XiaoMi-AI文件搜索系统
World File Search SystemIansiti
波音 777：开发生命周期如下...
第三，瀑布模型和迭代模型的优缺点仍然存在争议。文献中的观点多种多样，包括以下两种截然相反的极端观点：一种是 Maier 和 Rechtin 的生命周期跟随工件的观点。另一种是全能模型的观点。一些研究强调了特定生命周期模型的全能实用性。其中包括 Auyang 对现代技术史的描述，其中提出了一个分阶段的瀑布式开发模型作为工程方法本身（Auyang，2004）。同样，Clark 和 Iansiti 在 20 世纪 90 年代对产品开发策略的分析中，也论证了迭代模型在软件行业以及汽车行业等制造业中的普遍实用性（Clark 和 Iansiti，1997）。
新颖的数据集及其潜在用途
人工智能 (AI) 的最新进展激发了人们对 AI 刺激经济增长潜力的兴奋，学者们认为 AI 有可能成为我们这个时代最重要的“通用技术”（Brynjolfsson & McAfee，2017 年）。然而，人们担心，AI 的进步也可能对劳动力市场、企业和行业产生重大影响，因为它会取代工人、改变职业管辖权、改变战略并影响绩效。几十年来，学者们一直在思考信息技术的快速发展是否以及如何改变竞争和战略的性质（Bennett & Hall，2020 年；Bettis & Hitt，1995 年；Tippins & Sohi，2003 年）。近年来，越来越多的研究人员开始研究人工智能如何影响企业设计、战略、组织学习和管理（例如，Balasubramanian、Xu 和 Ye，2020 年；Bughin、Kretschmer 和 van Zeebroeck，2019 年；Iansiti 和 Lakhani，2020 年；Jia、Luo 和 Fang，2020a、2020b；Khashabi 和 Kretschmer，2019 年；Raj 和 Seamans，2019 年；Wuebker、Saouma 和 McGahan，2018 年）。然而，尽管学术文献和公共媒体对人工智能对职业、企业和市场的影响非常感兴趣，但系统的证据收集却很少。缺乏证据的部分原因在于人工智能的快速发展是一种新兴现象，衡量其影响的标准尚未确定，因此也不适合发展（McElheran，2018；Raj & Seamans，2018）。
实施和扩展人工智能
ChatGPT 和其他生成式人工智能 (AI) 系统的发布改变了企业的游戏规则 (Edelman 和 Abraham，2023 年；OpenAI，2022a)。多年来，专家们一直预计人工智能将对几乎所有行业产生深远影响 (Berg 等人，2018 年；Chui 等人，2018 年)。然而，这种新型人工智能——生成式人工智能——正在增强这些预测 (Chui 等人，2022 年)。生成式 AI 包括大型语言模型（例如 LLaMA，参见 Meta AI，2023 年；GPT-3，参见 OpenAI 和 Pilipiszyn，2021 年；Bard，参见 Pichai，2023 年）、基于图像的系统（例如 Midjourney，参见 Midjourney，2022 年；DALL-E，参见 OpenAI，2022b 年；Stable Diffusion，参见 Stability AI，2022 年）和结合不同类型输入的多模态系统（例如 GPT-4，参见 OpenAI，2023 年）以及特定于应用的系统，例如用于蛋白质结构预测的 AlphaFold（Hassabis，2022 年）。任何尝试过这些系统的人都可以很快发现，它们不仅可以为企业提高效率和效能；它们将为企业创造强大的新能力的基础（Chui 等人，2022 年）。推动这些基础模型发展的最大科技公司（《经济学人》，2022 年）已经将这项技术融入其价值主张的核心（Iansiti 和 Lakhani，2020 年）。
特刊标题：对人工智能在供应链过程中的作用的理论：揭示管理视角和战略应用程序
Special Issue Title: Theorizing the role of Artificial Intelligence in Supply Chain processes: unveiling managerial perspectives and strategic applications Journal : International Journal of Physical Distribution & Logistics Management Guest Editors : Antonella Moretto (Lead Guest Editor), Michela Guida, Maria Elena Latino, Maria Jesús Saénz, Ilya Jackson Introduction The infusion of Artificial Intelligence (AI) into Supply Chain Management (SCM) has transitioned from对实际必要性的理论探索。从计算新颖性到战略性命令的这种演变强调了AI在增强供应链中的决策，运营效率和市场竞争力中的作用。大型语言模型（LLM）的出现，例如自2023年初以来开发的，这是这一旅程中的一个重要里程碑，说明了AI通过在预测，物流优化以及实时跟踪和实时跟踪和追踪方面的创新应用来革新SCM的潜力（Hendriksen，2023; 2023; 2023; Fosso Wamba Wamba et al al a al a al a al a al a al a al a al a al a al a al 2023; fosso。尽管承认AI的潜力，但文献揭示了对其在不同供应链功能中的应用的分散理解（Iansiti和Lakhani，2020年）。研究指出了AI可以显着贡献的领域，包括需求预测，供应链可见性，动态定价策略以及优化物流和库存管理（Toorajipour等，2021; Helo and Hao，2022; Merhi and Harfouche; Merhi and Harfouche，2023年）。指导这些研究的理论框架主要围绕创新扩散，技术采用和战略管理观点。然而，这些研究通常将AI功能视为单片，忽略了AI技术之间的细微差异及其对特定SCM任务的各自影响（Fosso Wamba等，2022; Dubey等，2020; Grover，Grover，Kar，kar和Dwivedi，2020年）。然而，将这些理论与AI在SCM环境中提出的独特特征和挑战相结合的差距仍然存在。主要使用技术接受模型（TAM）和统一的技术接受和使用理论（UTAUT）提供了基本的见解，但在解决供应链运营中AI技术的复杂性和发展性质方面缺乏。此外，文献对实证研究很少，这些研究深入研究了供应链经理和企业对AI的现实实施。这个差距强调了对研究的新兴需求，不仅研究了AI的技术方面，而且还研究了其在SCM中的战略和管理意义（Handfield等，2019; Guida等，2023a; Durach＆Gutierrez，2024）。从以IT为中心的AI进步观点到管理观点的过渡对于了解如何选择，开发和集成到供应链策略和运营中，至关重要。鉴于这种情况，AI在SCM中采用的管理含义既重要又毫无争议，从而抑制了AI的全部潜力，作为复杂供应网络中的支持机制。尽管兴趣越来越大，但学术格局正在逐步将注意力转向对AI和SCM汇合的全面理解。存在明显的经验研究，以阐明AI对供应链流程和策略的影响，这一特殊问题旨在促进。呼吁的动机和预期的贡献响应这些差距，本期特刊旨在通过专注于从管理和战略观点来阐明AI在SCM中的作用的经验研究来推进学术话语。我们旨在发现供应链经理如何导航AI采用的复杂性，用于利用AI来获得竞争优势的策略以及最能捕获AI和SCM之间多方面关系的理论框架。通过此镜头，特刊将有助于对AI在供应链过程和决策范式中的变革潜力的更细微和全面的理解。认识到AI技术的多方面性质及其在各种SCM过程中的影响，我们邀请了严格的经验研究，从供应链管理的角度来看，阐明了AI的战略应用。