定制报告-个性化定制-按需专项定制研究报告
行业报告、薪酬报告
联系：400-6363-638
《IBM：2025将AI融入品牌基因：从产品到生态系统的全面创新研究报告（24页）.pdf》由会员分享，可在线阅读，更多相关《IBM：2025将AI融入品牌基因：从产品到生态系统的全面创新研究报告（24页）.pdf（24页珍藏版）》请在薪酬报告网上搜索。
1、IBM 商业价值研究院|研究洞察将 AI 融入品牌基因 从产品到生态系统的全面创新2一百多年来，IBM 一直致力于提供专业知识来帮助零售和消费品企业赢得市场。IBM 研究人员和咨询人员构建了诸多创新型解决方案，帮助客户通过为消费者提供卓越的品牌和门店体验，与渠道伙伴更有效的合作，更好地实现供需平衡，而变得更加以消费者为中心。IBM 提供全面的行业解决方案组合，包括商品销售规划、供应链管理、全渠道零售和高级分析，旨在帮助客户加快实现价值。我们的业务能力涵盖全球 170 多个国家或地区，可帮助品牌商和零售商预测变化，把握新的商机。如需详细了解我们的零售和消费品行业解决方案，请访问：https:/
2、和 https:/ 如何提供帮助1未来一年，零售和消费品行业高管计划将 AI 应用于多个业务领域，全面升级各个环节，从品牌定位到核心运营实现跨越式提升。然而，想成为 AI 驱动的组织，就需要转变传统的思维方式，探索 AI 带来的深层变革，不能仅局限于生产力的提升。未来一年，高管们计划在 13 个业务领域中广泛应用 AI，以助力业务升级与优化。然而，高管们预测仅 31%的员工需要接受再培训或掌握新技能，这远远低估了 AI 转型对员工技能的需求。近 90%的高管表示其组织为 AI 治理建立了明确的组织结构、政策和流程。然而，只有不到 25%的组织全面实施并持续审查 AI 治理工具，这对品牌信任度构
3、成了潜在风险。品牌正从采用 AI 转变为将 AI 融入品牌基因，利用 AI 的独特优势让品牌在竞争中脱颖而出。摘要2消费者已进入 AI 时代，您的品牌是否跟上了步伐？消费者是技术潮流的先锋，而品牌唯有紧随其后，方能保持市场竞争力。如今，AI 已深入日常生活，消费者在日常生活中频繁使用 AI 技术，无论是使用 AI 搜索引擎，还是通过生成式 AI 工具创作内容。IBM 商业价值研究院 2024 年的调研报告显示，近三分之二的客户已体验，或计划尝试使用 AI 技术。1 客户的强烈兴趣促使零售和消费品企业加速 AI 整合，将 AI 融入品牌核心，通过 AI 技术重塑业务流程、提升客户忠诚度以及拓展客
4、户消费潜力，从而建立长期的竞争优势。我们针对 1,500 位全球零售和消费品行业高管开展了一项调研，结果表明受访组织正在加速采用 AI 应用。无论是传统 AI 还是生成式 AI，都已在组织的各个职能领域初步落地。AI 的应用场景涵盖从市场营销、客户服务到供应链管理、采购，再到财务和 IT 运营，全面涉及品牌塑造、业务优化及企业运营管理。展望 2025 年，大多数高管对 AI 寄予厚望，认为 AI 将广泛应用于全业务领域（见图 1）。行业高管指出，AI 支出将持续增长（请参见“观点：AI 支出从 IT 扩展到其他领域”）。高管们还预计，从 2023 年到 2027 年，AI 对业务增长的贡献度将
5、提升 133%。零售和消费品组织正处于 AI 发展的关键时刻。问题是，这些组织是积极转型为 AI 驱动的品牌，还是仅仅依靠临时性的 AI 解决方案来追求短期收益？是时候突破局限了组织不仅要关注效率提升，还需要全面释放 AI 的影响力，从而优化流程效能，构建新型商业模式与生态系统，提升员工与客户的体验和参与感。行业高管预计，从 2023 年到 2027 年，AI 对业务增长的贡献度将提升 133%。计划在未来 12 个月内一定程度或很大程度使用 AI 的组织所占百分比品牌定义领域市场营销与客户体验数字化商务商品管理门店运营产品设计和开发客户服务79%76%89%86%86%85%业务赋能领域供应
6、链运营采购生产和制造可持续发展90%87%86%83%企业运营财务90%90%88%人力资源IT 与安全性3图 12025 年，零售与消费品组织将在各领域广泛应用 AI。百分比代表每个职能领域中一组任务的平均答复，基于问题：“您在这项活动中使用 AI 或生成式 AI 的程度如何？”受访者回答“一定程度”或“很大程度”。4本报告将讨论三个核心因素，帮助组织实现深度转型，让 AI 成为决策制定、创新优化与战略实施背后的核心驱动力。第一部分分析了如何兼顾马拉松式的长期发展与冲刺式的短期行动，从而实现从“AI 辅助”到“以 AI 为核心”的转型。第二部分强调了组织需要对员工进行技能培训，帮助其有效使用
