包裝和造紙公司 認識到生成式人工智慧推動收入和利潤成長的潛力。 許多人已經開始了這趟旅程。
McKinsey & Company 2024 Nov.
章節列表
生成式AI：紙業和包裝業的下一波成長引擎
- 幾乎所有受訪主管都認為他們公司應該使用生成式 AI，而 77% 的受訪主管表示他們公司打算這樣做。 麥肯錫對 200 多位來自不同地區和領域的紙張和包裝主管進行了一項調查，以了解生成式 AI 在該產業的採用現狀。 調查發現，主管們看到了生成式 AI 為其組織帶來商業價值的巨大潛力，並願意對其進行投資。 雖然只有約四分之一的受訪者表示他們公司正在積極參與生成式 AI 的工作，但大多數受訪者表示，生成式 AI 的影響已經達到或超過了他們的預期。
- 阻礙立即投資和部署的一個因素可能是缺乏深入的專業知識：只有 30% 的受訪主管表示他們公司領導層對生成式 AI 的潛力有高度的了解。 事實上，只有 24% 的受訪者表示他們已經在工作領域推出（13%）或正在開發（11%）生成式 AI 工具或解決方案。 這些早期努力大多數都獲得了回報：62% 採用生成式 AI 的受訪者表示，實施後產生的影響達到或超過了他們的預期。
- 受訪者認為生成式 AI 有可能對成長和生產力產生重大影響。 大多數受訪者預計生成式 AI 將帶來超過 8% 的收入成長和超過 6% 的成本節省。 生成式 AI 為紙張和包裝公司創造價值的領域有很多，比傳統 AI 受益的領域多得多。 這主要歸因於生成式 AI 處理混亂數據和生成新內容的能力，以及生成式 AI 易於使用的用戶介面，使其更容易被採用。 受訪者認為，生成式 AI 可以應用於該產業的所有關鍵職能部門，從加速研發流程到改進後勤部門。
總體而言，生成式 AI 預計將提高所有主要成本動因的效率：受訪者認為，它將有助於簡化供應鏈和製造流程、促進原材料的採購以及自動化支援功能。
儘管人們對生成式 AI 在紙張和包裝產業的潛力感到興奮，但受訪者也指出了一些阻礙快速無縫採用該技術的挑戰。 主管們報告的最大挑戰是數據和現代技術堆棧的獲取受限，以及對生成式 AI 的採用可能引發隱私和智慧財產權問題的擔憂。 受訪者還表示，他們對可以從採用生成式 AI 中獲取價值的特定用例了解有限，並對相關成本表示擔憂。
生成式 AI 的累積潛力意味著，部署這些技術並領先於競爭對手的紙張和包裝公司可以釋放相當大的商業價值並獲得競爭優勢。
根據麥肯錫的研究和經驗，成功的生成式 AI 轉型需要在六個領域建立能力：
- 制定與整體技術戰略相一致的生成式 AI 戰略，以實現競爭優勢
- 建立可擴展的技術堆棧和基礎設施，以支援多種生成式 AI 解決方案
- 構建穩固的數據基礎，以在整個組織中擴展生成式 AI
- 定義將業務、營運和技術整合在一起的營運模式
- 識別和留住推進生成式 AI 所需的合適人才和技能
- 確保大規模採用，同時管理風險和負責任的使用
當公司開始著手時，重要的是平衡快速影響與轉型機會，以保持發展勢頭。 麥肯錫建議公司從價值鏈的任何部分啟動兩個可以快速產生影響並激發熱情的用例，以及另外兩個可能需要更長時間才能實施但可以為整個企業帶來大規模改進的用例。
如果沒有關注變革管理，生成式 AI 就無法成功採用。 而且，至關重要的是，生成式 AI 解決方案的開發和部署應以安全、可信和合乎道德的方式進行，同時要謹慎防止偏見和歧視，並確保透明度和可解釋性。 管理風險需要建立一個治理結構，以提供監督、支援快速決策並包含對用戶的培訓。
