《GEP&Everest Group：2024生成式AI時代的采購轉型報告（15頁）.pdf》由會員分享，可在線閱讀，更多相關《GEP&Everest Group：2024生成式AI時代的采購轉型報告（15頁）.pdf（15頁珍藏版）》請在三個皮匠報告上搜索。

1、Copyright 2024，Everest Global,Inc。保留所有權利。本文檔已授權給 GEP 使用生成式 AI 時代的采購轉型Shirley Hung，合伙人Prateek Singh，實踐總監Akash Thunga，高級分析師Smarajeet Das，高級分析師目錄|本文檔已授權給 GEP 使用引言03數字技術在采購環節的普及度04生成式 AI 的出現及其潛在影響06通過生成式 AI 實現采購流程的轉型升級07通過權衡利弊優化 AI 實施09實施生成式 AI 的關鍵考慮因素11結論14引言|本文檔已授權給 GEP 使用生成式 AI 以其令人驚嘆的類人創造能力，在商業世界中獲得

2、廣泛關注。自從 ChatGPT 發布以來，全球企業積極探索其應用模式。隨著技術的不斷發展，它持續對商業運作產生深遠影響，采購流程也不例外。隨著時間的推移，采購部門已從后臺職能發展成為業務的戰略前沿，其工作重心不僅僅是實現傳統的成本節約，還包括建立戰略供應商關系、動態和主動管理風險以及確保業務連續性。AI 技術不僅可以幫助采購組織實現成本節約，還可以提高各個流程的效率、生產力和準確性，創造更多附加價值。然而，與財務和會計(F&A)以及人力資源(HR)等業務職能相比，采購組織在采用先進的數字解決方案方面相對落后。盡管采購對基于人工智能/機器學習(AI/ML)的分析和智能文檔處理(IDP)等先進技術

3、表現出了一定興趣，但整體上認知解決方案的采用仍處于初級階段。能夠輔助決策的基于人工智能/機器學習(AI/ML)的認知解決方案的出現，使采購運營的轉型升級迎來了新的機遇。人工智能模型逐漸成熟、更快的系統算力以及高質量模型訓練數據的涌現，正在重新定義生成式人工智能等技術。這些人工智能模型可以生成文本、圖像、視頻、音頻、代碼片段和合成數據等形式的獨特內容。生成式人工智能有望進一步增強現有基于人工智能的解決方案的適用性和能力，從而可能形成更高的普及率和影響力。隨著各行各業探索在企業運營中利用生成式人工智能的能力，采購領導者也在密切跟蹤這一領域的發展，以便在他們的轉型進程中，貫穿尋源到付款(S2P)價值

4、鏈挖掘潛在的高影響力用例。從這個角度來看，我們探討了生成式人工智能時代采購運營的數字化轉型，包括：數字技術在采購環節的普及度貫穿尋源到付款(S2P)價值鏈的基于人工智能/機器學習(AI/ML)解決方案的用例生成式人工智能的出現及其含義采購運營中生成式人工智能的用例及其優先級確保生成式人工智能解決方案成功實施的關鍵考慮因素生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用傳統技術2021-232023-25E基礎分析機器人流程自動化(RPA)基礎聊天機器人光學字符識別(OCR)數字技術在采購環節的普及度許多組織仍依賴采用傳統技術的過時系統來維持他們的采購運營。到目前為止，采購組織尚未大規

5、模采用基于人工智能/機器學習(AI/ML)的認知解決方案。盡管技術和服務提供商通過其多樣化的產品也在推動大多數組織采購運營的數字化轉型，但即便如此，采用具有傳統技術能力的解決方案的比例依然高于先進技術能力的解決方案。采購的數字化進程傳統上側重于利用基礎分析、機器人流程自動化(RPA)和基于規則的聊天機器人?；镜姆治瞿芰τ兄诤喕瘮祿芾?、報告和儀表板制作?；?RPA 的重復流程自動化可減少周轉時間和人工成本，使組織能夠將資源轉移到更具戰略性和判斷力要求的活動上?；谝巹t的聊天機器人協助迅速回答來自各方利益相關者的常規查詢。這些技術的普及由快速實現效益、低實施成本和易于采用等因素推動。更成熟

