《IBV：2024利用生成式AI增強競爭優勢：整合產品開發、供應鏈和可持續性研究報告（24頁）.pdf》由會員分享，可在線閱讀，更多相關《IBV：2024利用生成式AI增強競爭優勢：整合產品開發、供應鏈和可持續性研究報告（24頁）.pdf（24頁珍藏版）》請在三個皮匠報告上搜索。

1、利用生成式 AI 增強競爭優勢整合產品開發、供應鏈和可持續性IBM 商業價值研究院|專家洞察2Praveen Velichety執行合伙人，數字孿生全球產品負責人IBM C Chambers合伙人，供應鏈轉型負責人，EMEAIBM C Didaskalou 消費品行業合伙人，能力中心IBM C Cheung消費品行業全球研究負責人IBM 商業價值研究院 AI 和生成式 AI 帶來了廣闊的機遇，從更成功地推出新消費產品到協同供應鏈運營以提高效率并減少浪費。優化整合生成式 AI 可以優化新產品開發，支持與供應鏈運營互聯互通，并改善與供應商和生態合作伙伴的整合，加速創新并增強韌性。支持可持續性和監管

2、合規性生成式 AI 功能可以支持整個消費產品生命周期內的決策，推動全方位的可持續性，并支持各個市場和地區的監管合規性?？焖俨捎孟M品行業高管正在迅速采用生成式 AI。超過三分之二的受訪高管認同或強烈認同生成式 AI 對其組織的未來至關重要。而且，超過四分之三的受訪高管認為應迅速采用生成式 AI 以保持競爭力。在優化新產品開發和改善消費品行業供應鏈運營方面，生成式 AI 潛力巨大。摘要2AI 引領產品開發新時代在競爭激烈的消費品市場中推出新產品歷來就是一項高風險舉措。如今，企業面臨的挑戰比以往更加嚴峻。從不斷變化的消費者偏好、日益加劇的市場競爭、持續攀升的成本與供應鏈壓力、監管合規問題到層出不窮

3、的新產品，企業推出新產品的環境正變得愈加復雜。數據表明，在每年推出的 30,000 種新消費產品中，有高達 95%未能實現其商業目標。1在 2020 年代，企業在新產品導入(NPI)流程中面臨的主要挑戰如下：未針對品牌組合中的新產品建立全局視圖當營銷、制造和供應鏈團隊在組織中孤立運作時，缺乏協作會導致延誤、質量問題和供應鏈中斷。如果未建立整體的產品生命周期視圖，就難以確定何時將產品納入產品組合、何時計劃實現峰值銷量以及何時逐步淘汰產品，同時降低對其他產品的影響。市場研究和消費者洞察不足如果未進行深入的市場調查，也未收集準確的消費者洞察，推出的新產品就無法滿足消費者的需求或期望。這會導致庫存過剩

4、、銷售業績不佳以及供應鏈效率低下。不切實際的時間表和緊迫的期限新產品開發和發布的緊迫時間表給供應鏈帶來了巨大壓力。由此產生加快發貨速度，或者占用其他盈利產品線的生產能力等連帶反應，可能影響下游的財務業績。3在新產品導入(NPI)流程早期做出的決策也會產生一系列后續挑戰，從而影響供應鏈和端到端產品生命周期。這些挑戰包括：風險管理和應急規劃不足風險評估不足和缺乏應急規劃來應對潛在的供應鏈中斷（例如自然災害、地緣政治事件或供應商問題）會阻礙新產品發布取得成功。為了應對這些挑戰并管理新產品開發中的相關風險，消費品行業需要一種更具前瞻性、數據驅動且端到端的決策方法。利用生成式 AI 來協助和增強產品開發

5、、供應鏈整合與生命周期管理，消費品行業高管可以加速創新、改善成本管理、減少浪費并提高整體效率。除了優化新產品導入和供應鏈整合，以及管理各個市場和地區的監管合規以外，生成式 AI 還將為產品生命周期管理開啟一個全新的維度 改善用戶體驗。由于生成式 AI 可支持“以用戶為中心”的設計理念，因此有助于促進產品采用并幫助做出更明智的決策。供應商和資源限制難以找到可靠的供應商、協商有利的條款和確保新材料或原料的穩定供應，從而嚴重影響滿足生產和分銷要求的能力。供應鏈可視性和協同能力有限缺乏端到端的供應鏈可視性和協同會導致溝通中斷、庫存不平衡和分銷效率低下，從而妨礙新產品發布取得成功。監管和合規問題如果在產