7、 AI 技术，适应 AI 转型。第三部分探讨了如何维护消费者信任这一关键议题。报告每一部分都提供了切实可行的行动指南，并通过具体的案例分析，帮助品牌推进 AI 转型。定义传统 AI能够理解、推理、学习和交互的系统。其技术包括机器学习（ML）、推理、规划、调度和优化等。生成式 AI一种机器学习方法。通常采用无监督或自主监督学习模式，能够生成内容或数据，如音频、代码、图像、文本、模拟、3D 模型及视频。生成式 AI 的最新示例包括 GPT-4（语言）、DALL-E（图像）、GitHub Copilot（代码）和 AlphaFold（科学蛋白质折叠）。AI 预算分配模式正经历重大变革。尽管 IT 领
8、域仍是 AI 支出的重要部分，但零售和消费品行业高管们表示，AI 支出的重心正逐步从 IT 扩展到其他领域。AI 不仅仅是一种技术工具，各部门已将其纳入整体业务解决方案，从创意营销工具到门店员工赋能，再到仓储管理系统的优化，不一而足。未来一年，高管预计专门用于 AI 的 IT 预算将增长 19%，而 IT 预算外的 AI 支出增幅则高达 52%。到 2025 年，专门用于 AI 的 IT 支出将占收入的 1.04%，而 IT 预算外的 AI 支出将占收入的 2.28%。两项合计，明年 AI 支出将占收入的 3.32%。这意味着收入为 10 亿美元的企业需投入 3,320 万美元用于 AI。在零
9、售和消费品组织的 13 个职能领域中，最高管理层需要全盘掌握各领域的投资动态，并协同平台和工具，实现企业运作透明化。IT 部门和业务部门必须通力合作，避免资源浪费，并确保与整体业务战略保持一致。观点AI 支出从 IT 扩展到其他领域5只有 54%的高管认为 AI 能够推动其企业的运营模式创新打造经久不衰的智能品牌消费品行业需要平衡长期规划与短期行动。几乎所有行业高管都希望 AI 能够推动产品与服务的创新（89%），以及商业模式的变革（85%）。然而，仅有 54%的行业高管认为 AI 能够推动运营模式的创新。在供应链、制造、分销、财务及合规领域借助 AI 进行运营转型，是打造以 AI 为核心的品
10、牌的关键。这一转型既需长期规划，也需短期行动。从基础的 AI 用例扩展至跨职能的全面协同，从而实现可持续价值。大多数组织仍处于 AI 应用的初级阶段，仅在单一职能领域进行整合。例如，88%的组织在一定程度或很大程度上将 AI 技术应用于需求预测，87%的组织应用于人力资源服务，84%的组织应用于 IT 问题解决，84%的组织应用于促销策划和管理，81%的组织应用于库存和订单管理，80%的组织应用于生产活动优化。这些都是能够对日常运营产生直接影响的速赢项目。然而，企业计划在未来一年内探索更高级的 AI 用例。企业将逐步从单一部门内部使用的有限集成转型为更复杂的多功能、跨部门应用，这需要加强外部协
11、作、系统整合，以及人力介入与监管。以虚拟助手为例（见图 2）。最初，虚拟助手仅限于回答预设的基础问题，如订单状态和发货进度。通过与订单系统进行深度整合，虚拟助手能够检测订单延迟或遗漏，并提供补货选项及店内库存信息。结合客户购物历史数据及生成式 AI 技术，虚拟助手能够实时生成个性化产品推荐和定制内容。Camping World 开发的虚拟助手 Arvee，整合了 Oracle 和 Salesforce 平台，能够快速获取客户信息，高效解决问题。2 第一部分：6高管们计划迅速推进 AI 在企业范围内的复杂用例。在客户服务领域，利用 AI 进行个性化响应与后续服务的企业预计在未来一年内将使用规模提
12、升 236%。此外，在综合业务规划中，企业预计将 AI 使用规模提升 82%；在人才招聘中，将 AI 使用规模提升 300%。我能够实时查询并反馈物流状态和跟踪数据。连接订单管理和库存系统后，我能够为客户提供补货选择及门店自提方案。结合客户信息和购物记录，我能够为客户实时生成个性化产品推荐和定制内容。图 2品牌利用更全面且相关的企业数据，为虚拟助手赋能，以实现高度个性化的客户服务响应。7组织在推进 AI 战略的同时，加速构建 AI 工具与模型集成的平台体系。当前，企业在打造 AI 基础架构时，重点关注数据分析（65%）、创新（64%）及技能学习（62%）等相关平台。以现有平台为基础，扩展更多功
13、能化平台，将实现 AI 跨职能的协同管理，并促进跨部门学习，推动 AI 在全企业范围的扩展。未来三年，高管们计划实现 AI 与业务伙伴的深度整合，将生态平台的使用规模从 52%增长至 89%。以产品合规生态系统为例，通过全流程 AI 合规管理，品牌可以确保产品生命周期的每个环节符合动态监管要求、消费者安全以及可持续发展需求。该生态系统采用先进的业务规则引擎和自动化物料清单生成技术，能够优化产品生命周期管理，确保产品以最少的人工干预快速上市。未来三年，高管们计划实现 AI 与业务伙伴的深度整合，将生态平台的使用规模从 52%增长至 89%。Kroger 采用 AI 技术优化客户取货体验。3多年来
