SAP赋能生成式AI：打造跨企业竞争优势

由IBM、SAP发布了《SAP赋能生成式AI：打造跨企业竞争优势》这篇报告。以下是对该报告的部分摘录，完整内容请获取原文查看。65% 的高管表示，出于伦理方面的考虑，他们将放弃 SAP 专有生成式 AI 的好处。这些伦理问题并不是 SAP 平台或 SAP 数据所特有的，这两者为许多生成式 AI 项目提供了可 信的起点。

1.生成式 AI 的成功基本要素

生成式 AI 需要一种可靠的架构，既能处理海量复杂数据，又能提供强大、可扩展的计算能 力和高级安全保障。2 而云环境与生成式 AI 就像是“天作之合”，打造了一个高度安全的 整合式数据管理与协作平台。混合云 SAP 架构可确保仅在需要时才使用成本高昂的 GPU，同时具备在不同模型和服务之间切换的灵活性和可扩展性。 尽管组织通常在多个环境中部署 SAP 系统，但许多组织越来越倾向于选择云端或混合部 署，以获得更强大的可扩展性和集成能力。3 受访高管表示其组织的 SAP 系统要么托管在 由云端和内部资源构成的混合环境中 (41%)，要么完全托管在云端 (42%)。

利用云环境来部署 SAP 系统的组织实现了积极的成效：44% 的受访高管表示这种架构帮 助其组织更快地实施生成式 AI 项目，相对应，12% 的受访高管表示这种架构拖慢了项目 进展；其余受访者则表示没有影响。近三分之二 (60%) 的受访高管表示其 SAP 基础架构现已经过专门优化，可支持其 SAP 专有生成式 AI 目标。那些拥有最先进 SAP 云 架构（包括 RISE with SAP 和 SAP S/4HANA）的组织实现了出众的成效，其收入增长率要 比那些架构成熟较低的组织高出 10%。 对于尚未完全迁移到云端的组织，紧迫性已不容忽视。许多正在运行 SAP 的组织 (67%) 正 在加快推动云迁移，以利用 SAP 专有生成式 AI 的优势。这一比例比 2024 年 3 月的 59% 有所上升，表明高管们认为有必要建立面向生成式 AI 的云基础架构来释放 SAP 系统的潜 力（参见案例研究“精通财务语言的生成式 AI”）。

财务有自己的专有语言。如果缺乏适当的上下文，预测、收入、销售额和数量 等常见的财务术语在企业中就会有不同的含义。对于一家大型能源公司来 说，“预测量” (forecasted volume) 这个复合词在组织内部有 58 种不同的 含义。因此，在 SAP 财务领域使用自然语言模型是行不通的。生成式 AI 需 要一个翻译器来合理地回答财务方面的特定询问。 这就是显式语言模型 (ELM) 的应用领域— 此模型旨在结合财务流程与生成 式 AI 技术来对财务数据进行自然语言处理。IBM 正在开发这种创新性的方 法，让能源公司的员工能够使用“销售成本 (COGS)”等业务专有术语来与 SAP 数据进行交互。早期测试已证明这项创新能有效简化标准的财务流程 和报告，这些通常都是劳动密集型任务。同时，通过 SAP HR 功能实现了类 似的财务专用生成式 AI 应用，能更有效地将工作说明书中的要求转化为职 位和劳动力要求。

当 SAP 专有生成式 AI 工具精通财务语言时，财务领域中许多最耗时的流程 都可以实现自动化或部分自动化。这样一来，财务人员就可以专注于最重要 的工作：分析信息背后的含义以及对组织的全局影响。 类似的流程改进在其他与财务相关的领域也在发生。IBM 和 SAP 合作推出 了一些零售解决方案，可利用实时数据处理和 AI 辅助决策，将配送需求与 运输管理指令整合在一起。这些解决方案依靠 AI 模型，持续评估与天气、 交通和其他相关约束因素相关的时间序列数据，以动态调整运输计划。