6、品開發階段沒有提前處理好監管要求和合規標準，就會增加延遲、產品召回或供應鏈中斷的風險，從而對成本和品牌聲譽造成負面影響?？沙掷m性和供應鏈透明度擔憂忽視新產品和供應鏈流程中的可持續性影響會增加監管不合規的風險，并錯失降本增效的機會。此外，未來對供應鏈透明度的要求預計將大幅提高，這也是新產品推出中應當考慮的一項因素。2生成式 AI 提供的洞察可以在整個產品生命周期中融入可持續性。4案例研究利用 AI 創造新的香水香型Symrise3Symrise 是一家總部位于德國的公司，致力于開發、生產和銷售香料、調味料、食品配料及活性化妝品成分，為超過 35,000 種消費品供應原料。依靠其 Aromas M

7、olecules 部門，Symrise 還是全球領先的香料原材料生產商。隨著消費市場對新香水香型的需求不斷增加，Symrise 發現了利用其超過兩百萬種香水配方寶庫的機會。關鍵就是利用人工智能來幫助 Symrise 管理越來越短的產品周期，同時提高整體產品開發效率。初始香水設計算法由開發人員創建，然后再通過 AI 工具加以改進。該團隊利用一款名為 Philyra 的 AI 助手來分析分子結構，確定應用領域，并考慮各種市場和銷售數據。AI 在分析香水配方和原料特性方面發揮了重要作用，最終幫助調香師找到微妙差異的配方組合，創造出新的香型。Symrise 利用 AI 設計的首款上市產品在法國尼斯的世

8、界香水大會上亮相。2019 年，兩款 AI 設計的香水成功上市，由全球第三大香水制造商巴西 O Boticrio 公司負責市場營銷。如今，AI 已成為調香師不可或缺的一項利器，不僅為他們賦予更敏銳的嗅覺，還幫助 Symrise 建立了自動化流程，加速開發出更多符合客戶需求的產品。45與許多其他商業領域一樣，消費品行業也開始利用生成式 AI 來提升運營效率和協助做出決策。生成式 AI 可以生成類似于人類創造的結果，因此更具直觀性和可信度，從而促進更快地采用基于生成式 AI 的解決方案。這項技術在消費品行業中有廣泛的應用場景，從利用聊天機器人和數字助手簡化客戶服務，到一些更復雜的實現，例如利用非結

9、構化數據進行需求感知和預測，以及實現物流管理自動化。在新產品引入方面，生成式 AI 可以通過分析與熱門產品特性或消費者偏好相關的歷史數據來幫助創造新的產品設計和概念。生成式 AI 有望進一步提高消費品行業的運營效率 IBM 的內部項目評估表明，生成式 AI 有機會實現高達 30%的效率提升。4IBM 商業價值研究院(IBM IBV)的最新研究表明，消費品行業高管正在迅速采用生成式 AI。超過三分之二的受訪高管認同或強烈認同生成式 AI 對其消費品組織的未來至關重要。而且，超過四分之三的消費品行業高管認同或強烈認同應迅速采用生成式 AI 以保持競爭力。5AI 在消費品行業中日益重要超過四分之三的

10、消費品行業高管認同或強烈認同應迅速采用生成式 AI 以保持競爭力。6近一半的受訪消費品組織正在供應鏈、物流和履行領域試點或實施生成式 AI 項目。40%的受訪組織正在產品開發領域試點或實施生成式 AI 項目，但只有 3%的受訪組織目前正在產品開發和供應鏈運營領域優化這項能力。6圖 1受訪組織在產品開發中采用生成式 AI 的情況不考慮正在試點正在實施和運營正在優化3%正在考慮和評估49%25%20%3%不考慮正在試點正在實施和運營正在優化8%正在考慮和評估38%19%32%3%受訪組織在供應鏈運營中采用生成式 AI 的情況信息來源：未發布的 IBM 商業價值研究院研究。對 225 名全球零售和消