14、，Kroger 始终通过数据与高级分析推动业务创新。数十年来，Kroger 的忠诚度计划基于授权数据，持续为客户提供可信的价值回馈。如今，Kroger 借助机器学习技术，覆盖 1.5 亿客户接触点，为数百万忠实客户提供个性化的优惠方案和沟通体验，累计发放 19 亿张个性化优惠券。近期，Kroger 尝试利用 AI 优化客户体验，尤其是订单取货环节。借助 AI 动态分批处理技术，该系统每秒可分析 20 万个托盘，设计出最优的取货推车方案。该技术能够确定店内最优取货路径，减少了 10%的取货步骤。借助订单动态分批功能，这些工具优化了员工取货路径，帮助 Kroger 大幅缩短高流量门店的取货时长。案
15、例研究8行动指南将 AI 深度整合至运营中，打造长期可持续的品牌竞争力。2024 年 IBM IBV CEO 调研显示，70%的零售和销售品行业 CEO 认为，想在未来的竞争中脱颖而出，需要重塑组织战略蓝图。4 当您调整核心运营战略和流程，以 AI 为核心时，请考虑其长期价值。当 AI 应用不仅仅局限于简单的效率提升，组织需要制定清晰的战略规划，明确 AI 和生成式 AI 如何帮助其在竞争中脱颖而出或弥补不足。同时请牢记，消费者期待组织在追求创新的同时，坚守品牌的核心价值。若企业聚焦于提升客户体验，AI 可以提升个性化服务水平，并优化实体门店的客户体验。若产品创新是企业的核心竞争点，AI 能够
16、优化产品设计、洞察客户偏好，并评估供应商能力，从而加速创意与开发过程。关键在于把握最重要的方向，而非耗费资源尝试所有可能的 AI 用例。成为以 AI 为核心的品牌，需要主动将 IT 与长期业务目标对齐，而不是盲目追求最新技术。例如，组织采用“混合设计”策略，将应用和基础设施与业务需求深度整合，在五年内可实现三倍以上的 ROI（投资回报率）增长。5 消除财务、技术和业务部门间的壁垒，使其能够共同制定 AI 在长期竞争优势中的业务用例。6在 AI 驱动的时代，传统以供应链和产品分销为核心的战略合作模式已无法满足需求。组织需要与技术公司、初创企业及其他非传统伙伴合作，共同开发模型、构建平台和设计工具
17、。IBM IBV 的另一项调研显示，65%的组织正与战略伙伴开展合作或筹划合作，共同为生成式 AI 构建大型语言模型。7 选择合作伙伴时，请关注共同目标和愿景的一致性。选择在集成能力方面有良好实践的合作伙伴，并确保他们在项目早期阶段就能够参与决策与实施。打破常规思维，寻找能够带来新机遇的创新型合作伙伴。根据品牌的重点需求灵活调整 AI 策略。邀请财务、技术和业务团队共同参与决策。探索传统之外的合作伙伴新模式。第二部分9打造增强型员工团队AI 使各个领域（从前端门店到工厂生产线）的工作方式发生转型。然而，高管们低估了员工再培训的必要性。AI 已广泛应用于零售与消费品行业的各个工作环节。几乎所有（
18、96%）的高管表示，其团队在工作中某种程度或很大程度使用了 AI 和生成式 AI。在 AI 等新技术广泛应用的环境下，所有员工都需要接受培训，以充分释放其价值并识别可能威胁品牌的风险。然而，高管们预测仅 31%的员工需要接受再培训或掌握新技能。三年后这一比例也仅增加到 45%，这显然低估了实际需求。无论是提示工程、数据分析等硬技能，还是批判性思维与问题解决等软技能，都是打造增强型员工团队的关键所在。在新时代，AI 不会取代人类，但使用 AI 的人将会取代不使用 AI 的人。8 人才转型需要尽早规划并采取行动，其核心在于长期的培训和教育投入。否则，根据 IBM IBV 一项对 21,000 名员
19、工的调研显示：67%的员工倾向于离职，选择重视并提供新技术培训的企业。9高管们认识到，打造增强型员工团队是大势所趋，而自动化对于规则性任务和重复工作仍不可或缺。未来一年内，在市场、供应链、人力资源及 IT 等 13 个职能领域，高管们倾向于打造增强型员工团队而非单纯依赖自动化来优化活动。（见图 3）行业负责人深知，在品牌的核心领域，人类的直觉、创造力、情感和专业知识不可替代，但 AI 作为一种有力的工具，可以对其进一步增强和补充。以产品设计和开发为例，AI 能够加速创意的生成与构思过程，还能提供直观的可视化效果。同样，运营环节中的数据量庞大，需要人类监督决策，例如在供应规划中，54%的企业计划
20、打造增强型员工团队。AI 能够快速分析、处理海量数据，规划人员能够迅速解决供应短缺问题，并确保不遗漏重要信息。高管们预测仅 31%的员工需要接受再培训或掌握新技能。10图 3零售和消费品行业高管认同自动化的价值，但更倾向于以增强型员工为导向的未来发展模式。14%28%57%产品设计、开发和产品生命周期管理12%31%58%数字化商务和 B2B 销售品牌定义领域13%35%52%市场营销15%35%50%客户服务21%32%47%门店运营14%32%54%商品/品类管理企业运营12%36%52%财务10%35%54%人力资源9%40%51%IT业务赋能领域12%37%51%供应链运营14%33%
