比之下，只有三分之一 的其他企业这样做。这些领先者并不是在多个职能领域试验 多个 AI 项目，而是运行总体 AI 计划。企业 AI 战略有助于推动 与合作伙伴及业务生态系统共同使用 AI；事实上，超过四分之 三的 AI 领军者企业做到了这一点。 在这些领先者中，80% 配备了相应的人员与技能，70% 投入 了财务资源以执行 AI 战略。所有其他企业能做到这一点的不 足 50%。AI 领军者企业知道，这些资产有助于企业实现 AI 的 价值，推动改善价值链，增强客户合作，并提供更理想的风险 管理。 绝大多数 AI 领军者企业认识到，企业人才需要参与到 AI 战略 和实施之中。为此，与同行相比，领先者花更大的力气改善人才 队伍以支持 AI（见图 10）。 52% 89% 48% 83% 48% 78% 了解并拥抱敏捷文化，将其作为一种新的工作方式 培训员工使用数字化技术 实施正式流程以确定所需的数字化技能 引入灵活的聘用实践和文化 图 10 AI 领军者企业采取具体步骤以提高人才能力 46% 79% AI 领军者企业 所有其他企业 百分比代表按照五分制选择 4 分或 5 分的受访者数量。来源：Q12. 贵 组织在与 AI 实施相关的以下每项人才计划中进行了多大程度的投资？ n=397 至 399 13 陶氏化学：拓展数字技能 9 陶氏化学雄心勃勃，旨在成为在创新力、以客户为中心、包容性 以及可持续发展等方面都首屈一指的全球材料科学企业，他们 现有的业务包括一系列性能材料、工业中间产品以及塑料产 品。陶氏实施了新的数字化战略，希望从一家“采用数字化技术 开展业务”的化工企业转型为新材料的数字化开发商。 他们创建了陶氏数字化运营中心 (DOC)，集中整个企业深厚的 领域专业知识。该中心的员工具备众多领域的专业知识，包括 生产、维护、过程控制和自动化、工艺开发、机器人、制造执行系 统、企业架构、移动技术等。 他们组成多学科团队，使用数据分析、移动设备、机器人平台、 高级控制、传感器和数据系统连接，快速开发新技术的原型， 显著改善制造和物流运营，并推动在制造部门实施先进的 IT 技术。 为了保持市场领先地位，适应不断变化的市场动态和机遇，AI 领军者企业积极投资发展敏捷项目管理能力，将其作为一种全 新的工作方式，从而能够在产品开发和运营流程中根据测试、 迭代和持续改进工作的实时反馈进行调整。其他投资包括通 过数字化技术培训提高现有员工的技能以及寻找新的人才。 投资于数据技能的 AI 领军者企业的数量是其他企业的两倍 （见图 11），这些技能包括高级数据架构、数据可视化以及高 级数据分析等。AI 领军者企业招募掌握相关技能的人才，结 合 AI，实施预测性分析，发掘规范性洞察，提出下一步最佳行 动建议。这种人才是产生洞察的基础。 高级数据架构 大数据相关信息管理 数据可视化 高级数据分析 高级数学建模 数据整理 29% 68% 32% 72% 35% 76% 40% 76% 35% 70% 图 11 AI 领军者企业具备充分利用 AI 能力所需的数据技能 AI 领军者企业 所有其他企业 20% 62% 百分比代表按照五分制选择 4 分或 5 分的受访者数量。来源：Q13. 贵 组织在多大程度上投资培养以下技能，以支持使用 AI？ n = 400 14 AI 领军者企业通过对个人和技术技能的投资，有目标地提高 敏捷性。超过三分之二的 AI 领军者企业投资于项目管理，相 比之下，只有 37% 的其他企业这样做。将近三分之二的 AI 领 军者企业投资于技术含量较高的技能，例如用于训练认知系 统的机器学习，超过半数的领军者企业投资于机器人和流程 自动化技能。 这些领军者企业认识到，要适应不断发展的环境，员工必须能 够有效沟通、快速改变方向、应用问题解决与批判性思维能力 以及从海量数据中提取洞察并采取相应行动。 India Glycols：实现数字化 转型 10 India Glycols 使用绿色技术生产大宗化工产品、专业 化工产品、高性能化工产品以及天然胶、烈性酒、工业 气体、糖和保健食品。 企业制定了雄心勃勃的计划，希望提高能效和成品率， 但他们认识到，不够灵活的系统基础架构无法胜任这 些计划。于是 India Glycols 在 IBM Power Systems H922 上部署了 SAP S/4HANA 和生产控制应用，迈出 了数字化转型之旅的重要一步。