6、的采購組織已經采用了先進技術，但非常有限。一些組織采用先進技術，如 IDP 能力，用于從文檔中自動提取非結構化數據，從而節省人工成本和時間。在某些情況下，基于 AI 的高級分析功能通過S2C 和 P2P 套件或分析工具使用，以做出明智的決策。此外，采用 AI 驅動的智能自動化解決方案正在提升 RPA 能力，以實現復雜工作流程和流程的自動化。具有認知能力的流程挖掘解決方案也通過識別流程障礙來彌補自動化的短板。然而，高成本、缺乏歷史數據、系統分散、技能差距以及對投資回報率缺乏清晰認識限制了先進技術的采用。用例 1 描述了采購組織的數字化之旅，并顯示傳統技術的普及率高且仍在增長，先進認知技術盡管逐漸

7、增長，其普及率仍然很低。用例 1采購中各種技術的采用來源：Everest Group(2024)基于 AI/ML 認知技術2021-232023-25E高級分析智能自動化智能虛擬助手智能文檔處理(IDP)低高|本文檔已授權給 GEP 使用生成式 AI 時代的采購轉型利用 AI/ML 能力的機會盡管采用率低，AI/ML 技術面向采購領域推出了豐富的應用，加速創造價值。正如用例 2 所示，組織應考慮在 S2P 價值鏈中嵌入 AI 能力，以提高效率和準確性。盡管 AI 能力可以給采購流程帶來變革，但仍然需要關鍵的人工干預才能順利運行采購操作。這是因為在創建請購單、采購訂單、發票、RFX 和合同等活動

8、中需要進行判斷，其定制內容取決于支出類別、地點和決策過程（包括 P2P 內的批準、采購策略、談判和類別管理）。隨著 AI 模型的發展，它們克服當前限制和推動轉型的能力將會增強。用例 2AI/ML 在 S2P 價值鏈中的用例來源：Everest Group(2024)支出分析及洞察類別管理及采購合同管理供應鏈關系管理使用預測性和規范性分析進行支出預測基于數據的支出洞察實現支出優化收集和分析特定地點和類別的市場情報基于數據的洞察支持制定采購策略跨績效、風險及可持續發展能力的供應商特定市場情報合同審批工作流程的自動化自動化合同更新和來自合同的數據填充合同續簽提醒基于歷史合同數據創建合同模板監控合同合

9、規性合同可搜索能力供應商評估和細分供應商歷史績效分析和持續績效管理基于預定義標準的定期風險評估供應商違規提醒請購和 PO 處理應付賬款差旅和費用識別流程障礙通過智能自動化優化工作流程基于 IDP 的發票數據提取和驗證欺詐檢測與預防標記不定期的費用報銷聊天機器人和認知虛擬助手用于自動化采購臺或指導式購買S2PS2CP2P事務級要求判斷力要求生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用生成式 AI 的出現及其潛在影響生成式 AI 模型基于大量訓練數據，并建立在大型語言模型(LLM)之上，這使它們能夠創造出超出訓練數據的內容。這賦予它們創造性和創新性解決問題的能力，并且內容生成能力非常

10、接近人類。生成式 AI 的獨特之處在于它能夠創造出與訓練數據類似而非原樣照抄的新數據，使其能夠不斷自我學習。這些模型具有超越預定義的任務、領域和現有模式的創造能力，創造出并非來自歷史數據或相關模式的新輸出。盡管早期的 AI 解決方案也能識別模式、預測趨勢并幫助預測未來結果，但它們的輸出主要基于輸入模型的可用歷史數據，它們缺乏在數據集之外生成創造性輸出的能力。生成式 AI 在面對特定局面時采取有針對性的操作，并解決新問題，即便之前沒有將相同情況或問題的數據記錄到模型中。傳統解決方案遵循基于規則的方法，其中跨參數的預定義標準和規則驅動輸出。它們缺乏生成式 AI 的創新能力，導致它們缺乏靈活性且局限