11、費品高管的調研。7多年來，消費品行業高管一直在尋求改進新產品端到端管理的方法，從初始設計、開發到產品淘汰的整個周期。生成式 AI 基于的廣泛的產品和市場數據進行訓練，這些數據來自眾多利益相關者。因此，生成式 AI 可以發揮至關重要的協同作用，助力提高可見性和效率。通過與可信賴的供應商合作，新產品導入研發團隊可以利用來自供應商的專有數據來訓練生成式 AI 模型?；诖罅拷Y構化和非結構化供應商數據，增強型生成式 AI 功能可以提供其他方式無法獲取的技術和解決方案洞察。生成式 AI 提供對話知識、復雜文檔總結、內容創建和代碼生成等功能，尤其可為產品開發的早期階段提供強大支持。例如，如果一家包裝供應商

12、將詳細的產品和創新信息輸入到共享數據庫中，那么消費品公司利用生成式 AI 來處理這些數據，就可以加速其產品開發流程。供應商共享數據的動機可能很大 消費品行業專家預計，這可以增加供應商獲得包裝合同的可能性。生成式 AI 的另一個應用場景是在新產品探索過程中，幫助研發專家尋找新技術和新材料。通過分析和理解來自研究出版物、新聞報道、貿易活動、社交媒體等來源的海量數據，AI 可以總結可能的技術方案，并幫助規劃人員快速甄別出具備新興技術能力的供應商。這種方法有助于提高新產品的性能和市場潛力。生成式 AI 有潛力創造更多價值通過以前所未有的速度處理大量信息，生成式 AI 可以總結復雜文檔并創建內容，從而提

13、供其他方式無法獲取的見解。8生成式 AI 所實現的目標狀態是，在產品開發初期就優化成本和性能，而不是在產品推出后再逐步進行優化。生成式 AI 可以改變傳統模式；例如，激勵采購經理在產品推出時就實現成本節省，而不是在產品發布后再歷時數年試圖削減材料成本。產品開發供應鏈97%增強知識搜索（內部和外部）89%根據結構化/非結構化數據生成需求預測92%創建分析模型81%總結復雜文檔95%增強知識搜索（內部和外部）91%創建自定義產品可視化和設計圖 2生成式 AI 在產品開發和供應鏈職能中的應用價值排名信息來源：未發布的 IBM 商業價值研究院研究。對 225 名全球零售和消費品高管的調研。9具體而言，

14、在以下十二個領域，生成式 AI 有望迅速而長遠地影響新產品的開發和上市，及其在市場整體產品組合中的表現：生成用于產品測試的客戶畫像生成式 AI 可以加速產品開發的早期階段，并建議符合指定客戶畫像需求的產品特征。協助包裝設計和材料規劃生成式 AI 可以協助包裝設計人員開發產品包裝的藝術設計和文案，并探索各種個性化選項。優化的設計流程和更高效的材料有助于更快地測試消費者偏好、增加消費者接受度并降低成本。更精確地預測需求生成式 AI 利用大量非結構化數據來創建準確的需求預測，從而將需求預測的實用性和準確性提升到全新水平。根據 IBM 商業價值研究院最近開展的對標分析調研，48%的受訪高管預計生成式

15、AI 有望將預測誤差降低 20%，并將庫存持有成本降低 24%。7生成式 AI 可以預測遵守新法規的影響，并更全面地管理法規合規性。實施更具戰略性的產品規劃和產品組合管理生成式 AI 可以幫助產品規劃人員準確預測新產品是否會侵蝕現有產品的銷量。這項技術可以優化整體產品組合的選擇和收入，并指導在特定渠道推出新產品，以避免影響其他產品的銷售業績。支持運營性數字孿生生成式 AI 可支持創建表示端到端供應鏈的運營性數字孿生。在開發和推出新產品之前，數字孿生可以模擬和建模新產品的表現及其對供應鏈的影響，從而形成良性反饋循環，增加決策力。限制影響供應鏈的細微產品變更數量生成式 AI 可以幫助新產品規劃人員

