为了让可乐在消费者需要时随手可得，可口可乐在技术创新方面投入了大量精力。

提起可口可乐，你首先会想到什么？是经典的红白标志还是凹凸有致的弧线瓶！作为世界上最大的非酒精饮料公司，可口可乐公司旗下的500多个品牌每天会售出超过19亿杯饮料，业务遍及全球200多个国家和地区，雇员超过8万人。

不仅如此，可口可乐还是世界上为数不多的可以跻身全球最有价值品牌前列的非科技公司，与科技巨头苹果、谷歌、亚马逊和微软等齐名。

有人说，可口可乐的成功源于其一次又一次的营销活动和广告宣传。的确，可口可乐平均每年投入在广告上面的费用高达40亿美元。但在此基础上，该公司认为技术创新将是维持其未来增长的主要推动力。

可口可乐的准创始人、曾在1923年到1985年担任可口可乐公司总裁的Robert Woodruff就曾说过一句名言：可口可乐必须要在消费者需要时随手可得。为了在当今快速发展的市场中实现这一目标，该公司在产品创新、创建新的分销渠道和做出数据驱动的决策方面投入了大量精力，并且引入了人工智能（AI）和机器学习（ML）来保持他们的领先地位。

▍可口可乐的技术之路

由于不同的品牌在200多个不同的国家和地区提供形式各异的不同产品，各地区在口味、糖分、卡路里和营销偏好方面也存在着显著的差异。因此，可口可乐公司必须收集和分析来自不同来源的大量数据，以找出哪些品牌有可能在哪些地方受到欢迎。

2008年，可口可乐推出了创新型饮料机Freestyle，顾客可以通过互动触摸屏将公司的整个产品组合中的饮料和口味混合在一起。一经发布之后，这些饮料机颇受欢迎，十年之后全世界共有5万台饮料机，每天调配1,400万杯饮料。

通过收集这些自助饮料机的数据，可口可乐公司能够发现关于客户偏好的宝贵信息，从而推出新产品。2019年，该公司就基于数据分析推出了雪碧 Lymonade 和橙子香草可乐。

可口可乐Freestyle副总裁兼总经理Chris Hellmann称，“当我们推出Freestyle时，它确实是一项颠覆性创新。今天，它已经是一项价值10亿美元的业务了。”

2016年，可口可乐声称Freestyle自动饮料机售出的饮料中有48%不属于传统十大饮料之列。如今，Freestyle饮料机继续按需提供超过200种气泡饮料和普通饮料，包括超过117种以上的低卡路里和无卡路里的选择，以及超过100种独有的口味。

另外，可口可乐公司也使用人工智能来监督和分析社交媒体，以了解其消费者。为了了解其产品在社交媒体上的讨论和分享情况，该公司建立了40多个“社交中心”，通过美国云计算软件公司Salesforce收集数据并进行分析。

更进一步，可口可乐公司还使用图像识别技术来锁定有可能成为该公司客户的用户。例如，可口可乐公司通过浏览用户发布的图片，发现用户喜欢冰茶，就顺势投放其冰茶品牌Gold Peak的广告。

而在人工智能应用成熟后，可口可乐公司还利用谷歌的TensorFlow技术开发了一种图像识别解决方案。该方案使用卷积神经网络（CNN），允许机器识别在不同时间和不同地点印刷的图案。事实证明，这对于可口可乐公司的“忠诚度计划”很有帮助。

以前，可口可乐的忠诚度计划可以通过MyCokeRewards.com开展，当智能手机普及后他们又开发了相应的iOS和Android应用程序，消费者只需要手动输入印在瓶盖上的 14 位产品代码就有机会获得额外的奖励。

但很快可口可乐公司便认识到，在移动设备上手动输入14个字符的代码很影响用户的使用体验，因此他们寻求一种方法来简化这一过程。于是，他们便找到了一种替代的机器学习技术——卷积神经网络，该技术有可能比现有的光学字符识别（OCR）解决方案更准确。

而作为一种成熟的机器学习框架，TensorFlow简化了深度神经网络（如CNN）的开发，这使得像可口可乐这样的公司能够快速开发、测试和改进其OCR解决方案的高功能界面。

可口可乐公司当时的高级解决方案战略家Patrick Brandt解释说，“我们为 iOS 和安卓设备开发了一个专门的训练应用程序，‘训练师’可以使用这个应用程序对代码进行拍照和标记，然后将这些标记好的图像转移到云存储中进行训练。我们在瓶盖和冰箱包上标注了数千种产品代码，并将这些代码分发给了多个供应商，这些供应商使用这个应用程序创建了最初的真实世界训练集。”

从这个训练集收集的数据为该应用程序在模拟和真实图像实例中的预测准确性提供了一个基线。Brandt声称，当客户纠正应用程序的预测时，该界面还允许创建一个反馈回路，这将逐步提高字符识别模型的准确性。