11、于特定領域或目的。用例 3 描述了生成式 AI 相對于以前的 AI/ML 模型的優勢。此外，正如用例 4 所示，生成式 AI 可以增強先進認知解決方案的應用，推動更廣泛的采用。預計外包服務和技術提供商將通過增強其現有解決方案的生成式 AI 能力來推動這一趨勢。用例 3生成式 AI 與先前 AI 模型相比的能力提升來源：Everest Group(2024)AI 能力生成式 AI 能力從歷史數據中識別模式的能力超越歷史數據創新的能力基于規則的預定義操作范圍超出當前范圍的創造性解決問題能力根據定義的模板進行創建的能力擺脫現有模板束縛，根據獨特提示詞創建的能力智能化受限于小型訓練數據集由于能夠自我創

12、造訓練數據，智能化在不斷進化自然語言處理能力大型語言模型(LLM)能力生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用基于 AI/ML 認知技術早期評估2023-25采用生成式 AI2023-25高級分析智能自動化智能虛擬助手IDP用例 4隨著生成式 AI 的使用，采用認知技術的變化來源：Everest Group(2024)用例 5在采購中應用生成式 AI來源：Everest Group(2024)定制 RFX 創建根據具體環境創建合同申請單和 PO 創建及定制發票創建文檔創建節省成本機會識別談判支持制定采購策略欺詐檢測（超出歷史模式）流程優化機會識別決策支持自動化供應商入駐供應鏈

13、關系管理支付時間表優化高級虛擬助手提供端到端支持虛擬協助非詳盡列表生成式 AI 用例組織意識到，生成式 AI 可以顯著加速 AI/ML 解決方案帶來的價值，并提高此類解決方案的成果和投資回報率。雖然仍處于探索階段，生成式 AI 的用例在整個 S2P 價值鏈中顯示出極高的潛力，該價值鏈包括許多需要創造性內容生成和創新問題解決能力的過程。生成式 AI 可以在進一步轉型采購操作中發揮關鍵作用，不僅僅作為一個復雜的工具，而且作為采購數字生態系統的一個組成部分。通過生成式 AI 實現采購流程的轉型升級組織正在探索跨 S2P 價值鏈的生成式 AI 技術的許多潛在用例。這些用例可以大致分為三類，如用例 5

14、所示。低高生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用我們將在下面詳細介紹這些應用。文檔創建S2P 涉及其工作流中的多個事務和相關文檔。關鍵文檔包括申請單、采購訂單、發票、RFX 以及合同。生成式 AI 可以自動創建這些文檔，脫離預定義的模板。它通過適當的提示詞幾乎可以立即創建所需類型、格式和模板的文檔。盡管該過程可能需要人工監控和質量審核，但它減少了手動反復為不同類別、供應商和地點創建這些文檔所需的時間和人工。決策支持組織可以考慮一個全面的生成式 AI 模型，作為一個全天候的專題專家協助采購操作，由人工評估和驗證其輸出。他們可以使用這些模型并根據位置、歷史表現、財務狀況、服務能

15、力、定價、支持的語言和混合外包形式等參數來鑒別供應商。此外，該模型以極高的自動化程度評估和實施供應商入駐。生成式 AI 也可以指導并可能代表組織推動供應商談判。它可以計算實時定價基準，并從市場情報和歷史記錄的談判中得出洞見，以幫助制定更好的談判策略。憑借擬人的對話風格以及數據處理和分析能力，生成式 AI 可以用來更好地管理供應商關系。它可以自動向供應商索要任何額外所需的數據，通過定制的計分卡進行定期績效評估，檢測并標記提交信息中的異常，并持續監控供應商風險。它不僅可以自動化這些重復但有價值的活動，它還可以通過識別問題而且提供解決問題的建議來改進這些活動。同樣，它可以評估與特定供應商的業務關系，