16、了解消費者偏好，預測遵守新法規的影響，并更清晰準確地理解供應商條款與條件。這些及時的信息有助于減少交付給制造工廠的產品變更訂單。這些產品變更不僅會產生更高的成本，例如小幅設計改動造成材料過時或廢棄，還會導致官僚程序上的延誤和額外費用。10更全面地管理供應商和監管合規性通過總結供應鏈生態系統中供應商的表現，并結合財務和可持續性指標，生成式 AI 可以改進供應商績效報告，并發現新的毛利率增長機會。利用生成式 AI 從海量報告、日志、手冊和其他來源生成實用摘要，還可以增強消費品公司在多個市場和司法管轄區的合規能力。擴展產品生命周期管理生成式 AI 工具可以訓練和調優模型以處理產品需求、提供翻譯服務以

17、及優化設計工作流程。產品制造完成后，生成式 AI 工具還可以管理物料清單并提供工程協助。其好處包括提高效率、加速創新、增多創新、縮短上市時間以及更快地響應市場與消費者趨勢。加快產品追蹤和退貨基于生成式 AI 的自動化系統可以準確分類退貨原因、確定退貨政策優先級并更準確地預測退貨率，從而節省成本、提高客戶滿意度以及簡化物流運營。提高產品過渡規劃效率確定何時從貨架上撤下產品并用新產品替換是一項極度復雜的決策。而生成式 AI 可以創建模型來優化產品過渡計劃，從零售商和分銷渠道進行逆向分析，直到制造和包裝。決策者可以受益于多種觀點，并且可以做出對供應鏈所有環節最有利的選擇。改進貿易促銷和促銷資金管理生

18、成式 AI 可以創建戰略替代方案、分析決策參數、發現價值創造機會，以及識別和優先排序產品及組合風險，從而消除管理貿易促銷中的不確定性。改善采購和入庫物流管理借助生成式 AI，消費品公司可以實時整合關鍵采購與供應鏈數據，并總結狀態和警報信息。更快速準確地識別供應問題有助于提高制造效率。11案例研究利用 AI 助手捕獲機構知識并提高生產力英國糖業公司8 英國糖業公司是英國甜菜的獨家加工商，已有 110 多年的歷史。該公司與約 2,300 家種植商合作，每年將超過 800 萬噸甜菜加工成約 120 萬噸糖，供應量可滿足英國約 50%的市場需求。然而，由于投入成本不斷上升、天氣狀況變動、數據來源分散以

19、及員工嚴重依賴同事的經驗，英國糖業公司需要采用一種更有效的方式在組織各個層面上共享機構知識。許多經驗豐富的專家已到達或接近退休階段，保存和分享他們的知識變得越來越重要。為了及時捕獲這些專家的知識和專業技能，英國糖業公司決定探索如何將運營數據與 AI 相結合，以增強知識搜索能力并快速總結數以千計的數據點。其目標是實現運營優先級排序，并快速解讀復雜文檔?，F在，借助針對移動應用進行了優化的概念驗證生成式 AI 助手，運營員工可以在 10 到 20 秒內獲得所需的詳細答案，而以前需要 10 到 20 分鐘。英國糖業公司還進一步開發了更多的生成式 AI 功能，可支持為業務網絡的數字孿生提供信息，優化智能

20、工廠運營，以及建立跨多個站點的控制塔視圖來監控預測性維護工作、作物產量、供應鏈計劃和運營績效。11“借助生成式 AI，我們的解決方案可以通過語言處理數百萬個數據點（這是所有決策的基礎），從而顯著增強人類能力，并實現顛覆性的制造效率和創新能力?！盌aniel Simkiss，英國糖業公司工業 4.0 負責人12越來越多的消費品公司開始意識到生成式 AI 在優化新產品推出和供應鏈運營方面的潛力，同時在采用過程中也面臨與其他行業類似的挑戰。通過分析消費品行業高管指出的六大障礙，我們發現與數據相關的問題占其中一半。為了做出數據驅動的決策，理解數據至關重要。數據的性質和質量還將決定傳統自動化、機器學習(

