Odporność przemysłowych łańcuchów dostaw zależy nie tylko od wiedzy o położeniu ładunku, lecz także od szybkości reakcji. Platformy wykorzystujące agentów AI mają automatycznie uzupełniać informacje, prowadzić komunikację i eskalować sytuacje, w których potrzebna jest ocena człowieka.
Jednym z takich rozwiązań jest LSP44, firma założona przez Jetta McCandlessa, prezesa project44. Skupia się ona na operatorach logistycznych: spedytorach, firmach 3PL, magazynach i brokerach transportowych w USA. Platforma integruje ich istniejące narzędzia z siecią przewoźników i danymi project44.
Automatyzacja bez wymiany całej infrastruktury
W wielu łańcuchach dostaw funkcjonują jednocześnie nowoczesne interfejsy API, starsze systemy, e-maile i rozmowy telefoniczne. Agent może korzystać z bezpośredniej wymiany danych, ale także skontaktować się z człowiekiem po stronie przewoźnika.
Jeżeli numer pojazdu jest nieprawidłowy, system może poprosić dyspozytora o właściwe dane, a następnie przekazać je do śledzenia. To prosta funkcja, lecz przy dużej liczbie przesyłek ogranicza ręczną pracę i przywraca informacje potrzebne do planowania.
Inny scenariusz dotyczy ryzyka. Agent analizuje lokalizację GPS względem trasy i obszarów podwyższonego zagrożenia. Nietypowe zachowanie może uruchomić kontakt z przewoźnikiem lub służbami, ale decyzję o dalszym postępowaniu podejmuje pracownik. Taki podział łączy automatyzację z odpowiedzialnością człowieka.
Wpływ na zapasy i ciągłość działania
Według McCandlessa sieć obejmuje 282 tys. przewoźników w 194 krajach, a inwestycje project44 w konektywność i badania przekroczyły 1 mld dolarów. Ujednolicone dane mają dostarczać kontekstu do zarządzania wyjątkami, zdolnością przewozową i zapasami.
CEVA Logistics jest wskazywana jako przykład firmy, która szybciej wyszukuje ciężarówki dzięki platformie. Alcon wykorzystał prognozy czasu dostawy w planowaniu zapasów; według McCandlessa ograniczył je o około 150 mln dolarów.
Technologia nie zastąpi jednak ładu danych ani przygotowania organizacji. Przedsiębiorstwa będą musiały uwzględnić cyberbezpieczeństwo, prywatność, integrację systemów starszego typu oraz szkolenie użytkowników. Największą wartość agentowa AI może przynieść tam, gdzie przejmuje stały monitoring, a ludziom pozostawia ocenę złożonych kompromisów.