16、并建議糾正措施以改善關系。憑借其創新能力，生成式 AI 可以建議優化整個價值鏈過程的方法，包括：建議對計分卡進行編輯以實現更準確的評估識別具有創新空間的服務領域標記供應商治理模型中的瓶頸建議付款計劃以優化發票處理定制 RFX，以根據采購策略包含特定請求通過定制條款構建適合特定地區或位置的合同以遵守當地法規評估工作流程并建議流程改進生成式 AI 可以作為領導團隊的寶貴助手，幫助制定各種策略，同時牢記最終目標。到目前為止，組織只依賴基于有限數據的 AI 生成的洞察來運行戰略性上游采購過程。憑借其理解多個參數和場景的能力，生成式 AI 可以迅速幫助制定兼顧組織政策和優先級的策略。當前宏觀經濟充滿不確

17、定性、通貨膨脹壓力激增，采購利益相關者十分關注的一點可能是生成式|本文檔已授權給 GEP 使用生成式 AI 時代的采購轉型AI 根據對組織特定需求、供應商格局、區域細微差別和類別智能的理解，識別降低成本的機會的能力。虛擬協助ChatGPT 幾乎立即讓人們見識到了生成式 AI 的文本生成能力。在采購領域，組織表現出利用生成式 AI 作為虛擬購買助手的興趣，該助手可以取代人工采購臺，并革新指導式購買。生成式 AI 還可以用來自動生成對員工、供應商或其他利益相關者常見的采購相關查詢的回應。這將減少人工服務臺的工作量，縮短響應時間，并確保所提供信息的一致性和準確性。通過權衡利弊優化 AI 實施考慮到許

18、多生成式 AI 的用例及其增強現有 AI 應用的能力，組織應優先在 S2P 價值鏈中部署這些技術以優化結果。在分階段優先實施認知解決方案時，采用潛力和影響是需要考慮的關鍵因素。用例 6 顯示了一個可以用來優先考慮 AI 實施的框架。用例 6優先考慮 AI 實施的框架來源：Everest Group(2024)業務關鍵度活動的關鍵程度影響通過人為干預進行制衡的需要，以保證質量和一致性高低低高效果采納潛力加速實施存在機會降低優先級保持警惕品類管理支持識別成本節約機會談判支持合同優化供應商風險管理采購策略制定支持優化供應商關系指導式購買支持認知虛擬助手（采購服務臺）支出分析數據限制初始培訓數據的缺乏

19、和可用數據的保密性限制了采納潛力和適用性流程復雜性流程復雜性取決于流程中涉及的推理和判斷-復雜性越低，采納潛力越高財務影響對采購運營費用節省和成本的影響：節省越多，影響越大；成本越低，影響越大運營影響對流程和資源的準確性、效率和生產力的影響；例如，周轉時間、實現價值的速度等業務影響在準確性、價值、便利性和可訪問性方面對風險和合規、利益相關者體驗和滿意度的影響供應商群洞察市場情報供應商入駐供應商識別定制文檔創建（RFx、PO、PR 等）流程優化合同合規欺詐檢測供應商績效管理生成式 AI 特定應用案例生成式 AI 增強早期 AI 應用案例非詳盡列表|本文檔已授權給 GEP 使用生成式 AI 時代的

20、采購轉型我們根據預期的影響程度和采納潛力，將示例用例分布在四個象限中。加速實施此象限中的用例是采購生態系統最容易達成的目標，可以快速采納以啟動 AI 驅動的轉型之旅。這些用例具有高采納潛力，并預期會產生較大影響，使它們具有成本效益且易于實施。例如，組織可以利用基于生成式 AI 的認知虛擬助手來優化采購服務臺流程，通過提高效率、確保準確性以及自動化來自內部和外部利益相關者的常規查詢實現有影響力的成果，同時只需有限的人工監督?；谏墒?AI 的解決方案也可以幫助根據特定需求自動創建各種采購相關文檔（PR、PO、RFX）。存在機會相對于實施增加的成本而言預期影響較高，組織可以開始規劃這些用例的實施