生成式 AI 仍在快速發展；在整個紙張和包裝價值鏈中利用其力量的機會只會越來越多。 公司現在就制定生成式 AI 戰略，並開始建立使其能夠將生成式 AI 納入其業務流程的能力，將會是明智之舉。 透過這樣做，他們很可能在即將到來的產業轉型中獲得作為領導者的競爭優勢。
包裝與紙業執行長對生成式 AI 潛力的看法
根據麥肯錫對超過 200 位包裝與造紙業主管的調查，這些主管們普遍看好生成式 AI 的潛力，並相信其能為產業帶來成長和效率的提升。 以下是更詳細的分析：
- 高度認可生成式 AI 的價值: 約 95% 的受訪者認為他們公司應該投資生成式 AI，約 77% 的受訪者表示他們公司有意在不久的將來使用生成式 AI 。 這種積極的態度顯示出產業領袖們對生成式 AI 的潛力抱持高度期待。
- 預期帶來顯著的收益: 大多數受訪者預計生成式 AI 能夠帶來超過 8% 的營收增長和超過 6% 的成本節省。 他們相信生成式 AI 可以應用於從研發到後勤的各個關鍵環節，並提高整體效率。
- 部分企業已展開應用，成效令人滿意: 雖然只有 24% 的受訪者表示他們已經在其工作領域推出或正在開發生成式 AI 工具或解決方案，但在已採用生成式 AI 的企業中，有 62% 的人表示實施後的影響達到或超過預期。
- 應用案例涵蓋各個環節: 受訪者認為生成式 AI 的應用案例非常廣泛，包括加速研發流程、優化行銷支出、提升銷售團隊生產力、增強供應鏈和製造流程效率，以及自動化支援功能等。
- 認知到應用挑戰: 儘管對生成式 AI 的潛力感到興奮，但受訪者也指出了一些阻礙快速採用該技術的挑戰，包括數據和現代技術堆疊的獲取受限、對隱私和智慧財產權問題的擔憂、對特定應用案例的了解有限，以及相關成本等。
紙業和包裝業的領導者們對生成式AI充滿期待。他們相信AI能徹底改變產業現狀，帶來更高的效率和創新。不過，他們也清楚地認識到，要讓AI發揮最大效益，還需要克服一些挑戰。
生成式 AI 在包裝與造紙產業的潛在應用領域
生成式 AI 在包裝與造紙產業具有廣泛的應用潛力，涵蓋從研發到商業、供應鏈、製造、採購和企業職能等各個環節。 這些潛在應用主要源於生成式 AI 處理複雜數據、生成新內容以及提供易於使用介面的能力。
以下列舉一些生成式 AI 在包裝與造紙產業的潛在應用領域：
值得注意的是，生成式 AI 在包裝與造紙產業的應用仍處於早期階段。 雖然許多企業已經開始探索和實驗生成式 AI 的應用，但要充分發揮其潛力，還需要克服一些挑戰，例如數據獲取、技術堆棧、隱私和智慧財產權問題，以及成本等。
總之，生成式 AI 為包裝與造紙產業帶來了巨大的機遇，可以幫助企業提高效率、降低成本、增強客戶體驗，並推動創新。 隨著技術的發展和應用案例的積累，生成式 AI 將在包裝與造紙產業的轉型過程中扮演越來越重要的角色。
紙漿和包裝公司快速採用生成式 AI 面臨的挑戰
儘管紙漿和包裝產業對生成式 AI 的潛力感到興奮，但一些挑戰阻礙了其快速且順暢的採用。 根據 McKinsey 對超過 200 位紙漿和包裝產業高管的調查，受訪者指出了以下幾個主要挑戰：
- 數據和現代技術堆疊的訪問受限： 這是受訪高管報告的最大挑戰。 有限的數據訪問和缺乏現代化的技術基礎設施會阻礙生成式 AI 模型的訓練和部署。 生成式 AI 需要大量的數據來學習和生成準確的輸出，而過時的技術堆疊可能無法支持生成式 AI 應用所需的計算能力和數據處理能力。