21、ML)或生成式 AI 是否是解決特定問題的最有效方法。從戰略契合度來看，生成式 AI 并不是一把“萬能鑰匙”。傳統自動化和機器學習在許多應用場景中仍然是關鍵性技術。由于缺乏明確的標準，51%的受訪消費品首席執行官推遲了投資決策。此外，63%的受訪首席執行官表示在一個或多個核心戰略領域缺乏一致的標準，例如數據、隱私和可持續性。9就明確的標準達成一致并提供有關客戶、市場和運營的及時可靠數據是消費品行業的命脈。有效的標準制定流程以及數據管理與治理對于訓練和運行成功采用生成式 AI 所需的模型至關重要。生成式 AI 在消費品行業的應用：數據和標準發揮關鍵作用13對數據準確性或偏見的擔憂財務理由/商業論

22、證不足技術能力有限生成式 AI 專業能力不足對數據和信息隱私/保密性的擔憂可用于定制模型的專有數據不足52%49%46%45%44%40%圖 3采用生成式 AI 的六大障礙信息來源：未發布的 IBM 商業價值研究院研究。對 225 名全球零售和消費品高管的調研。14案例研究利用 AI 簡化不同地區的監管管理全球性消費品公司10 這是一家市值數十億美元的全球性消費品公司，業務遍及歐洲、亞太地區、中東、非洲和美洲地區。該公司在嚴格監管的農產品行業中開展業務，投入大量資源來管理不同地區的監管合規，應對不斷變化的法規，并將合規性整合到產品開發流程中。為了幫助其產品合規和開發團隊減少繁重的手動工作，并騰

23、出更多時間來開展戰略性工作，該公司開發了一款生成式 AI 賦能的法規助手。該解決方案具有對話式用戶界面，可實現高效、準確的監管管理，為影響全球運營的 1,000 多項法規提供單一可靠信息源。借助該法規助手，產品合規員工能夠在數分鐘內預測法規意圖的影響，總結監管要求，并比較全球范圍內的各項法規，而這在過去通常需要數小時或數天時間。AI 工具還讓產品開發人員能夠在無縫的對話過程中分析法規對產品組合的影響、評估解決方案選項以及查詢產品規格。到目前為止，該法規助手已實現其概念驗證目標 證明生成式 AI 能夠在數分鐘內整理法規數據，推動更緊密的跨境協作，助力整個企業實現成功的監管流程。該工具還有望在未來

24、五年內推動效率提升 8%至 13%，推動生產率提高 10%至 15%，并推動利潤增長超過 1.65 億美元。1415預測影響從多種渠道捕獲監管意圖并預測其對產品組合的影響?？偨Y要求總結國際法規，并提出問題以快速理解法規要求。比較法規比較舊法規和新法規，迅速識別影響評估流程中的重點關注領域。查詢規格按成分查詢產品規格，了解監管變化會如何影響產品組合中的產品。評估創新了解產品變更會如何影響全球市場的表現，以評估產品創新的影響。建議更改審查與法規相關的產品變更，并優先考慮可實現最佳績效的產品變更。圖 4生成式 AI 助手如何增強和 加快監管合規1516越來越多的企業領導者不再將可持續發展和運營視為單

25、獨或相互競爭的領域，而是會竭力優化投資和工作，力爭同時實現兩個領域的業務目標。五分之三的消費品行業高管表示會有意識地將可持續發展目標與業務運營目標相融合。11產品生命周期中的大部分可持續性成本及其碳足跡都是在設計階段確定的。如果在產品生命周期的早期階段考慮到可持續性因素，這些因素就更有可能融入運營并創造更大的業務效益。正是因此，在關鍵的新產品導入規劃和產品開發階段使用生成式 AI 工具，可以對可持續性和運營目標做出快速、長期且重大的貢獻。下面列出了一些數據：69%的受訪消費品行業高管表示，生成式 AI 對于其可持續發展議程非常重要。12 73%的受訪組織計劃增加對生成式 AI 的投資以推動可持

26、續發展。13與提升運營效率一樣，企業需要建立數據平臺和基礎架構，并將這些寶貴信息轉化為可為決策者提供切實指導的洞察。在運營中嵌入可持續性的組織能夠更有效地將數據轉化為可持續發展效益，而且 83%的受訪高管認為高質量的數據和透明度對于實現可持續發展目標必不可少。14企業高管普遍認識到，生成式 AI 為挖掘數據的可持續性潛力創造了新的機會，83%的受訪高管認為其組織更有可能利用數據能力在可持續創新和產品/服務開發方面創造重大效益。15 此外，56%的受訪消費品行業高管表示，具有可視化功能的生成式 AI 模型將實時發現供應鏈瓶頸。16在運營中嵌入 AI 和可持續發展以改善效益17案例研究通過技術整合