21、54%采购8%43%49%生产和制造11%35%54%可持续发展未来一年，各个领域将被自动化、增强型员工或不受影响的活动百分比不受影响自动化增强型员工百分比代表每个职能领域中一组任务的平均答复，基于问题：“您在这项活动中使用 AI 或生成式 AI 的程度如何？”受访者回答“一定程度”或“很大程度”。计划在未来 12 个月内一定程度或很大程度使用 AI 的组织所占百分比案例研究11品牌的最终目标是实现自动化与增强型员工的平衡共存。以季节性员工管理为例，AI 自动化技术能够简化招聘与排班流程，降低管理负担并有效控制支出。AI 工具可以为管理者提供人员需求的实时洞察，预测需求变化并优化排班计划。在库
22、存管理方面，AI 传感器和摄像设备能够实时跟踪库存状态，并为员工提供决策洞察，帮助减少缺货和积压风险。即使在高度自动化的领域，如客户自助服务，增强型员工也能带来额外优势。未来一年，高管们表示 55%的活动将通过增强型员工完成，而 30%则通过自动化完成。日本零售商通过 AI 赋能员工，实现利润增长并有效减少浪费10 一家日本顶尖零售商正面临食品和消费品浪费这一高成本问题，该问题削弱了其盈利能力。客户的运营团队需要借助数据洞察来制定更科学的定价策略。在企业广泛的产品运营中，价格优化过于依赖人工判断而非数据支持，致使客户预测、库存管理和折扣策略出现较大差异。这种差异导致库存管理失衡、折扣政策混乱，
23、并因食品浪费和销售机会流失造成重大利润损失。企业与 IBM 通力合作，设计了一套 AI 系统，用于价格优化，该系统能够处理海量数据，精准预测客户数量和购买模式，并制定合理的折扣方案和时间安排。目前，该企业的运营团队能够将专业经验与数据分析相结合，以优化其定价策略。价格优化系统设计灵活，能够应对不同的产品类别和销售周期，并覆盖多品类产品。品牌的最终目标是实现自动化与增强型员工的平衡共存。12行动指南打造增强型员工团队，推动品牌向以 AI 为核心方向发展。从基层理货员到办公间里的高管，AI 正在很明确地影响零售和消费品行业的几乎所有从业人员。AI 技术已经嵌入员工日常操作的工具中，如销售预测系统或
24、设计辅助工具。高管们必须确保员工能够充分利用 AI，实现其潜在价值。高管们指出，员工技能再培训由多个部门负责，包括 AI 能力中心（31%）、人力资源（22%）、AI 委员会（18%）和 IT（17%）。这种分散式管理存在隐患，容易引发员工的混乱和不满情绪。人力资源、IT 及业务团队负责人需通力合作，共同设计高效的再培训方案。人力资源部门负责管理转型，熟知企业文化，同时具备战略实施的专业知识；IT 部门提供技术知识，而业务负责人能够直接与员工开展合作，确定 AI 如何在各个业务部门增强劳动力。让联合团队直接向高管层汇报项目进展，同时设立具体的责任机制。如果您认为未来几年仅有三分之一的员工需要接
25、受技能再培训或掌握新技能，那么您显然低估了实际需求。如同对产品需求进行预测一样，您也需要预测员工在转型升级的工作环境中所需的技能。关注的不应仅仅是现有技能，还需要发掘员工的潜力。借助 AI 驱动的人力资源工具，基于员工的技能、特长、性格及个人经历，预测员工的未来表现与贡献。11尽管未来充满不确定性，但通过传递战略蓝图，能够增强员工的信心和方向感。从日常运营到品牌核心领域，AI 引发了员工的焦虑，他们担心被 AI 所取代或缺乏所需技能。与员工积极沟通，向其阐明自动化与增强型员工团队的战略规划，帮助他们了解 AI 如何为其工作带来新机遇并提升效率，从而缓解他们因技术变革产生的焦虑。企业领导者不仅要
26、认真考虑技术投资，更要认真考虑员工如何使用技术并从技术中获益。协调人力资源、IT 与业务部门，共同制定全面的再培训计划。评估并预测员工的发展潜力。描绘并传达未来工作环境的发展蓝图。13维护品牌信任在产品竞争激烈的市场中，AI 可能会提升品牌的信任度，也可能对其造成负面影响。无论是对于消费者还是行业 CEO，信任都至关重要。IBM 2024 年消费者调研报告表明，90%的消费者认为信任是选择品牌的关键因素。12 此外，IBM 2024 年 CEO 调研报告表明，73%的零售与消费品行业 CEO 认为信任对企业成功的作用大于任何单一产品或服务。13然而，AI 也可能对信任度造成负面影响，其风险波及
