斯蒂芬·德安吉利斯（Stephen DeAngelis）是Enterra Solutions的创始人和CEO，他是人工智能和高级分析领域的国际知名专家，尤其是在商业实体和政府机构的竞争力、恢复力和安全性方面的应用。他是一位专利持有者、技术先驱和企业家。斯蒂芬的职业生涯处于国际关系、商业、政府和学术的交叉点。
人工智能自其诞生以来就充满了虚假的宣称，这在一定程度上是由广泛的知识空白所驱动的。那些没有技术背景的人可能难以区分诸如 生成式 AI、符号式 AI 或 代理式 AI 之间的术语，我们已经看到技术公司利用这一点，声称提供他们实际上并不具备的功能。为了使事情更加复杂，随着人工智能变得越来越普遍，甚至进行最基本的统计分析的公司也突然将自己重新打造为“机器学习公司”。这种日益增长的趋势使潜在客户对不同“人工智能”解决方案的实际功能感到不确定。代理式 AI 出现时，我们已经看到企业以类似不准确的方式使用这个术语——事实上，许多使用简单“聊天机器人”的公司将自己标榜为代理式 AI 提供商。代理式 AI 代表着人工智能技术的一个重大进步，但了解它的真正含义至关重要。真正的代理式 AI 是一种微妙的四方舞蹈，平衡了生成式 AI、符号式 AI 和解释性数学及非线性优化引擎的元素，并以基于代理的呈现方式提升人类用户，民主化了对高级技术的访问。梳理现代人工智能的误解 “人工智能”的定义很广泛——但当你考虑到使其既有用又强大的东西时，需要一个技术集。一个聊天机器人可能能够搜索互联网并总结和重复其发现，但它不能验证 大型语言模型 (LLM) 中包含的数据，也不能以生成可靠洞察力所需的细致入微的人类判断来推理。创建具有变革性商业影响的 AI 解决方案需要一系列组件来共同形成一个更大的整体。这种复杂的平衡支持以类似人类的方式进行推理，同时合成、分析和优化可信的数据，以超出人类能力的规模为最终用户提供服务。一个基本工具可能在技术上满足“人工智能”的最低定义，但今天的企业需要能够完成更多任务的解决方案。可以把它想象成一家大众汽车公司试图模仿豪华品牌的外观。他们可能能够在远处模仿表面层次的美学，但检查细节和材料质量（更不用说发动机盖下是什么）就会揭示真相。那些使用“代理式 AI”作为营销术语而没有相应功能来支持它的公司应该同样容易被识别出来——但客户并不总是拥有识别出他们被提供的...
优化不再只是一个流行词汇。它是一个可以完全定义和衡量的结果，不能通过过时的技术和不可行的AI系统来实现。———————— 优化收入增长是当前CPG行业的首要任务。由于全球经济不确定性、持续的通货膨胀、供应链挑战和不断变化的买家行为，了解如何系统地解码和应对不断变化的环境以推动收入和利润增长变得更加重要。对于CPG组织来说，满足这一关键需求的基础是能够通过将价格、促销、媒体组合和消费品包装与不断变化的市场条件相结合，来全面优化其收入增长管理（RGM）的主要驱动因素。这在消费者偏好、通货膨胀、地缘政治紧张、气候变化和全球人口转变的影响下变得更加复杂——这是为什么超过75%的CPG制造商难以管理整个企业的现代贸易支出，以及70%的CPG高管今天比五年前更加紧张的主要原因。由于复杂性是一个常数，许多组织正在优先考虑数字化收入增长优化作为一种应对风暴的机制。在促销优化研究所的2024年行业状况报告中，80%的受访者表示他们正在投资数字解决方案或分析能力，以支持新的收入增长管理（RGM）流程，并更深入地研究优化促销、定价和包装增长分析。POI报告还发现，54%的受访者计划采用新的贸易促销管理解决方案，31%的受访者将开始整合自动定价功能。许多系统被宣传为“AI启用的优化解决方案”，可以有效地缓解通货膨胀压力并放大收入。然而，实际上并非如此。