供应链的持续破坏表明，COVID-19时代的挑战在全球商业的其他稳定时期不仅仅是一个小插曲。供应链专业人员必须考虑到，这反而标志着一个持续破坏的新时代的开始--现在是采取积极行动准备的时候了。

技术似乎越来越多地为商业运作中的复杂问题提供有希望的答案，供应链也不例外。物流专业人士应该探索整合尖端系统，特别是那些以人工智能为中心的系统，以填补人类劳动力无法有效管理的空白。通过将人类的监督和经验与下面描述的人工智能工具相结合，领导者可以更好地保护供应链，应对当前和未来的全球挑战。

构建数字孪生

数字孪生是供应链的虚拟副本，可以包括资产、仓库和材料。数字孪生体的优势在于，它允许供应链专业人员模拟材料的流动，演绎多种可能的 "假设 "情景。

例如，数字孪生体可以预测，如果仓库所在的地方发生动乱，或者如果材料因极端天气条件而丢失，供应链将受到何种影响。创建潜在场景并观察每个场景将如何影响供应链，为有效判断风险和效率提供了一个独特的有利条件。

已经成功地将数字双胞胎整合到其供应链准备工作中的公司仍然是少数。对于许多人来说，这仍然是一项有待探索的新兴技术，特别是对于那些可能担心成本的小型组织。然而，如果有合适的专业人员来管理这个工具，其上升空间是很大的。

驾驭物联网

物联网（IoT）是一个自力更生、与互联网相连的物体系统，可以通过网络收集和传输数据，而不需要人为干预。物联网设备通过收集所需的数据，在机器需要维护或更换时提醒供应链专业人士，从而帮助监测供应链。

例如，在大规模热浪中，物联网设备可以监测疫苗等珍贵货物的内部温度，这些货物对极端温度变化很敏感。使用物联网来监测和标记温度变化，可以简化运输过程，并通过确保疫苗在运送到最终目的地后是可行的，从而降低风险。

较小的公司可能会发现实施物联网很困难，因为它需要对智能机器进行大量的前期投资，并需要有分析大量数据的能力。但云计算使小公司也有可能拥有相当大的处理能力，而不必购买内部计算机服务器的机架。

机器学习的力量

机器学习是一个不断从数据中实时学习的系统，并提醒公司注意潜在的供应链影响。该系统可以快速分析大量的数据，并识别数据中的信号、模式和趋势，以便根据需要进行供应链调整。

机器学习的使用案例是无穷无尽的。有了正确的算法，它可以帮助确定最符合成本效益的方式来安排重要的运输，考虑到车辆和设备的磨损，最大限度地提高里程和燃料成本，并避免高风险地区。这可能意味着一种关键产品的全球短缺或在高需求中迅速和经济有效地补充供应之间的区别。

尽管如此，公司在实施机器学习时应该谨慎行事。该技术允许对大量数据进行分析，但只有在熟练和有知识的工人建立模型和分析结果的情况下，才能充分发挥作用。如果你弄错了，可能会导致错误的决定，甚至危及一个品牌的声誉。但在一天结束时，机器学习的优势是值得追求的。

人工智能在供应链中可能非常有帮助，但公司不应该单独依赖它。人类的专业知识仍然是必不可少的，因为技术带来了它自己的一系列独特的挑战。通过利用这两个元素的优势，同时战略性地利用每一个元素来抵消另一个元素的弱点，供应链的有效性可以得到极大的提高。

在疫情之前，供应链的中断是罕见的；现在它们是新的常态。当我们继续通过中断学习曲线的厚度时，很明显，实施先进技术是许多企业的关键需求。