27、打造更具 可持續性的供應鏈物流智能綠色托盤17 托盤在供應鏈中發揮重要作用，可以更快地批量運輸產品。然而，追蹤托盤的能力仍然比較有限。承運商有時在運輸的關鍵階段提供信息，但這種監控不足以實時跟蹤貨物狀態。目前，40%的公司在其供應鏈中使用物聯網技術來追蹤貨物和監控儲存條件。這些信息通常僅供內部使用。不過，借助區塊鏈技術（一種可靠且安全的分布式數字賬本），這些信息可以提供端到端的可追溯性。這還有助于消除或減少分銷渠道中出現產品質量損失或損壞的影響?！爸悄芫G色托盤”計劃利用區塊鏈技術實現全面的可追溯性，從而減少糾紛，更好地監控貨物質量，并大幅節省運輸和托盤管理成本。智能綠色托盤配備實時傳感器，通過

28、接入區塊鏈和物聯網來報告托盤貨物的位置和狀態，同時具備可持續性優勢。通過將已回收、可再循環和可重復使用的托盤與物聯網和區塊鏈相結合，企業可以優化每個托盤的生命周期，從而改善環境 保護。隨著企業采用物聯網和區塊鏈技術并應用 AI 解決方案從收集的數據中獲取洞察，智能綠色托盤可以為供應鏈可持續性做出日益重要的貢獻。1718 行動指南建立可信的數據基礎，充分釋放生成式 AI 的潛力。強大的數據基礎對于基于專有信息構建和調優 AI 模型至關重要，這些數據將為您的品牌賦予差異化優勢。開展數據評估，理解在哪些情況下使用傳統自動化或機器學習技術來處理高質量結構化數據可創造更大效益，而在哪些情況下更適合采用生

29、成式 AI 來處理非結構化數據。大處著想，小處著手。確定生成式 AI 或機器學習是不是最佳方案。評估當前的新產品導入流程并確定最具改進潛力的初始應用場景。使用傳統自動化技術處理日常任務，利用機器學習執行預測性任務；而對于受益于自然語言理解或創意內容生成的應用場景，則采用生成式 AI 來確保能夠更輕松地訪問復雜數據并從中提取切實可行的洞察。通過透明度建立用戶信任。確保用戶理解生成式 AI 系統及其決策過程。這將增加對數字助理和其他增強型工具的信任和信心。復雜的 AI 模型對用戶而言就像是“黑箱”，因而難以實現透明度。根據用戶反饋和績效指標審查和優化解決方案，確?？蓾M足業務需求。盡早與合作伙伴和利

30、益相關者積極合作。如果供應商、制造商和采購經理等相關方開始分享流程和創新相關信息，并使用生成式 AI 分析這些數據，這將加速產品開發，并擴大所有相關方的業務機會。如果能提前發現問題和機會，產品成功推出的可能性就會增加，而成本高昂的后續整改需求則會減少。設計良好的用戶體驗，并創造關鍵時刻。設計直觀、易于人機交互的系統，例如在交互式信息中心為供應鏈經理簡化復雜的數據洞察。平衡簡單性與功能性可能會頗具挑戰，而過于復雜的系統可能會阻礙用戶采用。將新產品推出作為整個產品生命周期的一部分來管理，并從一開始就確保產品具有可持續性。積極運用可持續發展數據和洞察來改善企業和生態系統的績效，了解特定生成式 AI

31、用例如何創造更大價值或引入風險。運用生成式 AI 來發現模式并從中揭示基于可持續發展指標和數據的更優定價、預算和激勵機制。19相關報告無處不在的人工智能徹底變革零售業：消費者不會等待。IBM商業價值研究院，2024年1月。https:/ CEO 調研：CEO 必須面對的六個殘酷事實。IBM商業價值研究院，2024年1月。https:/ 商業價值研究院IBM 商業價值研究院(IBV)站在技術與商業的交匯點，將行業智庫、主要學者和主題專家的專業知識與全球研究和績效數據相結合，針對公共與私營領域的關鍵議題提供可信的戰略洞察。訪問 IBM 商業價值研究院中國網站，免費下載研究報告：https:/ IB