随着高级分析和AI技术越来越多地集成到企业的技术和商业流程中，很明显，并非所有数学技术和AI都可以在规模上实现真正的收入增长优化。CPG领导者正在学习，他们对优化的定义已经过时且不准确。该行业历史上将“优化”定义为使用昨天的回归模型和商业场景模拟。他们还正在学习，这些老的技术只是预测技术，而不是优化技术。他们还正在学习，生成式AI和神经网络不能执行优化，但可以在组织的数字化转型旅程的其他方面发挥有价值的作用。分析格局正在迅速变化。高级分析公司需要帮助CPG合作伙伴建立对这些技术的使用和特定应用的理解和成熟度。优化不再只是一个流行词汇。它是可以完全定义的，其结果是可以确定和衡量的，通过同时平衡CPG制造商和零售商的约束来实现。这一程度的约束优化及其有形的好处不能通过过时的技术和不可行的AI系统来实现。因此，对于组织来说，了解他们正在采用的一些统计数学和AI启用的收入增长优化工具的独特能力至关重要。区分优劣在高级分析和AI的世界中将提高您推动可持续收入、应对市场波动和超越行业竞争对手的能力。一切都与您的工具箱有关 确保您拥有合适的复杂数学和AI工具在您的工具箱中，在收入增长优化方面是无价的。例如，如果您想切割一块钢铁，可以用钢锯来完成，但这需要花费数年时间才能完全切割。同时，乙炔切割机可以在几秒钟内切割完毕。同样适用于AI启用的技术。今天在CPG收入增长优化系统中使用的大多数AI形式都无法考虑到现实世界的市场复杂性。它们利用旧的线性回归技术来解决一个非线性问题，依赖于传统的统计模型来优化一个、两个、三个或四个静态约束，而不是CPG品牌每天要应对的二十到三十个约束。这导致了基本的分析性能下降，阻碍了有效的收入增长建议的生成和CPG制造商及其零售合作伙伴的运营表现和投资回报率。生成式AI（GenAI）是另一个例子。CPG价值链中有宝贵的GenAI应用场景，但收入增长优化并不是其中之一。这是因为GenAI模型依赖于搜索引擎技术，无法区分“垃圾输入和垃圾输出”问题，神经网络机器学习根本不执行优化。解决数学问题必须记住，真正的收入增长优化在其核心是一个基于约束的、高维度的数学问题。需要复杂的数学和AI解决方案来整合所有约束和变量，以实现优化并为CPG制造商和零售商同时提供价值。确保系统被设计为从根本上理解组织运营的环境，并执行真正的优化和生成推动制造商和零售商价值的贸易促销日历。然后，下一步是优化收入增长管理的其他关键杠杆，包括日常定价、贸易促销、媒体组合和产品组合，以产生符合消费者需求的整体建议，在正常价格下受到压力的条件下。这种适合目的的方法考虑到了市场不确定性，例如由于地缘政治冲突升级而导致的供应短缺延长或由于气候相关事件而导致的意外价格上涨。如果巴拿马运河沿岸的干旱有助于增加原材料的成本，系统可以帮助确定新的最佳定价结构，既可以适应消费者包装以增加生产成本，同时保持利润率，也可以通过有效的促销技术激励消费者选择您的品牌而不是行业竞争对手。衡量影响：事后有效性确定收入增长优化工具的投资回报率需要采取全面和计算的方法。首先，关注核心KPI的事后分析，例如来自贸易促销支出的净增量销售额、利润、零售货架美元和市场渗透率。这些四个支柱的表现将表明您的实施策略的影响并确定需要改进的领域。第二个主要类别是贸易有效性比率。对于每一美元的贸易支出，它产生什么平均回报？这对于随着时间的推移扩大收入增长优化工具至关重要。同时执行这两个方面将使组织能够成功地应对外部波动并在行业同行中占据市场份额。强大的投资回报率不仅仅是关于数字——它还关乎在您的细分市场中获得竞争优势。在CPG领域优化收入是无可置疑的复杂。虽然数字化提供了简化的承诺，但企业领导者必须对他们正在使用的复杂数学和AI工具有深刻的理解。知识就是力量，它最终将使您的品牌和公司估值超越同行。