27、业务伙伴和客户之间的关系。客户对 AI 的态度趋于谨慎，信任度从五年前的 61%下降至如今的 53%。14 在合作伙伴生态系统中，企业需要确保其合作伙伴也采取值得信赖的 AI 技术。零售和消费品行业的高管们认识到，AI 可能带来风险，影响品牌信任度。90%的高管认为误用（如生成误导性信息）是 AI 模型的主要风险，其次是隐私问题（85%）、公平性和偏见（80%）、可解释性（76%）和透明度（73%）。例如，存在偏见的模型可能会导致客户流失。一项消费者调研表明，近三分之二的消费者因 AI 推荐中存在偏见或刻板印象而拒绝使用 AI 推荐。15与此同时，以下风险也阻碍了生成式 AI 的进一步发展。5
28、7%的高管指出，数据准确性和偏见问题是生成式 AI 发展的主要障碍之一。此外，55%的高管提及数据隐私和机密性问题，另有 54%的高管对网络安全表示担忧。尽管高管们意识到存在风险，并对此感到担忧，但组织在采用管理风险的工具方面仍面临困难。大多数企业已建立基础治理框架：87%的高管认为其 AI 治理框架清晰明确。然而，仅有不到 25%的企业全面实施了 AI 治理工具，包括评估、监控及管理功能（见图 4）。构建具有透明性和可解释性的解决方案，让消费者理解 AI 工作原理，是赢得消费者对 AI 信任的关键。第三部分90%的高管将 AI 误用视为当前的首要问题。14图 4仅有少数品牌全面实施 AI 治
29、理工具，以支持政策和活动的管理。Figure 4Few brands have robust implementation of tools to help them manage their AI governance policies and activities.实施先进工具90%构建了可解释且易于理解和审计的 AI 模型。24%全面实施了 AI 透明性和可解释性工具的高级部署84%明确了参与 AI 项目的所有利益相关者的角色和责任。11%全面实施了 AI 透明性和可解释性工具77%定期进行风险评估，以识别潜在的安全威胁26%全面实施了 AI 风险和安全工具的高级部署87%建立了明确的
30、AI 治理组织框架、政策和流程。23%全面实施了 AI 治理框架或政策工具的高级部署AI 治理方法91%评估了伦理影响，分析了 AI 项目对不同利益相关者的影响。16%全面实施了 AI 偏见和公平性工具问：您在多大程度上同意以下关于您组织 AI 治理方法的陈述？百分比表示回复“同意”和“非常同意”的受访者比例。问：贵组织在多大程度上实施了以下工具，以评估、监控和管理相关内容？百分比表示回复“已全面实施并定期更新”的受访者比例。案例研究15百事可乐（PepsiCo）采用结构化方法，确保 AI 技术在扩展过程中始终是负责任、符合伦理的。该企业首先构建了正式的负责任 AI 框架，并组建了专业团队提供
31、支持。专业团队进一步完善政策，制定标准操作规范，推动 AI 原则付诸实践。治理委员会以负责任 AI 原则为标准，评估、验证、审批生成式 AI 用例，分享推广经验，并协助规避风险。企业计划构建一个综合平台，全面管理 AI 模型的输入、输出及相关流程。16尽管法规致力于推动 AI 发展，但因各司法辖区间缺乏统一指南，实施过程变得更加复杂，计划推进也受到阻碍。事实上，近一半（46%）的行业 CEO 表示，过去半年内对法规成为生成式 AI 发展障碍的担忧有所增加。17然而,AI 能够协助企业简化复杂流程。借助自动化的法规监控与分析，AI 可以帮助企业迅速发现问题，并实施整改。未来一年，高管们计划大幅提
32、升 AI/生成式 AI 的应用力度，以有效应对复杂的监管环境，提高合规效率。AI 在产品设计和开发领域的应用将从 53%升至79%，可持续发展领域从 74%增至 88%，在财务及法规监控与报告领域的使用规模将从 66%提高至 94%。利用生成式 AI 简化不同地区的监管管理18一家市值数十亿美元的全球消费品企业运营着农产品行业，因此需要遵循许多复杂的法规，以确保其操作合规。企业投入大量资源来管理不同地区的监管合规，应对不断变化的法规，并将合规性整合到产品开发流程中。为了帮助其产品合规和开发团队减少繁重的手动工作，并腾出更多时间来开展战略性工作，该企业与 IBM 携手合作，开发了一款生成式 AI
33、 赋能的法规助手。该解决方案具有对话式用户界面，为影响全球运营的 1,000 多项法规提供单一可靠信息源。借助该法规助手，产品合规员工能够在数分钟内预测法规意图的影响，总结监管要求，并比较全球范围内的各项法规，其效率显著高于人工处理。AI 工具还让产品开发人员能够在对话过程中分析法规对产品组合的影响、评估解决方案选项以及查询产品规格。到目前为止，该法规助手已证明，生成式 AI 能够快速整理法规数据，推动更紧密的跨境协作，助力整个企业实现成功的监管流程。该工具还有望在未来五年内推动效率提升 8%至 13%，推动生产率提高 10%至 15%，并推动利润增长超过 1.65 亿美元。未来一年，高管计划