他们希望首先实现卓 越运营，涉及原材料资源规划和订购到支付等基本流 程。该公司使标准财务报表的编制速度提高了 80%， 使订购到支付报告的检索时间缩短了 91%。每天都可 获得关键材料需求规划信息。 India Glycols 将数字化转型与业务管理转型联系在一 起，正在部署一系列工业物联网、机器人流程自动化 和 AI 技术。他们的目标是获得更精益更环保的制造 能力，提高能效、成品率、质量以及产量。 在价值链中融合 AI 与其他技术 AI 领军者企业应用 AI 来实现最重要的业务目标（见图 12）， 尤其是在客户合作、通过新产品和服务实现增长以及自动化 等领域。事实上，四分之三或更多的 AI 领军者企业的这些 AI 计划已投入运营，或者已经完全实施和优化。 AI 领军者企业在整个价值链中结合使用各种数字化技术（见 图 13），以保障核心的行业与支持流程。与同行相比，这些领 先者在更多领域实施了 AI，比如预测与规划、材料采购以及 财务和会计等。 AI 算法可帮助预测需求和管理材料，从而节省规划时间、资 源和成本。在财务和会计职能领域，可利用 AI 预测收入或定 价，基于 AI 的工作流/对账模块可汇总子分类账交易，执行基 于风险的对账，生成认知洞察以用于预测和场景分析。 AI 领军者企业充分利用了组合技术的力量。例如，他们加大 了云计算、物联网和移动技术的使用力度，以进一步发掘现有 投资的价值。这些技术都有助于增加收入、降低成本和管控 风险。 15 图 12 借助 AI 支持实现业务目标 76% 81% 75% 65% 75% 70% 56% 66% 86% 68%* 推出新的产品/服务/价值主张 打造个性化/无缝的客户体验 提高机器人和自动化程度 有机地增加市场份额 进行并购 进军新的区域市场 降低运营成本 增加合作关系/联盟 寻找颠覆性的价值创造机遇 改善网络安全 38% 36% 27% 36% 28% 30% 43% 18% 35% 32% 所有其他企业 AI 领军者企业 * 回答数量较少的结果从统计意义而言是不可靠的，但可以视为方向性指标。来源：Q3. 贵组织在多大程度上实施 AI 以支持实现业务目标？ n = 400 图 13 AI 领军者企业在各种行业活动中使用呈指数级发展的技术 领域 人工智能云计算物联网移动技术机器人流程 自动化 研发 87% 预测和规划 57% 55% 材料寻源与采购 57% 订单管理 61% 52% 产品制造 64% 59% 62% 库存管理与分配 62% 营销和销售 54% 68% 客户服务 54% 63% 人力资源 70% 财务与会计 56% 55% 54% 51% 风险管理 69% 53% 健康、安全与环境 48% 55% % 代表与所有受访者不同的领域 来源：Q6. 贵组织在以下领域实施了哪些技术？ n=87 AI 有助于推动创新，优化化工流程， 改善资源管理。 16 AI 领军者企业的优势在于，他们在特定于行业的领域实施 AI 技术，以支持研发、制造和销售等职能（见图 14）。AI 帮助他 们推动创新，优化化工流程，改善资源管理。对于这些领先者 来说，仍然存在改进的机会，因为只有不到一半的企业将 AI 用于资产管理和能源管理。 为了推动无机增长，AI 领军者企业将 AI 应用于并购活 动。40% 的 AI 领军者企业使用 AI 确定并购候选对象，而只有 12% 的同行这样做。在 AI 的支持下，企业可以考虑更广泛的 潜在收购项目。 自然语言处理 (NLP)、信息发现和分类服务可用于评估商业新 闻和企业公开信息发布，如财报会议。然后，可使用情绪分析 （例如词语使用和语音模式）实时产生一组符合并购战略准 则和潜在目标的企业。 一旦确定最有希望的收购目标，43% 的 AI 领军者企业使用 AI 进行尽职调查，而只有 13% 的同行这样做。调查内容包括确 定战略、运营、财务、合规、IT 与网络安全等方面的风险。 11 应用 AI 可帮助 AI 领军者企业了解并减轻价值的风险。改进 风险评估有助于确定目标企业的价值是否符合采购方的需 求。此类评估有助于确立定价准则、交易条款及合同结构。 为了支持客户互动与合作，AI 领军者企业在营销、销售和服务 等领域实施 AI（见图 15），比在这些领域实施 AI 的同行的比 例要高出两至三倍。