- 對智慧財產權和隱私問題的擔憂： 受訪者也表達了對生成式 AI 應用可能引發的智慧財產權和隱私問題的擔憂。 生成式 AI 模型的訓練數據可能包含敏感信息，例如客戶數據或商業機密。 確保數據安全和隱私保護是企業在採用生成式 AI 時需要解決的重要問題。
- 對特定應用案例的了解有限： 一些受訪者表示他們對可以從生成式 AI 應用中獲取價值的特定應用案例了解有限。 了解生成式 AI 如何應用於特定的業務場景，以及如何衡量其帶來的價值，對於推動企業採用至關重要。
- 成本： 成本也是阻礙生成式 AI 應用的一個因素。 開發、部署和維護生成式 AI 解决方案需要大量的投資，這對於一些企業來說可能是一個障礙。
- 慣性和變革阻力： 任何新技術的採用都會面臨來自組織內部的慣性和變革阻力。 員工可能不願意學習新的技能或改變現有的工作流程，這會阻礙生成式 AI 的應用。
- 技術快速發展，採取觀望態度： 由於生成式 AI 技術仍在快速發展，一些企業選擇採取觀望態度，等待技術更加成熟和穩定后再進行投資。
- 缺乏必要的技術專長和技術： 開發和部署生成式 AI 解决方案需要 specialized 的技術專長，而一些企業可能缺乏這方面的專業人才。
克服這些挑戰對於紙漿和包裝產業充分利用生成式 AI 的潛力至關重要。 企業需要制定明確的生成式 AI 策略，投資於數據基礎設施和技術堆疊，培養相關人才，並建立有效的風險管理和治理機制。
包裝和造紙公司如何利用生成式 AI 提升營收和利潤？
生成式 AI 為包裝和造紙公司提供了許多提升營收和利潤的機會。 根據提供的資料，這些機會可以分為以下幾個關鍵領域：
1. 促進產品創新和研發效率：
- 生成式 AI 可以通過分析大量的專利數據和市場趨勢，幫助公司 生成新的產品和包裝設計概念，從而推動產品創新。
- 生成式 AI 可以協助進行 客戶分析，了解客戶需求和偏好，從而開發更符合市場需求的產品和包裝。
- 生成式 AI 可以加速 從概念到視覺化的過程，幫助設計師和工程師更有效地協作，縮短產品開發週期。
- 生成式 AI 可以簡化 現場測試反饋的分析，幫助公司快速識別產品或包裝的缺陷和改進方向，從而提高產品質量和研發效率。
2. 優化商業流程，提升銷售和營銷效率：
- 生成式 AI 可以 優化行銷支出，通過分析市場數據和客戶行為，制定更精準的目標客戶群體和更有效的廣告投放策略，從而提高廣告投資回報率。
- 生成式 AI 可以 自動生成個性化的客戶推廣內容，例如根據客戶的購買歷史和瀏覽記錄，推薦他們可能感興趣的產品或提供定制化的促銷活動，從而提高客戶參與度和轉化率。
- 生成式 AI 可以 幫助銷售團隊更有效地與客戶溝通，例如通過提供實時的產品信息、市場洞察和客戶數據，幫助銷售人員更好地了解客戶需求並提供更有效的解決方案。
- 生成式 AI 可以 增強定價能力，通過分析成本數據、市場情報和客戶的支付意願，幫助公司制定更具競爭力的價格策略，最大化利潤空間。
3. 提升供應鏈和製造效率，降低成本：
- 生成式 AI 可以 優化供應鏈流程，例如通過分析庫存水平、運輸時間和需求預測，幫助公司優化庫存管理、運輸路線和生產計劃，從而降低成本並提高效率。
- 生成式 AI 可以 提高生產效率，例如通過分析生產數據、訂單需求和資源可用性，優化生產計劃，提高產能利用率並降低生產成本。
- 生成式 AI 可以 改善產品質量，例如通過分析生產線上的圖像和視頻數據，識別產品缺陷或設備異常，及時採取措施，從而提高產品質量並降低損耗。
4. 自動化企業職能，提高運營效率：