34、在产品设计和开发领域将 AI 和生成式 AI 的使用规模从 53%提升至 79%，以更有效地管理监管合规。16行动指南采用值得信赖的 AI，打造个性化品牌。以客户为中心的企业必须将其政策中关于负责任 AI 的原则落到实处。企业应优先确保内部 AI 应用是负责任的、可信的，然后再扩展至面向客户的应用，以免出现信任危机对品牌造成负面影响。通过制定明确的监控指南，确保 AI 系统在透明性和可解释性方面避免歧视性偏差。例如，可以定期检查客户历史购买数据，识别并解决潜在的刻板印象和社会偏见。通过培训加强人机协作，帮助员工识别和管理 AI 中的公平性和偏见问题。确保 AI 开发团队的成员来自不同的背景和经
35、验。构建数据治理框架，强化数据溯源能力，确保数据真实可靠。记录偏见缓解的具体措施，建立针对偏见问题的反馈机制，并持续将反馈用于系统优化。通过 AI 解决方案捕捉法规动态并预测其影响，帮助企业应对全球动态的法规环境。选择能够支持从治理到法规合规全流程管理的 AI 开发工具。积极比较旧法规和新法规，迅速识别影响评估流程中的重点关注领域。使用自动化工具实时更新并优化审计流程。保持开放透明，明确数据收集与 AI 使用情况，以增强客户信任。提供客户退出选项，并以通俗语言解释技术内容，避免过度使用专业术语。主动与业务伙伴探讨 AI 战略与实施计划。向公众证明您对 AI 实践负有责任，同时要求合作伙伴同样对
36、 AI 实践承担责任。优化算法以去除偏见。采用 AI 积极应对复杂的法规合规性问题。对客户和合作伙伴保持开放透明的 AI 使用情况。17作者Dee Waddell消费品，旅游和交通运输行业全球负责人IBM Consulting Dittmar高级合伙人，零售和分销行业负责人IBM C Haller合伙人，消费品行业专家中心负责人IBM ConsultingKarl.H Didaskalou消费品行业专家中心合伙人IBM C Cheung消费品行业全球研究负责人IBM 商业价值研究院 Consulting:Arnab Bag，分销市场混合云转型服务线负责人Rich Berkman，副总裁，全球销
37、售与商务解决方案负责人Amy Blasco，数字化战略合伙人Olga Carames，合伙人兼分销行业客户转型负责人Jon Chambers，合伙人，供应链转型负责人，EMEAGlenn Dittrich，人才与转型高级合伙人Jerry Edmunds，高管顾问，消费品专家中心Shantha Farris，全球数字商务战略与产品负责人Jose Hernandez，全球 SAP 消费品行业负责人Mark Meister，供应链转型合伙人Steve Miszkewycz，全球行业，分销与全球销售Steve Muszak，网络安全合伙人Colm OBrien，全球消费品行业专家中心合伙人Elaine
38、 Parr，消费品行业副总裁，EMEAJessica Scott，全球可持续发展服务专家中心负责人IBM 商业价值研究院：Thiago Sartori，数据科学家Hebatalla Nashaat，数据和内容管理负责人Steve Ballou，IBV 研究中心主任Kathleen Martin，高级咨询经理Joanna Wilkins，编辑团队负责人Sara Aboulhosn，创意副总监Angela Finley，设计主管18IBM 商业价值研究院IBM 商业价值研究院(IBM IBV)成立二十年来，凭借 IBM 在商业、技术和社会交叉领域的独特地位，每年都会针对成千上万高管、消费者和专家展
39、开调研、访谈和互动，将他们的观点综合成可信赖的、振奋人心和切实可行的洞察。需要 IBV 最新研究成果，请在 上注册以接收 IBV 的电子邮件通讯。您可以在 Twitter 上关注 IBMIBV，或 通 过 https:/ibm.co/ibv-linkedin 在 LinkedIn 上联系我们。访问 IBM 商业价值研究院中国官网，免费下载研究报告：https:/ IBM，我们积极与客户协作，运用业务洞察和先进的研究方法与技术，帮助他们在瞬息万变的商业环境中保持独特的竞争优势。研究方法IBM 商业价值研究院（IBM IBV）联合牛津经济研究院，在 2024 年第三季度针对来自全球 15 个国家的
40、 1,500 名零售和消费品行业高管开展了一项访谈式调研。调查样本中，50%受访者为零售行业高管，40%为消费品行业高管。受访者需要分别评估一系列不同形式的问题（如多项选择、数字型问题、李克特量表等）。问题内容涉及其组织对企业内部及其生态系统合作伙伴中扩展或计划扩展 AI/生成式 AI 的预期、结果、担忧和困难。为了实现这一目标，IBM 商业价值研究院进行了系列对比分析，分析方法包括成对比较以及使用层次聚类的数据分类，以突出报告中所示的结果差异。所有分析的显著性水平设定为（p 0.05）。关于研究洞察研究洞察致力于为业务主管就公共和私营领域的关键问题提供基于事实的战略洞察。洞察根据对自身主要研
