他们饥饿的算法不断地喊着“喂我，喂我！”，这是可以原谅的，幸运的是，该软件对人肉没有品味。但它确实需要不断地获取数据，越新鲜越好，人工智能系统接受的训练数据越多，它们的表现就越准确，但是找到足够的数据是一个长期存在的问题，获取数据来训练 AI 软件的尝试有时会导致公司进入道德上可疑的领域，在没有明确明确同意的情况下收集和使用人们的信息，在其他情况下，数据隐私和数据治理方面的考虑意味着公司根本无法获得足够大的数据集训练好的机器学习系统。

工智能正在第四次工业革命，这是技术进步的时代。不可否认，基于机器学习的系统的吸引力和实用性越来越强，然而，随着人工智能变得越来越普遍，我们需要考虑它对社会和组织以及人的潜在影响，在企业内部引入基于 ML 和 AI 的系统时要考虑的一些挑战，包括道德问题。

供应链正在经历数字化转型。然而，尽管广泛接受了这一重大组织变革，但许多供应链中的数字化转型仍缺乏一致的定义和总体战略。结果，太多的组织没有实现多种技术的战略整合，而是通过一次性数字解决方案解决离散的业务问题。

在未来五年内，预计85% 的工业公司将在所有关键业务部门实施工业 4.0 技术。这种趋势正在产生实际的数字应用程序，这些应用程序现在才变得可见，由于面临无数挑战，制造业在采用全面数字化方面进展缓慢。少数冒险进入数字化转型前沿的为其他人的跟进奠定了基础，主流方法更多的是“观望”而不是“全力以赴”，结果产品工程师的期望和制造商的心态之间存在冲突，过去制造商采用新技术的速度很慢，但 2021 年很可能是数字技术广泛采用的一年，火花已经出现，随着异常值挑战现状，该行业正在向前发展。

分析师洞察力：随着大数据变得越来越大，大大小小的组织都在努力寻找方式将其提炼成有意义的洞察力，以帮助做出战略性业务决策，的组织正在创建正式、集中和混合的供应链分析程序或结构，在提供治理和监督的同时，混合计划帮助组织将集中指导的整体观点和控制与分散实施提供的对业务需求的灵活性和洞察力相结合。

向“工业 4.0”过渡提供了许多机会，可以在考虑可持续性的情况下重新思考和重塑全球供应链。供应链的未来将是数字化、低碳化、循环化和公平化，第四次工业革命或“工业 4.0”是当今经济的驱动力，人工智能、区块链和物联网等新兴技术处于这个新世界的中心——供应链合作伙伴之间的联系日益紧密，推动基于数据的决策制定，并提高各行业的效率，有了正确的思维方式和规划，这些技术也可以用来促进供应链的可持续性。