32、M，我們積極與客戶協作，運用業務洞察和先進的研究方法與技術，幫助他們在瞬息萬變的商業環境中保持獨特的競爭優勢。關于專家洞察專家洞察代表了思想領袖對具有新聞價值的業務和相關技術主題的觀點和看法。這些洞察是根據與全球主題專家的對話總結得出。要了解更多信息，請聯系 IBM 商業價值研究院：201.Why 95%of new products miss the mark.MIT Professional Education.2024 https:/professionalprograms.mit.edu/blog/design/why-95-of-new-products-miss-the-mark-

33、and-how-yours-can-avoid-the-same-fate/2.Botwright,Kimberley and Spencer Feingold.“EU governments back human rights and environmental due diligence law for supply chains.”World Economic Forum.March 27,2024.https:/www.weforum.org/agenda/2024/03/eu-human-rights-environment-due-diligence-supply-chains/#

34、:text=The%20directive%20will%20require%20large,protection%20across%20their%20supply%20chains.3.“Fragrances from big data.”Symrise website.Accessed May 17,2024.https:/ IBM internal project assessment.5.Unpublished IBM Institute for Business Value cross-industry report on AI.6.Ibid.7.“Performance data

35、 and benchmarking.”IBM Institute for Business Value.April 2024.https:/ IBM internal project assessment.9.Abbosh,Oday,Christina Shim,Elisabeth Goos,Arun Biswas,Romas Pencyla,and Jacob Dencik,PhD.Beyond checking the box:How to create business value with embedded sustainability.IBM Institute for Busine

36、ss Value.February 2024.https:/ibm.co/sustainability-business-value10.Unpublished IBM internal project assessment.11.Chambers,Jon,Sachin Gupta,Ursula Heng,Mahesh Dodani,and Jane Cheung.Redesigning brand values:Purpose and profit converge in core operations.IBM Institute for Business Value.April 2023.

37、https:/ibm.cosustainable-operations-consumer-products12.The CEOs Guide to Generative AI:Sustainability.IBM Institute for Business Value.November 2023.https:/ibm.co/ceo-generative-ai-sustainability13.Ibid.14.Ibid.15.Ibid.16.The CEOs Guide to Generative AI:Supply chain.IBM Institute for Business Value

38、.November 2023.https:/ibm.co/ceo-generative-supply-chain17.Unpublished IBM IBV internal project assessment.備注和參考資料21 Copyright IBM Corporation 2024國際商業機器（中國）有限公司北京市朝陽區金和東路 20 號院 3 號樓正大中心南塔 12 層郵編：100020美國出品|2024 年 7 月IBM、IBM 徽標和 是 International Business Machines Corporation 在世界各地司法轄區的注冊商標。其他產品和服務名稱可

39、能是 IBM 或其他公司的商標。以下 Web 站點上的“Copyright and trademark information”部分中包含了 IBM 商標的最新列表： 可能隨時對其進行 更改。IBM 并不一定在開展業務的所有國家或地區提供所有產品或服務。本文檔內的信息“按現狀”提供，不附有任何種類的（無論是明示的還是默示的）保證，包括不附有關于適銷性、適用于某種特定用途的任何保證以及非侵權的任何保證或條件。IBM 產品根據其提供時所依據的協議條款和條件獲得保證。本報告的目的僅為提供通用指南。它并不旨在代替詳盡的研究或專業判斷依據。由于使用本出版物對任何企業或個人所造成的損失，IBM 概不負責。本報告中使用的數據可能源自第三方，IBM 并未對其進行獨立核實、驗證或審查。此類數據的使用結果均為“按現狀”提供，IBM 不作出任何明示或默示的聲明或保證。WLQVBQBQ-ZHCN-00本文件由獲得森林管理委員會(FSC)產銷監管鏈認證的印刷商使用生物基油墨在不含氯的再生消費后紙張上印刷。制造這種紙張和印刷品的能源是通過可再生綠色能源產生的。請回收。掃碼關注 IBM 商業價值研究院官網微博微信公眾號