對于那些仍不確定是否有足夠的理由將此類活動外包的公司而言，信息很明顯-他們是同一回事。

人工智能與可持續發展計劃之間的聯系并不是什么新鮮事物。普華永道英國的研究最近確定，到2030年，將AI用于環境應用可以為全球經濟貢獻高達5.2萬億美元。

但是，當涉及將機器學習(ML)的概念與他們自己的生態目標聯系起來的不同行業時，這個信息還沒有完全傳播出來。許多組織陷入困境，他們認為它們可以盈利或可持續。這是一個愚蠢的推論，事實并非如此。

最佳決策

在零售業中，這種AI驅動可持續性的想法有兩個框：

•通過產品過期以及對公司的供應鏈和采購活動的影響來避免浪費。

•遵守季節性趨勢，在一定時期內如果不購買產品就會變得多余。如果您可以在兩個參數之間做出最佳決策，那么您將減少庫存浪費和多余的庫存，減少不必要的供應和分銷活動，并減少可能永遠無法通過定制方式償還的采購支出。

只有定義需求，需求和消耗的最佳概率曲線的算法才能確保這一點。這樣，公司便獲得了更大的權力來同時提高盈利能力和可持續性。

對于供應商而言，它在繼續對抗“自己動手”趨勢的同時為我們提供了更多的優勢。

新動態

我們仍然每天遇到負責數百萬個數據點的組織，他們認為它們比機器可以做出更好的決策。無論是圍繞庫存控制，收入管理還是季節性期望，他們都依靠數十年的經驗來提出這一主張。

但是，可持續發展的角度最近改變了這種動態，并且很可能會繼續以更大的速度向前發展。擁有比機器更多經驗的想法并不能抵擋一種趨勢，這種趨勢直到最近才成為差異化因素。

在氣候控制，生態問題，全球變暖和公司的碳足跡方面，許多高層管理人員都在努力證明自己不愿遵守ML的理由。他們幾十年來一直沒有考慮這個問題。雖然AI提供商提出的實際產品或服務沒有改變，但其提議和與組織的聯系方式卻略有不同。

如果獲利能力的承諾不能說服公司，那么可持續性保證也可能—即使方法完全相同。

個性化的回報

這都是關于感知的。人類的“直覺”本能仍然是AI模型的最大對手，對于供應商而言，這既是一場心理和社會斗爭，也就像一場行業斗爭。

在這種情況下，人們的呼聲是，最佳的數據量化可以圍繞您想要的一切進行，但這并不會改變所需的技術和計算。

通常，這與利潤和股東價值有關，因為這是源遠流長的成功故事。但是，如果您最關心的是客戶滿意度，聲譽提升或更好的推廣和互動(通過促銷或市場營銷手段)，那么您仍然可以從更明智的決策中受益。價格點?在哪里發送促銷?配股?季節性采購?

可持續性只是AI可以幫助優化的另一個參數。通過項目的個性化，做出的每個決定都可以優化該特定資源。