貨物之外，供應鏈也傳遞人工智能
機器學習（Machine learning）改善了全球供應鏈中各個環節的品質管理並提高了成本效益。但它具體是如何擴散的？
人工智能（Artificial intelligence, AI）在近年已成為企業營運的一件利器，由預測需求、採購，到簡化及改善工序都能發揮重要作用。對於一再因地緣政治風險、貿易衝突、制裁，以及環保問題而飽受壓力的全球供應鏈而言，人工智能或可成為扭轉局面的關鍵。
據安永於2024年發表的一份報告，約四成供應鏈企業已投入資源建立生成式AI系統，作知識及資訊管理。科技的應用往往會沿著經濟網絡擴散 — 競爭對手之間的橫向延伸，以及沿供應鏈的縱向延伸。然而，人工智能作為處於時代浪尖上的科技，人們對其擴散模式尚未有深入了解。
香港中文大學（中大）商學院金融學系副教授岑岭表示： 「我們的研究發現，AI 沿供應鏈的傳播有一個清晰的模式，即下游的行業採用AI 科技後，上游的供應商便會逐漸跟隨。」
下游產業是指那些較接近最後生產階段及最終客戶的部分，包括製造業及服務業；而上游產業，如礦業和農業，則負責為下游行業提供原材料或基礎原料。
作為蘋果和輝達 (Nivida)兩大企業主要供應商的鴻海科技集團便是一個典型例子。岑教授指出，隨著其主要客戶積極投 入AI 科技的研發及應用，鴻海亦由一家勞工密集型廠商，轉型為生產由AI 驅動的電動車，以及可放置輝達晶片的AI伺服器的企業。
岑教授聯同中大商學院決策、營運與科技學系副教授吳靖、史蒂文斯理工學院助理教授韓彥如（中大商學院博士畢業生），以及上海財經大學教授邱嘉平，進行了一項題為《供應鏈上的人工智能》的研究，深入探討供應鏈能否成為人工智能科技的擴散渠道，以及哪些經濟機制可以推動這種擴散等問題。
領先 – 滯後模式
研究人員利用從LinkedIn、Indeed 等平台收集就業市場資訊的人力資源分析公司Revelio Labs的數據，追蹤美國上市公司由2009年至2019年聘用AI 人才的狀況，從而量度它們採納AI 科技的程度。
結果顯示，在過去10年，與AI 技術相關的僱員人數大幅上升，幾乎所有行業都擴大了對AI 的使用。但就具體應用情況而言，不同行業之間存在頗大的差異 — 下游行業採納AI 科技的速度遠比上游行業快。岑教授解釋，這是由於研究數據中的供應鏈下游企業大多是有名的行業巨擘，它們能夠直接獲取與顧客資料有關的大數據。
進一步的分析顯示，主要客戶增加AI的應用，可促使供應商在之後的一年亦運用更多的AI科技。研究人員稱這現象為企業與企業關係中的「領先-滯後」模式，而這種模式並非由市場或行業特定趨勢所驅動。
研究人員在對照實驗中，用與下游客戶沒有關係的供應商取代原來的廠商，結果顯示客戶公司對AI的應用並不影響新供應商。這證明了AI 科技的普及是由企業與企業之間的交往所驅動。
學習或迎合機制
供應商為追隨主要客戶的發展腳步，會循學習（Learning）或迎合（Catering）兩種機制提升其AI的應用。主要客戶多數為大公司或行業龍頭，它們往往是AI應用的先鋒。學習機制便是指供應商通過與客戶日復一日的供應鏈互動，吸收這些科技並將之應用於實際生產當中。
岑教授表示： 「在這種機制下，與掌握AI 科技的客戶建立緊密合作關係，有助降低供應商學習及採納AI 的成本，從而可改善營運狀況、提升業績。」
在迎合機制下，供應商則是為了回應主要客戶的需求而採納AI，以維繫重要的合作關係。「迎合機制的有效性取決於客戶與供應商之間的相對議價能力，」岑教授補充道，「學習機制則要視乎供應鏈合作夥伴相對規模 — 規模會影響相關科技的適用性。」
岑教授及其團隊分析數據後發現，學習機制是主要的驅動因素。對大部分供應商而言，採納AI不僅僅是為滿足客戶需求，更重要的是提升自身能力。
加速AI科技傳播的元素
為更深入了解影響供應商學習機制的因素，研究團隊檢視了僱員流動性及客戶與供應商之間的地理距離，發現當供應商聘用以前曾於其主要客戶任職的管理層人員時，AI 的應用率明顯較高。管理層人員通常對公司有較宏觀的認識及視野；而普通員工若非本身從事與AI 相關的工作，一般都對AI 發展缺乏認知。
「我們的研究結果證明，當人力資源由客戶流向供應商，尤其是懂AI 、具遠見的人才，推動著AI 科技沿供應鏈的傳播，」岑教授說。
此外，地理距離愈短，AI科技的傳播便愈全面。當客戶遷離供應商較遠時，其對供應商是否採用AI 科技的影響便會縮小。
岑教授指：「供應商與客戶之間的距離較近，有利於更頻繁的互動，加快知識及資訊的傳播。」他強調，地理上的接近是刺激學習動機的一個關鍵因素。
正面經濟效益
最後，研究人員分析了AI科技從客戶向供應商的擴散是否能為業務表現帶來實質改善。結果證實，向客戶學習AI 技術的供應商能提高產品品質，並更有效地管理成本。具體而言，AI 相關僱員數量每上升一個標準差，提升產品質量的機率便增加0.74 % 。
在可見的未來，AI科技會繼續在各行各業各地域延伸，不論是商界領袖還是政策制定者，都有需要理解它如何沿著供應鏈擴散。
岑教授建議，企業管理層可通過學習供應鏈合作夥伴的AI科技來降低風險、保持競爭力。例如，他們可判斷出從貿易夥伴獲得AI 科技的最佳時機，或從這些夥伴那裡聘請AI人才。
與傳統科技相比，AI的初始設置成本龐大。但一旦建立，使用這個系統的持續營運成本相對較低。岑教授認為，政府對下游客戶企業的補貼或有助於它們邁出採納AI 科技的第一步，「然後其正面影響便會沿著經濟網絡向外擴散，讓社會整體達到理想的AI 應用水平。」