Agentická AI pro skladové procesy

V novém termínu v lexikonu AI. Paul Hamblin požádal Raphaëla Hervé z Manhattan Associates, aby vysvětlil Agentic AI a jeho potenciál transformovat provádění skladových procesů.

Umělá inteligence, strojové učení, generativní AI – stále přicházejí nové výrazy. „To je dnešní svět, koncepty se vyvíjejí tak rychle,“ usmívá se Hervé (na obrázku níže), seniorní ředitel technických a podpůrných služeb u lídrů v oblasti technologií dodavatelského řetězce Manhattan Associates.

Posledním termínem je Agentic AI. Pojďme přímo k věci – co to je?

„Pokud se podíváme na AI v její původní definici, několik desetiletí šlo o schopnost porozumět složitým algoritmům,“ začíná. „Poté jsme vyvinuli IT systémy schopné dělat předpovědi na velmi velkém množství datových sad a dokonce tyto datové sady zlepšovat, což můžeme nazvat ‚strojovým učením‘. Před dvěma lety pak přišel Chat GPT spolu s výrazem ‚generativní AI‘, kterou bych popsal jako schopnost rozumět obsahu – ať už textu, hudbě, zvukům nebo obrázkům – a také tento obsah vytvářet. Když dokážete porozumět jazyku, můžete začít tyto systémy ‚pouštět‘ k vykonávání úkolů za vás.“

AI agenti to posouvají ještě dále. Jsou zaměřeni na skutečné dosažení konkrétního cíle, nikoli jen na odpověď.

Autonomní schopnosti

Klíčovým průlomem je autonomie, říká.

„Operačně jsou AI agenti oprávněni činit rozhodnutí a jednat na základě těchto rozhodnutí. Také mají schopnost komunikovat s uživatelem v běžném jazyce. Agenti přijímají instrukce v přirozeném jazyce a zobrazují rozhodnutí a kroky, které podnikli, v přirozeném jazyce. Pamatujte, mají konečný cíl a jsou schopni samostatně odvodit kroky, které musí následovat, aby tohoto cíle dosáhli.“

Jako laik, stejně jako mnozí jiní, mám obavy z potenciálu AI pro chaos, stejně jako jsem ohromen jejími transformačními pozitivními schopnostmi. Není autonomie Agentic AI tím, že je pravděpodobnější, že se do systému dostanou opakované chyby?

„Dobrá otázka, ale stejně jako každý systém je třeba jej ladit a optimalizovat,“ říká Raphaël Hervé. „Převrátím to. Když chybu udělá složitý IT systém NE založený na generativní AI nebo nenaučený fungovat autonomně, je velmi těžké pochopit proč. Protože musíte ladit, analyzovat, jít do zdrojového kódu. S agentem stačí říct ‚Myslím, že je to špatně. Proč jsi to řekl?‘ A agent vám řekne ‚Udělal jsem to z tohoto důvodu‘, a je tak mnohem snazší odvodit zdroj anomálie. Agentic AI je mnohem dynamičtější z hlediska jemného ladění než tomu bylo dříve. A na rozdíl od vašeho psa nebo dítěte vám nebude odporovat při vašich instrukcích,“ dodává.

Jasnost AI agentů v vysvětlování, jaké kroky podnikají a proč, je uklidňující. „Jsou velmi efektivní při provádění úprav, pokud je budete potřebovat,“ slibuje.

V portfoliu řešení Manhattan Associates je několik logistických kontextů.

Příkladem je Labor Agent, který není úplně 100% autonomní agent, který dosáhne cíle sám. Spíše ho lze vnímat jako asistenta pro správu vaší pracovní efektivity.

„Ale může autonomně třídit data, analyzovat je a doporučovat optimalizaci práce s pracovníky,“ vysvětluje Raphaël. „Typickým případem může být skladový manažer, který se ptá Labor Agent, zda budou splněny dnešní termíny balení z hlediska lidských zdrojů. Pokud Labor Agent odpoví, že tým pravděpodobně bude opožděn kvůli chybějícím třem lidem, může prozkoumat možnost přesunu kapacity z jiných částí, například z výběru. Tento tým může poskytnout až pět lidí, takže Labor Agent může vybrat tři nejlepší zdroje s nejvyšším hodnocením a výkonem při balení. Poté může poslat zprávu všem stranám a přerozdělit úkoly přes SMS. Agent pracuje autonomně a komunikuje s uživatelem v přirozeném, běžném jazyce.“

Úspora času

Otázka, na kterou budou chtít odpověď všichni manažeři skladů – a finanční ředitelé – je, jak se projeví výhody v každodenním používání?

Jedním z cenných vítězství je čas, neocenitelný v jakémkoli skladovém kontextu.

Příklad, který jsme právě uvedli, je možná 30sekundová konverzace přes SMS, což by dříve trvalo 15-20 minut. Pokud je balení opožděné kvůli chybějícím třem lidem, je to složitá kalkulace bez pomoci Labor Agent. Sledujete proces, plány, výkon balících. Může zde být velké proměnné, které musíte porovnat s tím, čeho chcete dosáhnout. Agent to dokáže za vás během několika sekund.

Portfolia dopravy Manhattan nabízí AI agenty s podobnými výhodami.

„Náš Freight Invoice Agent je schopen zpracovat jakýkoli dokument – PDF, e-mail, tabulku – používaný jako materiály fakturace dopravce, a automaticky porovná skutečné náklady s očekávanými náklady na zásilku. Tato role je tradičně vykonávána manuálními zdroji, kteří tráví čas přijímáním dokumentů, porovnáváním obrazovek, nákladů na dopravu, daní, hodin řidičů, a je to proces, který může zabrat 15 minut na fakturu. Vyvinuli jsme agenta, který automaticky přijímá cokoli, co přijde, rozpozná zásilku, sladí ji s očekáváními a vysvětlí jakékoli odchylky. To, co dříve zabralo několik hodin práce více lidí, je nyní zvládnuto během několika okamžiků.“

Manhattan oficiálně představil AI agenty v lednu tohoto roku a propaguje tuto technologii všem segmentům zákazníků, velkým i malým. Obsahuje dokonce Agent Foundry, vývojové prostředí pro zákazníky, kde si mohou vytvářet své vlastní agenty podle svých specifikací, buď z šablon, nebo od začátku.

Raphaël Hervé je plný důvěry v perspektivy.

Věříme, že Agentic AI je velmi silný nástroj z hlediska zisků produktivity pro naše zákazníky. Drasticky zlepší interakce člověk-stroj a zpřístupní data a funkce rychleji a jednodušeji. Zákazníci budou těžit z urychlení implementace projektů, protože integrace, mapování a vývoj jsou mnohem rychlejší.