Brandt 声称，仅在该应用程序推出后的六个月内，可口可乐公司就推出了十多个促销活动，并有超过18万个扫描的代码，客户参与度大幅提高。

▍人工智能如何改造供应链？

对于任何生产或销售商品的公司来说，采购都是供应链管理中不可或缺的一环。采购的范畴很广，既包括识别和评估商品或服务的潜在供应商，谈判条款和选择供应商，也有提交标书和谈判合同，从竞争业务的供应商那里获得供应和付款。

但是，在一个充满干扰和风险的供应链环境中，挑战比比皆是，仍在持续的新冠疫情和乌克兰战争就深刻地证明了这一点。根据德勤（Deloitte）2021年全球首席采购官（CPO）调查，新冠疫情加剧了检测、衡量和管理风险的挑战，很少有首席采购官（18%）能够正式跟踪他们的直接（一级）供应商中存在的风险，只有15%的CPO能够管理更多的风险。

然而，人工智能可以改变游戏规则。德勤调查发现，表现出色的采购机构全面部署人工智能/认知能力的可能性要高出其他同行大约18倍。

PA咨询公司（PA Consulting）美国制造业负责人Shanton Wilcox表示，“如今的公司面临着供应问题、大宗商品价格大幅波动、运输挑战和成本上升，而人工智能解决方案有助于在一个看似混乱的商业环境中为决策提供信息。”

供应链管理公司FarEye的首席执行官兼联合创始人Kushal Nahata说，以前给企业带来成功的传统采购系统模式已经变得过时和紧张，而人工智能有能力发掘供应链中的信息和模式，找到人类思维范围之外的关联性。例如，确定一个组织未来的资源可用性，可以计算出交货的大致时间框架。历史数据可以用来了解未来可能的需求，并相应地做出相关决策。

然而，对于许多采购部门而言，人工智能还是一个新兴领域，市场亟需解决方案来填补这一空白。

总部位于爱尔兰的Keelvar就是一家寻求正面解决采购问题的公司，该公司最近筹集了2,400万美元来资助其“智能采购”平台。它开发了采购机器人，使客户能够检查来自供应商的直接和间接采购投标信息，然后根据这些标准和其他约束条件分析多种授标方案。利用Keelvar的平台，企业还可以启动和运行新的招标活动。算法对供应链中断和供应商的数据进行分类，在提供建议之前对其进行清理并提取信息。

可口可乐公司在两年半前也开始接入Keelvar，专门用于物流采购，现在已经将其纳入包装和配料供应的软件管理系统。

可口可乐公司全球分析、全球采购和供应链总监Brett Fultz指出，他的全球采购小组控制着50多个类别的250亿美元的支出，而某些类别有数百家供应商竞标可口可乐的业务。“这给我们的数据标准化、流程标准化带来了极大的麻烦，而Keelvar帮我们简化了这一过程。”他说。

他补充说，最重要的价值来自于矩阵式定价，用于分析原材料成本——包括原材料、转化和物流成本——以及使投标清理过程自动化。

“例如，在像收缩膜和拉伸膜这样的类别中，我们会邀请超过200家供应商参加竞标，在每轮竞标结束时，我们会让所有的人去清理和验证这些报价。”他说，“这个工具使我们能够简化这一过程，因此我们基本上能够收集全经过验证的汇总报价。”

▍更广泛的供应链解决方案

除了Keelvar，在这一领域还有许多其他更大的、人工智能驱动的采购解决方案，如Coupa和Jaggaer。这两家供应商都是“采购到支付”（Procure-to-Pay）领域的领导者，其整合了自动化工作流程的解决方案，用于请求、采购、接收和支付整个企业的货物和服务。

Coupa强调，它提供的产品和服务比Keelvar等“点状解决方案”更广泛。从采购到合同管理再到采购和付款，Coupa不断地衡量供应商的风险和业绩。

Coupa供应链战略副总裁Madhav Durbha博士说，“通过我们的供应商风险和绩效管理解决方案，我们可以解析各种内部和外部数据，对供应商进行风险评分。然而，仅仅将一个供应商标记为有风险是不够的。通过在物理供应链的数字孪生模型上使用先进的优化技术，我们可以运行各种方案，并将风险分数与其他关键绩效指标进行比较。”

而德国数据技术公司Makersite的创始人Neil D'Souza说，自2020年初以来，采购的复杂性急剧增加。“虽然供应链风险一直是采购的一部分，但新冠疫情和地缘政治问题使得它比以往任何时候都更难掌握，同时，供应商的可见性问题带来了巨大的商业风险。”他说，“此外，随着监管规定的不断加强，以及企业公开宣传零碳的目标，采购现在已经成为了减少供应链碳排放的主导力量。”

从长远来看，未来人工智能和软件系统将在供应链领域加速发展。它们将演变成更广泛的生态系统，并汇集数据、算法引擎和功能来解决特定的难题。

而对于可口可乐公司这样的用户来说，在改善供应链方面仍有发展空间。在未来2-3年内，多个系统之间的数据整合会进一步加速。