- 生成式 AI 可以 自動化人力資源、財務、法務等企業職能的重複性任務，例如處理文件、生成報告、審核合同等，從而釋放員工的時間，讓他們可以專注於更高價值的任務。
- 生成式 AI 可以 提高企業決策的效率和準確性，例如通過分析大量的數據，生成洞察報告和預測模型，幫助管理層更好地了解市場趨勢、客戶需求和競爭格局，從而制定更明智的決策。
總體來說，通過應用生成式 AI，包裝和造紙公司可以實現產品創新、提升運營效率、降低成本、增強客戶體驗等多方面的提升，從而提升營收和利潤。 然而，企業也需要認識到應用生成式 AI 的挑戰，例如數據隱私和安全、技術基礎設施建設、人才培養等，並制定相應的策略來克服這些挑戰。
包裝和造紙產業高管認為生成式 AI 具有最大價值創造潛力的功能領域
根據 McKinsey 的調查和分析，包裝和造紙產業的高管們認為生成式 AI 在以下功能領域具有最大的價值創造潛力：
1. 商業 (Commercial)
- 受訪者預期生成式 AI 能夠影響從改善需求生成到提高銷售團隊生產力的每個商業流程。
- 例如，生成式 AI 可以通過優化行銷支出和提供數據驅動的潛在客戶生成和優先排序來改善需求生成。
- 它還可以通過實時銷售顧問、半自動化全渠道工作流程和個性化客戶推廣內容等工具來提高銷售團隊的生產力。
- 此外，生成式 AI 預計將通過讓公司更清楚地了解其成本，並將這些信息與外部數據（如市場洞察力和客戶的支付意願）相結合，從而提高定價能力，從而使公司能夠最大化其端到端利潤率。
2. 創新與研發 (Innovation and R&D)
- 受訪者認為，生成式 AI 可以通過協助研發生命週期的每一步來提高研發效率：幫助公司通過智慧財產權 (IP) 和專利分析產生新想法，提供客戶分析，生成客製化選項，加速從想法到視覺化的過程，並簡化現場測試反饋。
- 例如，一家大型塑膠包裝公司正在將生成式 AI 整合到其設計工作室中，以創建符合永續發展標準的以使用者為中心的包裝設計。
3. 供應鏈和製造 (Supply chain and Manufacturing)
- 受訪者認為生成式 AI 將有助於簡化供應鏈和製造流程、促進原材料採購和自動化支持功能，從而全面提高效率。
- 一些公司已經在試驗各種生成式 AI 應用案例。 例如，一家大型紙製品製造商正在使用生成式 AI 工具自動化其訂單管理流程，並根據每位客戶的期望個性化訂單處理。 另一家公司正在使用生成式 AI 解決方案來增強廢棄物目視檢查系統，旨在提高再生紙和紙板的品質。 許多公司已經開始使用支持生成式 AI 的客戶支持聊天機器人，在降低成本的同時個性化回應。
4. 企業職能 (Corporate functions)
- 生成式 AI 可以自動化人力資源、財務、法務等企業職能的重複性任務，例如處理文件、生成報告、審核合同等，從而釋放員工的時間，讓他們可以專注於更高價值的任務。
總體來說，生成式 AI 有望在包裝和造紙價值鏈的各個環節創造價值。 然而，高管們也指出了一些阻礙快速採用生成式 AI 的挑戰，例如數據和現代技術堆疊的訪問受限、對智慧財產權和隱私問題的擔憂，以及對特定應用案例的了解有限。
生成式 AI 在包裝和造紙產業中的潛在效益
生成式 AI 正迅速地改變各個產業，而包裝和造紙產業也不例外。根據 McKinsey 的研究和對產業高管的調查，生成式 AI 在這個領域具有巨大的潛力，可以帶來顯著的效益，包括提升營收、降低成本和提高效率。
一、促進產品創新和研發效率