21、。這些用例需要更多關注，因為由于數據保密性方面的擔憂、缺乏優化的流程和業務關鍵度較高，它們的采納潛力較低。諸如談判和識別節省成本機會之類的用例支持使用 AI/ML 解決方案，這些解決方案具有顯著的財務影響，既可以節省成本也可以提高效率。然而，為此目的訓練 AI 模型所需的數據非常敏感，需要仔細實施以確保數據安全和保密性。保持警惕某些流程的性質或它們缺乏戰略或運營重要性可能會造成影響力較低，盡管它們有高采納潛力。組織在實施這些用例時需要保持警惕，并根據具體需求對它們進行優先級排序。例如，生成式 AI 可以幫助簡化供應商績效管理流程，這包括定期的績效調查和評分卡，確保遵守 SLA/KPI，并啟動改

22、進計劃。降低優先級組織應對這一象限的流程持觀望態度。鑒于當前生成式 AI 解決方案的成熟度、流程的復雜性以及安全數據實踐的（不）可用性，對這些流程實施生成式 AI 解決方案并不值得投入人力物力?；谏墒?AI 的認知虛擬助手有可能優化采購服務臺流程，通過提高效率、確保準確性以及自動化來自內部和外部利益相關者的常規查詢實現有影響力的成果，同時只需有限的人工監督。生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用實施生成式 AI 的關鍵考慮因素在實施 AI，特別是生成式 AI 解決方案時，組織需要克服市場因素、內部技術限制、人才限制以及對變革的任何顧慮所帶來的挑戰。在他們繼續推進生成式

23、AI 的應用時，應牢記用例 7 中所示的考慮因素。對采用生成式 AI 的擔憂成本影響對于組織來說，實施或開發 AI 能力可能代價昂貴，特別是對于那些希望內部構建生成式 AI 能力的組織，因為這樣的能力依賴于具有高計算能力的 LLM 和專業硬件。然而，組織可以根據運營規模和跨組織職能部門協調的能力來優化其投資回報率(ROI)。服務提供商和技術供應商正在努力將生成式 AI 嵌入到他們現有的工具和服務產品中，以增強他們當前的 AI 能力。通過規模經濟，他們可以在解決方案/服務定價中消化生成式 AI 產生的額外成本。隨著生成式 AI 技術的不斷發展，我們預期其價格將變得更加便宜和易于獲取。除了技術成本

24、外，運行和維護該技術的成本也很重要，特別是考慮到生成式 AI 模型所需的高計算能力和存儲。值得注意的是，當前大家對可持續發展意識不斷增強，由于采用這項技術導致的碳足跡的急劇增加，阻礙了組織和社會層面實現碳中和的目標。這就需要根據考慮使用生成式 AI 情況下的新能源需求預測，對可持續發展規劃進行改革。用例 7生成式 AI 實施的關鍵考慮因素來源：Everest Group(2024)對采用生成式 AI 的擔憂成本影響技術方面運營方面環境方面數據安全挑戰保密數據隱私倫理問題責任偏見組織準備情況考慮因素技能差距提升技能員工顧慮數據管理實踐數據治理高質量數據的可用性與現有技術的整合計算能力技術堆棧的重

25、構生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用數據安全挑戰在數字時代，政府、行業機構和個人保障數據隱私和安全時面臨巨大挑戰。盡管全球為建立嚴格的數據隱私和安全法律做出了重大努力，但在不斷變化的數字世界中實現完全合規難度極大。生成式 AI 對數據隱私和安全問題構成了新的重大風險。雖然政府和行業機構已經建立了防護措施以防止濫用，但他們尚未開發出萬無一失的解決方案。個體持續表達對于他們的公開數據可能被生成式 AI 解決方案濫用并不負責任地創造新內容而擔憂。組織對于他們的高度機密信息也有類似的擔憂。然而，組織可以增加數據安全層，以在可信系統中保護機密信息。在安全的云網絡上部署解決方案可以

