В цепочках поставок быстро выявляют проблемы, но медленно реагируют: как агенты искусственного интеллекта это решают.

Искусственный интеллект в розничной торговле и логистике

В цепочках поставок быстро выявляют проблемы, но медленно реагируют: как агенты искусственного интеллекта это решают.

Согласно глобальному отчету JS Held о рисках, сбои в цепочках поставок обошлись предприятиям примерно в 184 миллиарда долларов в 2025 году, и большая часть этих средств по-прежнему уходит на более быстрое обнаружение, а не на более быстрые действия.

Этот показатель обычно рассматривается как погодный фактор (например, случаются штормы, а значит, и затраты). Если же рассматривать его как спецификацию продукта, он демонстрирует операционную модель, позволяющую выявлять проблемы на несколько часов или дней раньше, чем раньше, и при этом не смещаться, пока сотрудник не создаст заявку, не организует звонок и не введёт те же данные в три системы.

Платформы обеспечения прозрачности, центры управления, оценки рисков, цифровые двойники и панели мониторинга исключений определили последнее десятилетие применения ИИ в цепочке поставок. Это десятилетие очень хорошо сократило время между событием и осознанием его, но гораздо хуже — между осознанием и коммерческим действием.

Проблема обнаружения достаточно хорошо решена.

Спросите руководителя отдела управления цепочками поставок, куда ушли средства, выделенные на ИИ, и ответ, как правило, будет выглядеть примерно так: анализ спроса, прогнозирование сроков доставки, оценка рисков поставщиков, оптимизация запасов и анализ маршрутов. Эти инструменты работают. Ошибка прогнозирования снижается. Задержка судна выявляется до того, как контейнер пропустит крайний срок. Сбой в работе второстепенного производственного предприятия отображается на тепловой карте, а не в электронном письме клиенту.

Ничто из этого не объясняет сумму в 184 миллиарда долларов. Счет — это промежуток времени после сигнала тревоги: ускорить или подождать; разделить заказ или смириться с пропуском; повторно предложить маршрут или оплатить по спотовой ставке; объединить два полупустых рейса или отправить оба; обменять морской транспорт на воздушный для тех товаров, которые действительно оправдывают надбавку. Это ограниченные, повторяющиеся решения, которые находятся в рамках политики, контрактов и ограничений по запасам, уже установленных компанией, — и они все равно стоят в очереди на обработку в почтовом ящике оператора.

В опросах по-прежнему описывается одна и та же проблема, но на разных языках. Опрос Knosc 2026 года, проведенный среди производителей и дистрибьюторов среднего размера, показал, что команды, занимающиеся цепочками поставок, тратят 28 процентов своего рабочего времени на реагирование на сбои, причем большая часть этого времени уходит на расследование причин произошедшего, а не на изменение дальнейших действий.

Руководители логистических компаний по-прежнему считают ИИ стратегическим приоритетом (исследование Capgemini за 2025 год поставило цепочку поставок «нового поколения», управляемую ИИ, в тройку главных технологических трендов для 70 процентов руководителей крупных компаний), но при этом отмечают, что измеримый финансовый эффект по-прежнему встречается редко. Gartner обнаружила в 2025 году, что только 23 процента организаций, занимающихся цепочками поставок, имеют формальную стратегию в области ИИ. Недостаток заключается не в нехватке моделей, а в нехватке полномочий, предоставленных программному обеспечению.

Билет — это товар.

Большинство современных систем построены вокруг системы обработки заявок. Модель выдает рекомендацию, рекомендация превращается в оповещение, оповещение — в рабочий элемент, а рабочий элемент ожидает планировщика, уже занятого другими рабочими элементами. К моменту, когда планировщик принимает решение, набор вариантов сужается — возможности альтернативного перевозчика исчерпаны, окно консолидации закрыто, и выделяется следующий производственный слот поставщика.

Этот рабочий процесс — не временный шаг на пути к автономии, а продукт, который приобрели компании. Поставщики продавали аналитические данные, потому что их легко продемонстрировать и легко контролировать; действия затрагивают деньги, контракты, уровни обслуживания и ответственность. Поэтому отрасль автоматизировала ту часть работы, которая не требует подписи. В отчете FourKites и ABI Research за 2025 год говорится, что только 27 процентов организаций позволяют ИИ выполнять автономные действия, в то время как 52 процента ограничивают его использование поддержкой принятия решений.

Добавление еще одной панели мониторинга к задержанной отгрузке редко приводит к изменению показателя EBITDA. Цикл принятия решений не изменился; он лишь был дополнен.