生成式 AI 可以透過分析大量的數據，包括專利資訊、市場趨勢和客戶行為，來協助包裝和造紙公司開發創新的產品和包裝設計。例如，生成式 AI 可以幫助公司：
- 生成新的產品概念： 通過分析現有的產品設計、材料特性和市場需求，生成式 AI 可以提出新的產品概念，幫助公司拓展產品線，滿足不斷變化的市場需求。
- 優化包裝設計： 生成式 AI 可以根據產品特性、運輸條件和環保標準等因素，自動生成優化的包裝設計，在保障產品安全性的同時，降低包裝成本和環境影響。
- 加速產品開發週期： 生成式 AI 可以協助設計師和工程師更快速地進行產品設計和模擬，縮短從概念到產品上市的時間。
二、優化商業流程，提升銷售和營銷效率
生成式 AI 可以應用於各種商業流程，幫助包裝和造紙公司提升銷售和營銷效率，例如：
- 優化行銷活動： 生成式 AI 可以分析市場數據、客戶行為和競爭對手策略，制定更精準的行銷目標和更有效的廣告投放策略，提高行銷投資回報率。
- 個性化客戶體驗： 生成式 AI 可以根據客戶的購買歷史、瀏覽記錄和偏好，生成個性化的產品推薦、促銷活動和客戶服務，提升客戶滿意度和忠誠度。
- 提高銷售團隊效率： 生成式 AI 可以為銷售團隊提供實時的市場情報、產品資訊和客戶數據，幫助銷售人員更有效地與客戶溝通，提高銷售成功率。
三、提升供應鏈和製造效率，降低成本
生成式 AI 可以幫助包裝和造紙公司優化供應鏈和製造流程，提高效率並降低成本。例如，生成式 AI 可以：
- 預測需求和優化庫存： 生成式 AI 可以分析歷史銷售數據、市場趨勢和外部因素，更準確地預測產品需求，幫助公司優化庫存管理，減少庫存成本和浪費。
- 優化生產計劃和排程： 生成式 AI 可以根據訂單需求、生產能力和資源可用性，制定最優的生產計劃和排程，提高生產效率，降低生產成本。
- 改善品質控制： 生成式 AI 可以通過分析生產線上的圖像和視頻數據，自動識別產品缺陷，提高品質控制效率，降低產品缺陷率。
四、自動化企業職能，提高運營效率
生成式 AI 可以自動化人力資源、財務、法務等企業職能的重複性任務，例如處理文件、生成報告和審核合約。這可以釋放員工的時間，讓他們可以專注於更高價值的任務，提高整體運營效率。
如何通過早期採用生成式 AI 保持競爭力
對於包裝和造紙公司來說，生成式 AI 代表著一個重大的機遇，可以推動收入增長、利潤提升和整體效率的提高。早期採用者可以獲得顯著的競爭優勢，領先於尚未探索生成式 AI 潛力的同行。以下是一些利用早期採用來保持競爭力的建議：
1. 制定清晰的生成式 AI 策略
- 不要只是為了追趕潮流而採用生成式 AI，而是要制定一個與公司整體業務目標相一致的清晰戰略。
- 確定生成式 AI 可以為公司帶來最大價值的領域，例如產品創新、行銷優化、供應鏈管理或自動化企業職能。
- 設定明確的目標和指標，以便衡量生成式 AI 項目的成功與否。
2. 建立堅實的技術基礎
- 生成式 AI 的成功部署需要強大的技術基礎設施，包括可擴展的技術堆疊和數據基礎設施。
- 評估公司現有的技術堆疊和數據基礎設施，確定是否需要進行升級或投資新的技術。
- 確保數據的質量、安全性和可訪問性，因為生成式 AI 的性能很大程度上取決於數據的質量。
3. 培養專業人才
- 建立一支具備生成式 AI 專業知識的團隊，包括數據科學家、機器學習工程師和領域專家。
- 如果公司內部缺乏相關人才，可以考慮與外部合作夥伴或顧問合作，或者投資於員工培訓，提升現有員工的技能。
- 鼓勵員工學習和實驗生成式 AI 技術，建立一個支持創新和知識共享的企業文化。