26、有效地控制組織解決方案與互聯網的外部交互。倫理問題基于當前的成熟度水平，生成式 AI 因缺乏責任追究機制和容易受到偏見的影響，對倫理構成挑戰。為了確保適當的制衡，組織需要為使用生成式 AI 解決方案創造的輸出定義責任追究機制。數據來源的可靠性和透明度也是一個問題。此外，對生成式 AI 響應的高度信任而忽視其可信度可能會導致幻覺偏見。生成式 AI 技術的演進可以解決其中一些挑戰?？山忉?AI 是生成式 AI 的一個預期轉變，在這種轉變中，工具為其輸出提供理由。與此同時，組織應采用輔助質量檢查的工具，并建立良好的人機交互治理實踐，通過人工干預和審核確保負責任的數據實踐和質量。組織準備情況考慮因素組

27、織除了技術帶來的挑戰外，還承擔著內部變革管理的重擔。他們需要采用全面的變革管理策略，以有效采納并利用新技術，包括：解決技能差距填補人才缺口應該優先考慮，因為大多數特定領域的專業人員缺乏有效利用新部署解決方案的技術知識。員工可能也會對技術深表懷疑，或抵制工作中的轉型變革。將提升技能和再培訓計劃納入組織人才管理策略中，可以解決員工的擔憂，并確保采用新技術的持續改進和上市速度。管理數據高質量數據的可用性對于構建訓練數據集至關重要。缺乏優化的數據管理案例是一個主要障礙，尤其是對于內部采購組織，這些組織特定的數據用于訓練解決方案。優先考慮數據治理并將其融入組織文化，有助于解決與數據相關的挑戰。此外，供應

28、商正在使用從他們更豐富的經驗中提煉的數據作為訓練數據。他們還在構建保護層，以保持組織內部的機密數據。生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用當前未來技術積累在 GPU/CPU 硬件上進行計算部署在服務器/云上有限的互操作性在 TPU 上進行計算與 NLP、計算機視覺和其他 AI 技術的無縫集成邊緣部署在 IoT 設備/智能手機上組織結構層級結構孤立的團隊主要關注領域專業知識扁平結構協作團隊同時關注領域專業知識、技術技能和利益相關者管理與現有技術的整合現有的組織系統，包括硬件、軟件和治理機制，可能不一定與生成式 AI 實施所需的變化相一致。組織可能需要技術現代化，不僅僅是為了短

29、期實施 AI 解決方案，也要考慮其長期影響。如用例 8 所示，采用基于 AI 的解決方案將徹底改變人機交互的方式，從而改變技術格局和組織結構。技術積累設計應滿足高計算能力和跨解決方案集成的需求，以優化 AI 能力的利用方式。因此，組織將需要重組，實現平坦化層級并建立協作團隊，使 AI 成為組織不可或缺的一部分。用例 8技術和組織結構的演變來源：Everest Group(2024)缺乏優化的數據管理實踐是許多內部采購組織的主要障礙。優先考慮數據治理并將其融入組織文化，將有助于解決實施 AI 解決方案時的數據相關挑戰。生成式 AI 時代的采購轉型|本文檔已授權給 GEP 使用結論采購運營的轉型是

30、一個持續的過程，涉及工作流程的顯著增強和數字化技術的采用，從而改善供應商關系和提高成本節約的能力。盡管技術在通過自動化、分析和認知能力轉變采購運營方面取得了重大進展，但先進技術解決方案的采用率長期以來一直較低。然而，具有高級功能的生成式 AI 可能會加速轉型并顯著提高效率和生產力。它可以通過增強 S2P 價值鏈中現有的 AI 能力，進一步推動采購中認知解決方案的數字化普及。生成式 AI 提供了豐富的應用，包括：涵蓋請購單、采購訂單、發票、RFX 和合同的定制文檔創建一個全面的虛擬助手，用于回答查詢和實現指導式購買識別過程優化的范圍供應商關系管理的自動化領導團隊的戰略助理識別節約成本的機會盡管實