41、究调查的分析结果得出。要了解更多信息，请联系 IBM 商业价值研究院：。19相关报告利用生成式 AI 增强竞争优势整合产品开发、供应链和可持续性 IBM 商业价值研究院，2024 年 6 月 https:/ibm.co/generative-ai-consumer-products The enterprise guide to AI governance:Three trust factors that cant be ignored.IBM Institute for Business Value.October 2024.https:/ibm.co/ai-governance 无处不在的
42、人工智能彻底变革零售业：消费者不会等待 IBM 商业价值研究院，2024 年 1 月 https:/ 1 Niazi,Luq;Joe Dittmar;Karl Haller;Mahesh Dodani,PhD;and Jane Cheung.Revolutionize retail with AI everywhere:Customers wont wait.IBM Institute for Business Value.January 2024.https:/ibm.co/ai-retail2“Driving a reimagined customer experience with an
43、 AI-powered virtual assistant.”IBM case study.Accessed November 26,2025.https:/ Bean,Randy.“How Kroger Is Using Data And AI To Drive Innovation In The Grocery Industry.”Forbes.August 26,2024.https:/ ROI remedy:How hybrid by design can improve business returns on your tech investments.IBM Institute f
44、or Business Value.October 2024.https:/ibm.co/hybrid-by-design-ROI-remedy5 2024 Global C-suite Series.6 blind spots tech leaders must reveal:How to drive growth in the generative AI era.IBM Institute for Business Value.July 2024.https:/ibm.co/cxo-tech6 Better together:How hybrid by design fuels your
45、ecosystem engine.IBM Institute for Business Value.August 2024.https:/ibm.co/hybrid-by-design-business-ecosystems7 2024 Global C-Suite Series.6 hard truths CEOs must face:How to move forward with courage and conviction in the age of AI.IBM Institute for Business Value.May 2024.https:/ibm.co/c-suite-s
46、tudy-ceo.Unpublished data for 281 fast-moving consumer goods and retail CEOs.8 Goldstein,Jill,Bill Lobig,Cathy Fillare,and Christopher Nowak.Augmented work for an automated,AI-driven world:Boost performance with human-machine partnerships.IBM Institute for Business Value.August 2023.https:/ibm.co/au