2.生成式 AI 启航

许多组织正在大力投资发展生成式 AI，从而释放其 SAP 系统的巨大变革潜力。组织正在 考虑将 SAP 专有生成式 AI 应用于广泛的业务领域，从客户服务、财务、人力资源到市场营 销，并根据可行性和价值缩小选择范围（见图 4）。 受访高管表示在员工人数最多的业务领域应用生成式 AI 创造了最大价值，例如客户服务 (53%)、供应链 (51%) 以及销售与市场营销 (47%)。同样，受访高管认为这些业务领域中 生成式 AI 用例也最具可行性。

在这些业务领域，生成式 AI 可以大幅提高生产率。例如，用于汽车保修索赔的 AI 助手可 以预填表格并安排最近的经销商进行检查，从而加快消费者和经销商的保修流程。同样， 将生成式 AI 嵌入供应链规划工具，可以为员工配备一个私人助理，通过从 SAP 平台和其 他来源提取数据来回答询问，从而加速决策流程。在销售和市场营销领域，AI 可以简化创 建个性化消息和其他内容的过程。

在这些高价值且具有高度可行性的业务领域，受访组织 表示市场营销领域的生成式 AI 用例取得了最大进展， 18% 的受访组织表示正在推进或优化相关 AI 用例。略 少比例的受访组织表示在研究与创新 (16%) 和信息技术 (16%) 领域取得了进展；在这些领域，生成式 AI可以帮 助员工更快地将数据转化为设计或加速软件开发（请参 阅“观点：加速应用开发”）。 受访高管表示计划在未来三年中将 AI 用例扩展到制造 等实体领域。例如，工业制造商可以利用 AI 增强数据检 索方法，将其庞大的数据与 SAP 数字化制造分析技术以 及机器和设备建模相结合，从而更快地检测维护问题并 获取解决方案建议（请参阅“观点：增强军事装备战备 状态”）。此外，组织还可以优化生产和库存，或生成需 求预测。

3.行动指南

SAP 系统是实施生成式 AI 项目的一项重要工具。三分 之二的高管表示由其 SAP 系统处理并包含在其中的数 据应作为大多数生成式 AI 项目的起点，56% 的受访高 管则表示其组织以 SAP 数据为起点开启了生成式 AI 旅 程。如何优化生成式 AI 的投资和成果？那就是建立适当 的基础并战略性地投资于整合式方法。如果要将这些目 标付诸实践，组织应当重点关注以下三个维度：数据、 人才和战略。

采用新兴的 SAP 专有生成式 AI 工具将打造出前所未有 的全新企业解决方案。 – 确定生成式 AI 解决方案可以解决哪些当前和未来未 知的业务问题。明确每个领域在一段时间内的预期 成果。 – 将可用的 SAP 数据与业务问题对齐，并明确最具可行 性、最有价值的用例。 – 鼓励和奖励开展 SAP 专有生成式 AI 实验，加强企业 学习并推动短期成功。 – 让业务职能负责人、流程团队和员工能够利用 SAP 专 有生成式 AI 的输出来优化其后续业务成效。

在企业中践行信任的理念 — 只有在使命、数据和员工上 建立深厚的信任，才能为未来成功奠定基础。 – 建立或更新 AI 治理框架。明确伦理准则、数据隐私 实践和问责机制。 – 为所有员工提供关于基本 AI 概念、数据素养和负责 任 AI 实践的培训或研讨会。 – 为不同的工作岗位匹配合适的生成式 AI 技能组合。为 员工制定培训计划，帮助员工在现有岗位上取得发展 或转为新岗位。 – 营造一种鼓励实验的企业文化，既要庆祝成功，也要 认可失败 — 因为失败亦是成功的基石。鼓励员工在良 好治理和可信数据的明确界限内尝试使用 SAP 专有 生成式 AI。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）