Georgia-Pacific公司因果AI实践案例

目前生成式AI引起市场变革，但因果AI可能有更大的潜力。因果AI能够厘清业务运营各类变量之间错综复杂的关系，搭建因果网络。

Georgia-Pacific 公司（以下简称“GP”）主要生产各类林业相关产品，是世界第二大林业产品公司，它在因果AI方面的实践大幅度改善了非接触式的业务。

GP将因果AI描述为知识人工智能和数据人工智能的结合体。知识人工智能凝结了专家在特定领域的专业知识和最佳实践，数据人工智能分析大量数据，识别关系，生成结果。因果AI将两者结合，得以解决非常复杂困难的问题。

因果AI利用复杂的因果模型在多个层面给出决策建议。因果模型呈现出相关关联的实体和关系网络，帮助使用者了解各种因素是如何相互影响的。通过因果AI，复杂的业务场景可以被解构，预测结果，并推荐最佳行动方案。

举个例子，柔软性（DA-softness）是影响GP产品的12个关键属性之一，BULK是影响产品柔软性的10个因素之一，同时影响BULK的因素又有很多很多种，下图因果模型展现了这种关系：

GP使用Parabole.ai的技术构建了其因果AI解决方案。合作之前，Parabole.ai主要活跃在金融界。

对于所有企业来说，完美执行订单是一项艰巨的任务。做到按时和足额，要求所有“多米诺”骨牌都各就各位：产品合格、运输能力达标、原材料足够等。做到这些并不容易，系统需要主动识别存在的问题和风险，甚至公司原有的信息化系统也是问题的一部分。

特别是GP属于流程行业，和离散行业相比，做到完美执行订单困难得多。

根据 GP 创新总监 Ron Norris 的说法，因果AI被用来检测和纠正 "常见和不常见的订单错误或差异，而且接近实时"。它之所以能做到这一点，是因为订单管理团队内部的专家教会了它。它从每天每时每刻都在解决问题的人那里学会了如何解决问题。因果人工智能可以作为一个有价值的代理，帮助所有员工进行决策，特别是无法及时向专家请教时。

因果AI另一优势在于它能够将以客户为中心的洞察力纳入订单管理流程。它可以分析新订单和历史订单数据、客户画像和交易便好。这样，系统就能根据每位客户的期望，对订单进行个性化处理。

使用因果AI之后，GP非接触式订单吞吐量增加了10倍，过去需要几天才能解决的订单管理错误现在几分钟就能解决。

除此之外，因果AI还优化了运输监督系统，使自动补货成为可能，并改善了需求预测和生产计划的一致性。

GP认为在订单管理方面，因果AI表现出色，但它应该可以应用于更复杂的业务场景。

免责声明：

第三方机构如想转载ARC Advisory Group China微信文章，请原文转载（不得修改）。如文章内容有改动，须在发布前获得ARC Advisory Group的审核批准。同时，请必须在文章内附以下信息及免责声明：

本文中所含内容属一般性信息，任何ARC Advisory Group、及其成员并不因此构成提供任何专业建议或服务责任，且均不对任何方因使用本文内容导致的任何损失承担责任。