Ограниченные действия как следующая модель

Компании, которые намерены отвоевать долю рынка, — это не те, у кого самая упорядоченная диспетчерская вышка, а те, кто предварительно санкционирует узкий круг сделок и позволяет агентам совершать их, пока исключение еще недорогое.

Повторно объявлять тендер на маршрут, если расчетное время прибытия контрактного перевозчика превышает пороговое значение, а квалифицированный альтернативный перевозчик находится в пределах утвержденного тарифного диапазона. Объединять исходящие потоки, если коэффициенты заполнения и время окончания приема заказов делают комбинированную перевозку дешевле, чем две. Изменять режим работы для определенного набора SKU, если стоимость авиаперевозки ниже стоимости пропущенного розничного окна. Перераспределять страховой запас между двумя распределительными центрами, если совпадают несоответствие прогноза и транспортные ограничения.

Ничто из этого не требует разработки стратегии вне офиса. Каждое действие можно сформулировать так: если выполняются эти условия, то это действие, в рамках этого лимита расходов, с этим журналом аудита, и человек участвует в процессе только в том случае, если ситуация выходит за рамки допустимого. Это не «автоматизированная» цепочка поставок — это та же дисциплина, которую производители уже применяют к управлению машинами, где оператор может действовать внутри зоны блокировки и эскалировать ситуацию за ее пределами. Разница здесь коммерческая, а не физическая: зона блокировки — это объект политики — категория, уровень поставщика, режим, лимит в долларах и класс обслуживания — а не ПЛК.

Три условия для реальных перемен

Во-первых, решения должны быть оформлены в виде политики, а не на основе коллективных знаний. Если единственное место, где существует фраза «мы будем платить за воздух по пунктам А после 48 часов простоя в океане», — это голова планировщика, ни один агент не сможет её реализовать. Работа следующих двух лет будет заключаться не столько в обучении модели, сколько в разработке решений: какие действия обратимы, какие ограничены, а какие поставщики и виды транспорта предварительно согласованы.

Во-вторых, системы исполнения должны принимать транзакции, инициированные машиной. Агент, который может составить запрос на коммерческое предложение, но не может его отправить, всё равно является инструментом обнаружения. Системы управления транспортом (TMS), системы управления складом (WMS), пакеты программного обеспечения для поиска поставщиков и API перевозчиков должны рассматривать агента с ограниченными правами так же, как и рядового покупателя с лимитом расходов — как аутентифицированного, зарегистрированного и обратимого.

В-третьих, ответственность должна меняться вместе с действиями. Если пересмотр внутренней политики проваливается, анализ после завершения должен включать проверку самой политики, данных и обстоятельств дела, а не поиск человека, который «должен был проверить». Пока не произойдут эти культурные изменения, каждый агент будет вынужден ждать, потому что ожидание – это залог выживания карьеры.

Разделение на конкурентов

Какое-то время обе модели будут выглядеть одинаково на слайде — в обеих будет искусственный интеллект, и в обеих будет диспетчерская вышка. Разница проявится во времени цикла от обнаружения до коммерческого действия, а затем в качестве обслуживания и стоимости.

Компании, которые продолжат закупать системы обнаружения, узнают о шторме раньше. Компании, которые разрешат ограниченные действия, уже проведут повторный тендер на полосу движения, объединят поток машин и переместят основные элементы еще до того, как будет оформлен вызов о происшествии.

Проблемы никуда не исчезнут. Задержки в критически важных компонентах, нестабильность режимов работы и многоуровневая непрозрачность являются структурными особенностями сети. Остается необязательным вопрос, ожидает ли ответ открытия очереди человеком. Продуктом, создавшим задержку, была инсайдерская информация без полномочий. Продуктом, который её устраняет, является агент, которому разрешено потратить немного денег, находясь за оградой, прежде чем кто-либо сможет свободно наблюдать за процессом.

См. также: JD.com расширяет применение физического ИИ в логистике, используя 3 миллиона роботов.

Хотите узнать больше об искусственном интеллекте и больших данных от лидеров отрасли? Посетите выставку AI & Big Data Expo, которая пройдет в Амстердаме, Калифорнии и Лондоне. Это масштабное мероприятие является частью TechEx и проводится одновременно с другими ведущими технологическими выставками, включая Cyber Security & Cloud Expo. Для получения дополнительной информации нажмите здесь.

AI News — это проект TechForge Media. Здесь вы можете ознакомиться с другими предстоящими мероприятиями и вебинарами, посвященными корпоративным технологиям.

Источник: www.artificialintelligence-news.com