47、gmented-workforce9 Engaging talent in 2023:Employee expectations and motivations.Webinar.IBM Institute for Business Value.September 2023.10 Based on internal IBM information.11 Goldstein,Jill,Chris Havrilla,Chacko Thomas,and Cathy Fillare.Reimagine human potential in the gen AI era:Revolutionizing w
48、ork to boost business value.IBM Institute for Business Value.September 2024.https:/ibm.co/human-potential-genai12 Niazi,Luq;Joe Dittmar;Karl Haller;Mahesh Dodani,PhD;and Jane Cheung.Revolutionize retail with AI everywhere:Customers wont wait.IBM Institute for Business Value.January 2024.https:/ibm.c
49、o/ai-retail13 2024 Global C-Suite Series.6 hard truths CEOs must face:How to move forward with courage and conviction in the age of AI.IBM Institute for Business Value.May 2024.https:/ibm.co/c-suite-study-ceo.Unpublished data for 281 fast-moving consumer goods and retail CEOs.14 Swant,Marty.“AI Brie
50、fing:Falling trust in AI poses a new set of challenges.”Digiday.March 11,2024.https:/ consumers want retailers to make AI more diverse,equitable,and inclusive,according to new Talkdesk research.”Talkdesk press release.January 18,2024.https:/ Based on internal IBM information.17 Varshney,Shobhit.“Pep
51、siCos journey towards responsibly scaling AI.”LinkedIn blog post.June 2,2024.https:/ 2024 Global C-Suite Series.6 hard truths CEOs must face:How to move forward with courage and conviction in the age of AI.IBM Institute for Business Value.May 2024.https:/ibm.co/c-suite-study-ceo.Unpublished data for
52、 281 fast-moving consumer goods and retail CEOs.Copyright IBM Corporation 2025国际商业机器（中国）有限公司 北京市朝阳区金和东路 20 号院 3 号楼 正大中心南塔 12 层 邮编：100020美国出品|2025 年 1 月IBM、IBM 徽标和 是 International Business Machines Corporation 在世界各地司法辖区的注册商标。其他产品和服务名称可能是 IBM 或其他公司的商标。以下 Web 站点上的“Copyright and trademark information”部分
53、中包含了 IBM 商标的最新列表： 可能随时对其进行更改。IBM 并不一定在开展业务的所有国家或地区提供所有产品或服务。本文档内的信息“按现状”提供，不附有任何种类的（无论是明示的还是默示的）保证，包括不附有关于适销性、适用于某种特定用途的任何保证以及非侵权的任何保证或条件。IBM 产品根据其提供时所依据的协议条款和条件获得保证。本报告的目的仅为提供通用指南。它并不旨在代替详尽的研究或专业判断依据。由于使用本出版物对任何企业或个人所造成的损失，IBM 概不负责。本报告中使用的数据可能源自第三方，IBM 并未对其进行独立核实、验证或审查。此类数据的使用结果均为“按现状”提供，IBM 不作出任何明示或默示的声明或保证。115d460037d51479-ZHCN-00扫码关注 IBM 商业价值研究院官网微博微信公众号