31、施成本難以控制，但組織可以優先考慮使用案例，并確保所需的變更管理以降低實施風險。隨著技術的變化，組織可能需要經歷結構性轉變，以維持和最大化價值創造。通知與免責聲明重要信息。請仔細閱讀此通知及其全部內容。訪問Everest Group 的網站，即表示您同意 Everest Group 的使用條款。Everest Group 的使用條款，可在 Group 未在美國證券交易委員會、美國金融業監管局(FINRA)或任何州或外國證券監管機構注冊為投資顧問或研究分析師。簡而言之，Everest Group 不提供任何關于法律或任何監管實體所定義的證券的建議，也不進行任何法律或任何監管實體所定義的股權證券分

32、析。Everest Group 的所有產品和/或服務僅供參考，并且按“現狀”提供，不附帶任何形式的保證。您理解并明確同意，您對使用和依賴任何 Everest Group 產品或服務的行為自行承擔全部風險。Everest Group 不是法律、稅務、財務或投資顧問，Everest Group 提供的任何內容都不是法律、稅務、財務或投資建議。Everest Group 提供的任何內容都不構成出售任何實體的證券或工具的要約。在評估任何投資的優點時，不得使用或依賴 Everest Group 的任何內容。不要完全或部分基于 Everest Group 提供的任何內容做出任何投資決策。產品和/或服務代表

33、研究意見或觀點，并非事實的陳述或聲明。訪問、使用或獲得進入 Everest Group 產品和/或服務的權限，并不構成 Everest Group 接受者(1)采取任何行動或不采取任何行動的建議，或(2)進入特定交易的建議。不得依賴或解釋 Everest Group 的任何內容作為對企業或市場過去、現在或未來表現的承諾或表示。Everest Group 產品和/或服務中包含的信息的有效性截止至準備之日，Everest Group 沒有義務或責任更新或修訂信息或文檔。Everest Group 可能從此處提及的各方、公共來源或第三方來源獲得出現在其產品和/或服務中信息，包括與財務、評估和/或預測

34、相關的信息。Everest Group 未對此類信息進行審核，并且不承擔獨立核實此類信息的責任，因為 Everest Group 已經做到完整和準確的引用此類信息。請注意，產品和/或服務中提到的公司可能是Everest Group 的客戶，或者以其他方式與 Everest Group 存在業務往來，包括但不限于參與 Everest Group 的研究活動。Everest Group 是一家頂尖的調研公司，幫助商業領袖做出自信的決策。我們指導客戶有效應對當今的市場挑戰，并通過應用有針對性的解決方案來強化他們的戰略實施。幫助客戶在運營和財務兩方面實現最佳收益，并實現轉型升級。我們擁有深厚的專業知識

35、和一絲不茍的研究精神，專注于技術、企業流程和工程領域，從人才、可持續發展和采購的視角，為企業提供精確和行動導向的指導。有關更多詳細信息和深度解讀，請訪問 。有關 Everest Group 的詳細信息，請聯系：+1-214-451-這項研究由 GEP 提供部分資金本文檔僅供參考，按“現狀”和“可用”提供，不包含任何形式的保證，包括完整性、充分性或特定用途適用性的任何保證。Everest Group 不是法律或投資顧問；本文檔內容不構成法律、稅務或投資建議。本文檔不應替代專業咨詢顧問的建議，Everest Group 不承擔因參考本出版物中的任何材料而不采取任何行動或決定的責任。有關此主題的更多信息，請聯系作者：Shirley Hung，合伙人Prateek Singh，實踐總監Smarajeet Das，高級分析師Akash Thunga，高級分析師