领先者通过 AI 技术整合外部数据，帮助 营销人员大规模确定潜在客户并逐一了解他们。 12 70%31% 图 14 为特殊行业活动实施 AI 61% 78% 66% 64% 67% 69% 66% 48% 48% 64% 实验设计 新材料发现 产品组合优化 原料优化 原料加载预测 流程管理与控制 生产优化 资产管理 能源管理 需求预测 定价优化 25% 31% 29% 39% 31% 31% 33% 22% 23% 24% 所有其他企业 AI 领军者企业 来源：Q7. 贵组织在多大程度上在特殊行业活动中实施了 AI？ 选择“已投入运营”或“已全面实施”的受访者。n=398 至 400 17 AI 还提供信息深度挖掘能力，帮助销售人员采取后续最佳行 动。在服务方面，AI 可以协助执行初步诊断并提供解决方案 建议。 领军者企业利用 AI 实现大规模个性化技能培养，帮助企业弥 补与技能相关的差距。AI 通过了解每位员工的当前技能，确 定企业和个人希望或需要发展的技能，并且提供个性化的学习 与职业道路，帮助企业实现个性化和有意义的员工体验。 将近一半的 AI 领军者企业采用 AI 来确定目前技能和未来技 能之间的差距，相比之下只有五分之一的其他企业这样 做。45% 的 AI 领军者企业借助 AI 打造个性化的学习体验， 而同行中做到这一点的只有 17%。 AI 领军者企业认识到，在整个企业中管理知识对于成功至关 重要。有关买方行为、客户概况、竞争动态及社交舆情等方面 的共享数据可帮助团队从多个角度分析客户，从而更好地设 计客户体验。 AI 领军者企业 所有其他企业 产品售后 服务 67% 在整个采购过 程中最大程度 实现营销投资 回报率 通过现有客 户关系增加 价值 关注客户 获取战略 21% 61% 19% 61% 21% 54% 26% 图 15 在营销、销售和服务领域应用 AI 可带来可观的收益 来源：Q8. 4.5，6.7贵组织在以下活动中实施 AI 的程度如何？选择“已投入运营”或“已全面实施”的受访者。n= 400 将近一半的 AI 领军者企业已实 施 AI，用于确定当前技能和未来 技能之间的差距。 18 知识管理和共享有助于减少多余的学习活动，支持思想交流， 从而催生新的产品、服务和业务模式。超过一半的 AI 领军者 企业告诉我们，他们使用 AI 来管理知识，而其他企业中这样 做的不到五分之一。 AI 是领军者企业支持和跟踪战略执行的基石。事实上，84% 的领先者出于此目的采用 AI 技术；相比之下，只有 35% 的同 行这样做。企业以 KPI 指导战略的执行。AI 可帮助确定 KPI、衡量这些成果并划分优先级。这些 KPI 有助于明确企 业战略执行的责任。 经过 AI 优化的战略 KPI 有助于提高分析水平，增强监督力 度。 13 如果不采用 AI 来跟踪战略执行情况，团队的执行效率 就会大打折扣，可能要多花超过 83% 的时间防范和应对战术 问题，而无法重点关注战略活动。 14 科思创：将 AI 用于预测性维护 15 科思创 (Covestro) 是世界领先的高级聚合物供应商之一，主 要经营三大门类的产品：聚氨酯、聚碳酸酯以及涂料和胶粘剂。 该企业开展了一项试点项目，在生产工厂中运用机器学习和 AI，对系统进行预测性智能维护。他们将温度与振动传感器安 装在工厂中的大型发动机上，并在运行过程中将发动机状态 数据传输至软件。这些信息使团队能够提前八个月预测发动机 可能发生的故障。智能集成数据管理的推广，提高了工厂的正 常运行水平，并使生产过程更加高效。该公司目前已在位于中 国上海漕泾的生产基地继续实施这一项目。 19 行动指南 AI 助力优化化工价值链 AI 领军者企业建立了框架，在整个企业中推动 AI 的实施。为 此，化工企业的工作重点应放在： 为 AI 打下坚实基础 建立通用性和企业数据治理框架，以建立对数据的信任。 任命首席数据官或业务驱动的信息治理委员会。 将数据资产（数据、数据源和平台）与各个业务目标 AI 计划对接起来。 整合信息技术 (IT) 与运营技术 (OT) 领域，这是在 AI 的推 动下交流信息和建议的必备条件。 实施中央存储库，汇总财务数据、运营数据和外部整理的 数