如果您經營食品生產業務，您目前正處於一場兩面夾擊的戰爭中。一方面，隨著客戶自身的雜貨支出攀升，他們對價格變得越來越敏感。另一方面，全球供應鏈感覺就像是靠膠帶和祈禱在維持。對於小型生產商來說，中間地帶——也就是您的利潤——正在日益萎縮。
在過去的十年中，我一直在研究該行業企業的損益表 (P&L)，模式總是一樣的：他們在食譜研發上極具創意，但在財務計算上卻處於危險的手動狀態。大多數小型生產商採購原料的依據是「我們一直以來採用的方式」，或者是對試算表上的低庫存警報做出反應。在高波動性的時代，這已不僅僅是效率低下的問題，更是對企業生存的威脅。
最近，我與一家精品格蘭諾拉麥片和零食生產商（我們暫且稱之為「Field & Flour」）合作，他們成功做到了大多數顧問認為對於這種規模的公司來說是不可能的事情。他們在短短 90 天內將銷貨成本 (COGS) 降低了 12%。他們並非透過改用廉價劣質的原料或解僱廚房員工來達成這一目標，而是透過實施一種精簡且極具針對性的小型企業 AI 應用方法，完全專注於「預測性採購」。
「及時生產」(Just-in-Time) 幻象的陷阱
💡 想要 Penny 分析您的業務嗎？ 她繪製了人工智慧可以取代哪些角色的地圖，並制定了分階段計劃。 開始免費試用 →
多年來，小型企業一直被告知要效仿 Toyota 或 Nestlé 等巨頭的「及時生產」(JIT) 交付模式。這個想法很簡單：不要將資金積壓在庫存中，只在完全需要的時候才購買所需物資。
但對於小型生產商來說，JIT 往往是一個陷阱。您沒有足夠的採購量來要求供應商給予優先權，因此當出現短缺或價格飆升時，您是第一個受擠壓的人。Field & Flour 每個月都會損失數千英鎊，因為他們僅僅因為儲存箱空了，就在市場價格高峰期購買燕麥和蜂蜜。
我稱之為採購滯後 (The Procurement Lag)。這是反應式而非預測式所帶來的隱形成本。當您缺乏數據來預見價格飆升時，您支付的是一種「波動稅」，這在您打開烤箱之前就已經吞噬了您的利潤。
第一步：解決數據碎片化問題
在我們接入任何 AI 工具之前，我們必須處理混亂的數據。Field & Flour 的數據分佈在四個不同的地方：舊的 Sage 會計系統、三個不同的供應商門戶網站、手寫的生產日誌以及一堆紙本發票。
AI 不是魔法，它是一個模式識別引擎。如果模式被埋在紙堆裡，引擎就無法啟動。我們使用了一個簡單的 OCR（光學字元辨識）工具來將三年的歷史發票數位化。這給了 AI 一個基準：2022 年 6 月與 2023 年 6 月的蜂蜜價格對比如何？哪家供應商總是延遲交貨？
如果您正在為自己的工廠尋找類似的路線圖，我們的食品與飲料生產行業省錢指南詳細介紹了在不聘請數據科學家的情況下，如何審計這些數據孤島。
第二步：執行「波動套利」
這就是小型企業 AI 應用真正發揮作用的地方。我們沒有構建自定義模型——對於這種規模的企業來說，那是在浪費錢。相反，我們結合使用了現成的預測分析工具和自動化市場監控。
我們建立了一個系統，將 Field & Flour 的歷史使用情況與全球大宗商品價格資訊以及關鍵產區的天氣模式進行交叉對比。AI 不僅在看他們使用了什麼，還在看市場在發生什麼。
在第二個月，系統標記出由於加州乾旱，有機杏仁價格有 15% 的機率會大幅上漲。通常情況下，Field & Flour 會等到庫存不足時才重新訂購。相反，AI 驅動的見解讓他們能夠以當前價格提前三週鎖定大批量採購。這一個動作就為他們節省了 £4,200——這比 AI 實施本身的成本還要高。
這就是波動套利 (Volatility Arbitrage)：利用資訊的速度來彌補購買力的不足。當您無法像大公司那樣大量採購時，您必須買得比他們更聰明。
第三步：生產排程中的 90/10 法則
食品企業利潤流失的最重要原因之一不僅是原料成本，還有生產過程中的浪費和低效率。
我們應用了我稱之為 90/10 法則的方法。我們發現 Field & Flour 90% 的生產排程工作都是重複的數據輸入——檢查庫存、檢查訂單和分配班次。只有 10% 需要創辦人對品質和品牌的「直覺」。
透過將這 90% 自動化，AI 能夠根據原料送達日期優化批次規模。如果一批種子的貨運延遲了 48 小時，AI 不僅會標記它，還會自動重新編排生產日曆，優先處理使用現有庫存的產品，讓員工保持生產力，而不是無所事事地站著。
我們還研究了次要成本。雖然原料採購是主要的勝利，我們甚至將 AI 驅動的排程應用於他們的設施維護。例如，透過分析他們的能源使用情況和清潔時間表，我們發現他們在委外清潔服務上的支出過高。如果您曾懷疑自己的營運支出是否過高，請查看我們對 AI 與傳統清潔服務成本對比 的分析，了解自動化如何改變設施管理的經濟效益。
結果：超越試算表的效益
在 90 天結束時，數據說明了一切：
- 原材料成本： 透過更好的時機把握和「波動套利」降低了 7%。
- 浪費減少： 透過更緊密的生產與需求匹配降低了 18%。
- 勞動力效率： 因為員工不再需要「等待原料」而提升了 5%。
總銷貨成本 (COGS) 降低了：12.2%。
但真正的勝利不僅僅是這 12%。而是創辦人壓力的減輕。她不再是一個對供應鏈中的每一次波動做出反應的「消防員」，而開始真正像一位執行長一樣思考。AI 並沒有取代她，而是給了她更清晰的視野來做出更好的決策。
如何在您的業務中開始執行
如果您是一家感到壓力的小型生產商，不要先去尋找「最好的 AI 工具」。先從尋找您的摩擦點開始。
- 識別您排名前三的波動原料。 哪些原料的價格波動最大？
- 將您的歷史數據數位化。 如果您不了解過去，就無法預測未來。
- 留意「代理機構稅」(Agency Tax)。 您是否在支付中介或顧問費用來完成一個簡單的預測腳本就能處理的工作？
小型企業 AI 應用並非關乎機器人的未來，而是關乎當下的獲利能力。您每延遲一天實施基本的預測性採購，就是向您的競爭對手支付一天的「手動稅」。
如果您想了解這些框架如何具體應用於您的特定領域，請到 aiaccelerating.com 找我。我們不談理論，我們專注於轉型。這項競爭優勢的窗口現在正敞開著，但它不會永遠敞開。先發制人，否則就會被淘汰。