當 2020 年冠狀病毒危機爆發時，醫療緊急情況伴隨著物資嚴重的短缺，特別是在一些醫療設備方面。這種情況首先出現在呼吸機上：需求激增，供應鏈中斷。這是因為這些設備的生產跨越多個國家，每個部件都依賴于在不同地點制造的其他部件。鏈條越長，依賴性越復雜，任何點對另一個點的破壞和強制關閉的風險就越大。

供應鏈問題具有連鎖金融效應，稱為貿易信貸傳染。這就是公司延遲向供應商付款的地方，因為他們的客戶延遲向他們付款。貨到付款模式可能導致發貨取消或延遲，進而導致破產。研究人員目前正在努力開發方法來識別全球供應鏈中的漏洞并了解其貿易信用傳染風險。目標是使這些系統整體上更加健壯。

人工智能和復雜網絡理論有助于識別可能構成系統性風險的結構。它們幫助我們問：哪些連接模式可能導致延遲和貿易信用傳染，哪些更強大?使用這些工具，我們可以創建應對各種沖擊的全球供應鏈的大規模模擬器，然后使用機器學習技術來檢測供應鏈中的問題部分。然后，這些知識可以用于市場設計，以在另一場大流行或災難發生之前加強系統。

大流行之后，貿易信用保險可能會增長。它可能依賴于公私伙伴關系，當政府在某些地區實施關閉時，它們會成為重要的參與者。這些資金可用于彌補付款延遲、減少損失并在必要時啟動關鍵生產。供應鏈也可以重新布線，大規模算法可以識別哪些供應商需要更換，哪些新供應商需要出現。

幾年后，供應鏈可能看起來會有所不同，因為總體目標從大流行之前的成本最小化轉變為最大程度地減少延誤和貿易信用風險。