本案例依原書 11.1 所引用的外部研究整理。
保留作者用來支持 AI Supply Chain 潛力的量化證據，並與 XYZ Pharma 自身結果分開。
原書引用 Arnab et al. 與 Shen et al. 的結果，說明 AI 在供應鏈管理中的量化改善可能性。
| 來源情境 | 原書引用結果 | 不可誤解為 |
|---|---|---|
| AI-powered demand forecasting | Forecast error reduced by 20–30% | XYZ Pharma RAG 實驗 |
| Global consumer electronics manufacturer | 25 million USD annual cost savings；15% reduction in stockouts | 製藥公司自己的成本結果 |
| Eye & ENT Hospital of Fudan University；AI+VMI | 42.4% increase in drug supply chain efficiency | Table 11.3 結果 |
| 同一 AI+VMI 案例 | Inventory error rate 0.425 → 0.025‰ | XYZ Pharma inventory discrepancy |
| 同一 AI+VMI 案例 | Prescription dispensing errors reduced by 60% | XYZ Pharma order accuracy |
建立 Source Study／Industry／Technology／Metric／Before／After／Claim Type 欄位，確保外部 Evidence 不和本章 Case Study 合併。
原書已直接提供改善幅度；本教材不重新估算或改寫。
這些數字是採用 AI 的背景證據，不等於 RAG 在 XYZ Pharma 的因果效果。不同 Technology、Organization、Industry Context 應分開閱讀。
請把原書 11.1 的外部量化證據整理成 source-separated table；任何數字都不得標成 XYZ Pharma result。