4. 從小規模開始，逐步擴展
- 不要試圖一次性部署大型的生成式 AI 項目，而是從小規模的試點項目開始，例如選擇一兩個可以快速產生影響的應用案例。
- 從試點項目中吸取經驗教訓，逐步完善生成式 AI 的應用方法，並將其擴展到其他業務領域。
5. 關注風險管理和負責任的 AI 使用
- 生成式 AI 的應用也帶來了一些風險，例如數據隱私、安全和偏見問題。
- 建立有效的風險管理和治理機制，確保生成式 AI 的應用符合道德和法律規範。
- 向員工提供相關培訓，提高他們對生成式 AI 風險的認識，並指導他們如何負責任地使用這些技術。
6. 持續學習和適應
- 生成式 AI 是一個快速發展的領域，持續學習和適應對於保持競爭優勢至關重要。
- 密切關注行業趨勢和技術進步，並不斷評估和調整公司的生成式 AI 策略。
通過採取這些步驟，包裝和造紙公司可以利用早期採用生成式 AI 的優勢，在競爭中保持領先地位，並為未來的成功奠定堅實的基礎。
包裝和造紙產業採用生成式 AI 的結論
根據 McKinsey 的調查和分析，生成式 AI 有可能徹底改變包裝和造紙產業。儘管該產業在採用新數位技術方面歷史上落後於其他產業，但高管們越來越意識到生成式 AI 的潛力，並渴望在其業務中利用生成式 AI。
- 幾乎所有 (95%) 的受訪高管都認為他們公司應該投資生成式 AI，而大約 77% 的受訪者表示他們公司打算在不久的將來使用生成式 AI。
- 受訪者預期生成式 AI 將對增長和生產力產生重大影響。大多數受訪者預計生成式 AI 將帶來超過 8% 的收入增長和超過 6% 的成本節約。
- 高管們認為，生成式 AI 可以在從加速研發到改善後勤等各個領域為他們的組織帶來商業價值。
然而，採用生成式 AI 也存在一些挑戰：
- 高管們表示，阻礙快速且無縫採用該技術的最大挑戰是數據和現代技術堆疊的訪問受限、對生成式 AI 採用可能引發隱私和智慧財產權問題的擔憂，以及對可從採用生成式 AI 中獲益的特定應用案例的了解有限。
- 只有 30% 的受訪高管表示，他們公司領導對生成式 AI 的潛力有很高的了解和理解。
為了克服這些挑戰並成功採用生成式 AI，包裝和造紙公司應考慮以下建議：
負責任地部署生成式 AI 解決方案： 應仔細考慮防止偏見和歧視，並確保透明度和可解釋性。
制定明確的生成式 AI 策略： 公司應確定生成式 AI 可以為其業務帶來最大價值的領域。
投資於技術和數據基礎設施： 可擴展的技術堆疊和穩健的數據基礎對於生成式 AI 的成功至關重要。
培養專業人才： 建立一支具備生成式 AI 專業知識的團隊對於推動採用和創新至關重要。
從小規模開始並逐步擴展： 從試點項目開始可以讓公司在承擔重大風險之前獲得經驗並證明價值。
專注於變革管理： 讓員工參與進來並解決他們對生成式 AI 的擔憂對於確保成功採用至關重要。
This article is a collaborative effort by Abhinav Goel, Daniel Nordigården, David Feber, and Yashaswi Gautam,with Darshit Gandhi, representing views from McKinsey’s Packaging & Paper Practice and McKinsey Digital.
資料來源： Generative AI: The packaging and paper industry’s next frontier
