本文来自 企业网D1net公众号
供应链和采购领导者们怀着强烈的兴奋和好奇之心迎接ChatGPT和其他生成式人工智能(AI)机器人(如Bard和Claude)的推出，然而，其在隐私、算法偏见甚至业务连续性方面存在重大的风险。在采用生成式AI时，领导团队需要考虑的一些风险领域，以及针对采购团队的一些常识性指导方针，以确保AI在道德、准确和安全的情况下运行。
事实上，生成式AI可能很快就会在整个企业的销售、营销、采购和供应链中大力支持人类决策。想想看，IBM方面已经宣布，将暂停招聘其首席执行官认为AI可以填补的7800个当前和未来的职位。然而，尽管生成式AI存在巨大的潜力领域，但其在隐私、算法偏见甚至业务连续性方面也存在同样重大的风险。
我一直在与其他领导人讨论这些问题，特别是因为它们涉及管理供应商合规使用AI的安全和道德政策。根据这些对话，以下是领导团队考虑的一些风险领域，以及针对采购团队的一些常识性指导方针，以确保AI在道德、准确和安全的情况下运行。
风险
虽然与AI相关的风险数量可能还不完全清楚，但以下是一些已经浮出水面并亟需解决的问题：
1. 欺诈和AI鱼叉式网络钓鱼
安全研究人员认为，ChatGPT正在引发一场骗局的“浪潮”。任何针对供应商(即使是很小的供应商)的骗局都可以用来损害其客户的采购团队。这一点可以参见2021年涉及SolarWinds和其他公司的攻击，以了解受损的供应商如何影响下游的其他公司。
另一方面，供应商可能会担心AI在采购过程中选择获胜供应商的准确性或公平性——客户或黑客可能会操纵AI系统，使其偏袒某些供应商，而非其他供应商，这意味着可能会失去一份利润丰厚的合同。
2. 盗窃知识产权
除非使用得当，否则输入ChatGPT或其他生成式AI工具的数据可能会传播给使用该服务的其他用户或公司，从而暴露敏感的IP和“商业机密”。这可能会导致严重的法律后果——特别是考虑到欧盟的《通用数据保护条例》(GDPR)等法律——并可能损害公司的声誉。作为回应，三星等一些公司已经禁止或暂停员工使用生成式AI技术，同时调查潜在风险。
3. 算法偏见
许多新的AI系统为供应商提供算法推荐。不幸的是，AI是根据历史数据和过去的决策进行训练的，其中可能包括对边缘化供应商的(无意识的)偏见。如果数据中存在的偏见没有得到妥善解决，AI可能会延续甚至加剧这些偏见，导致不公平的结果和潜在的法律责任。
目前，这些偏见正在影响使用AI进行招聘决策的公正性。为此，纽约刚刚通过了一项法律，要求公司对其自动招聘工具中的算法偏见承担法律责任。
4. 供应中断
在与供应链领导者的对话中，一些人担心AI可能会检测到或先发制人地对某种特定商品进行挤兑/抢购，并在抢购之前触发一个自动购买周期，从而引发挤兑。很容易想象，随着AI与监控市场并为重复交易执行购买周期的自主系统更加融合，试图在价格飙升之前“战胜市场”触发供应短缺的风险可能会无意中造成供应中断。
对于食品、燃料和药品等类别，采购和供应管理团队可能会感到痛苦，更不用说我们所服务的客户和社区了。AI管理的库存决策也可能导致意想不到的库存水平——导致库存减少、缺货、物流成本增加、收入损失和客户信心下降。
常识性指南
考虑到这些威胁，以及AI的发展速度，立即围绕这项技术的使用制定一项常识性政策是有意义的。
在工作场所之外建立负责任的使用方式
不要假设所有员工都是“AI禁欲者”。提供关于提示(prompt)中应该和不应该包含哪些信息的指导，对于围绕负责任的使用展开全面讨论至关重要。用户应该接受培训，以有效地使用AI工具并解释其输出，并保持对AI局限性和潜在风险的认知。
与供应商间设立界限
无论您的团队成员和供应商是否知道，事实是，放入ChatGPT的任何信息都可能被竞争对手和其他第三方访问。IT团队已经在竞相建立规则，但他们往往只关注内部。
作为采购和供应链团队，我们的工作是将这些期望传达给我们的供应商合作伙伴。至少，提醒供应商始终实施数据匿名化和加密技术，以保护敏感信息。
组建专业团队
对许多人来说，创造有效的“提示”是一项关键的新技能，所以可以考虑培训团队如何创造提示，甚至聘请“提示工程师”(prompt engineer)来优化结果。
您可能还要考虑执行程序来检测和减轻AI数据和输出中的偏见。这可能涉及偏见审计、公平指标和多样化的训练数据集。
讨论自触发(self-triggering)供应中断
哪些商品类别可能容易受到“恐慌性购买”的影响？其他市场参与者是如何应对这一挑战的？
这些都是战略关注的主题，无论AI是被您的公司还是被市场上的其他买家/卖家使用，这些问题都将至关重要。作为一种预防措施，建议现在就开始与您的团队进行这些类型的对话。
防护机制的未来演变
随着技术的进步和业务实践的改变，围绕AI的风险和法律限制将继续演变。考虑一下未来可能需要对AI功能进行哪些增强，以实现更高级的功能，如预测分析、更多语言的自然语言处理、偏见审计和高级欺诈检测。
现在有很多关于AI的炒作，对许多采购和供应链领域的人来说，这并不是什么新鲜事。然而，这些模型只会变得越来越好，而且改进的速度从未如此之快。如果我们在这项技术加速之前没有进行内部讨论，形成明确的界限和具体的意图，我们可能会被AI本身产生的想法和建议所困。
