Agentická AI pre skladištné procesy

V lexikóne AI je nový termín. Paul Hamblin požiadal Raphaëla Hervé z Manhattan Associates, aby vysvetlil Agentic AI a jeho potenciál na transformáciu vykonávania skladových procesov.

Umelá inteligencia, strojové učenie, generatívna AI – stále pribúdajú nové frázy. „To je dnešný svet, koncepty sa vyvíjajú tak rýchlo,“ usmieva sa Hervé (na obrázku nižšie), seniorný riaditeľ technických a podporných služieb u lídrov v technológiách dodávateľského reťazca Manhattan Associates.

Posledným termínom je Agentic AI. Poďme rovno k veci – čo to je?

„Ak sa pozrieme na AI v jej pôvodnej definícii, celé desaťročia išlo o schopnosť porozumieť zložitým algoritmom,“ začína. „Neskôr sme vyvinuli IT systémy schopné robiť predpovede na veľmi veľkom množstve dátových súborov a následne tieto dátové súbory aj zlepšovať, čo môžeme nazvať ‚strojovým učením‘. Pred dvoma rokmi prišiel Chat GPT spolu s frázou ‚generatívna AI‘, ktorú by som opísal ako schopnosť dávať zmysel obsahu – či už textu, hudby, zvukov alebo obrázkov – a tiež vytvárať tento typ obsahu. Keď dokážete dávať zmysel jazyku, môžete začať ‚poháňať‘ tieto systémy na vykonávanie úloh za vás.

AI agenti to posúvajú ešte o krok ďalej. Sú zameraní na dosiahnutie konkrétneho cieľa, namiesto len reakcie.

Autonómne schopnosti

Kľúčovým prelomom je autonómia, hovorí.

„Operatívne sú AI agenti oprávnení robiť rozhodnutia a konať na základe týchto rozhodnutí. Majú tiež schopnosť komunikovať s používateľom v bežnej reči. Agent prijíma inštrukcie v prirodzenom jazyku a ukazuje rozhodnutia a kroky, ktoré podnikol, tiež v prirodzenom jazyku. Pamätajte, má konečný cieľ a je schopný sám odvodiť kroky, ktoré by mal nasledovať na jeho dosiahnutie.“

Ako laik, rovnako ako mnohí iní, mám obavy z potenciálu AI na chaos, ale zároveň som ohromený jeho transformačnými pozitívnymi schopnosťami. Nespôsobí autonómia Agentic AI, že sa do systému môžu zapísať opakované chyby?

„Dobrý dotaz, ale rovnako ako každý systém, aj tento musí byť ladený a optimalizovaný,“ hovorí Raphaël Hervé. „Poďme to otočiť. Keď komplexný IT systém, ktorý nie je založený na generatívnej AI alebo nie je trénovaný na autonómne fungovanie, urobí chybu, je veľmi ťažké pochopiť prečo. Pretože musíte debugovať, analyzovať, ísť do zdrojového kódu. S agentom stačí povedať ‚Myslím si, že je to zlé. Prečo si to povedal?‘ A agent povie ‚Urobil som to z tohto dôvodu‘, a je oveľa jednoduchšie nájsť zdroj anomálie. Agentic AI je oveľa dynamickejšia z hľadiska jemného ladenia než to bolo v minulosti. A na rozdiel od psa alebo dieťaťa nebude odporovať vašim inštrukciám,“ dodáva.

Jasnosť AI agentov v vysvetľovaní, aké kroky podnikajú a prečo ich podnikajú, je uistením. „Sú veľmi efektívni pri vykonávaní úprav, ak je to potrebné,“ sľubuje.

V portfóliu riešení Manhattan Associates je niekoľko logistických kontextov.

Príkladom je Labor Agent, ktorý nie je úplne 100% autonómny agent, ktorý dosiahne cieľ sám. Skôr ho vnímajte ako asistenta na správu efektívnosti práce.

„Ale môže autonómne triediť dáta, analyzovať ich a odporúčať rady na optimalizáciu práce,“ vysvetľuje Raphaël. „Typickým prípadom použitia môže byť manažér skladu, ktorý sa pýta Labor Agent, či budú dnešné termíny balenia splnené z hľadiska ľudských zdrojov. Ak Labor Agent odpovie, že tím pravdepodobne mešká, pretože chýbajú tri osoby, môže preskúmať možnosť presunúť kapacitu z iných častí, napríklad z vychystávania. Tento tím môže dodať až päť ľudí, takže Labor Agent môže vybrať najlepších troch s najvyšším hodnotením a výkonom pri balení. Potom môže odoslať správy všetkým stranám a preusporiadať ich cez SMS. Agent pracuje autonómne a komunikuje s používateľom v prirodzenom, bežnom jazyku.“

Úspora času

Otázka, na ktorú budú chcieť odpoveď všetci manažéri skladov – a aj finanční riaditelia – je, ako sa prejavia výhody v každodennom používaní?

Jedným z cenných prínosov je čas, ktorý je v akomkoľvek sklade neoceniteľný.

Príklad, ktorý sme práve uviedli, je možno 30-sekundová konverzácia cez SMS, čo by v minulosti trvalo 15-20 minút. Ak je balenie oneskorené kvôli chýbajúcim trom ľuďom, ide o zložitý výpočet bez pomoci Labor Agent. Ide o proces, plány, výkon baličov. Môžu tu byť veľké variabilné faktory, ktoré potom musíte porovnať s očakávaným výsledkom. Agent to dokáže urobiť za vás za sekundy.

Portfólio Manhattan v oblasti dopravy ponúka AI agentov s podobnými výhodami.

„Náš Freight Invoice Agent je schopný spracovať akýkoľvek dokument – PDF, email, tabuľku – používaný ako materiály pre faktúry od prepravcov, a automaticky porovnáva skutočné náklady s očakávanými nákladmi na zásielku. Táto úloha bola tradične vykonávaná manuálne, kde sa strávil čas prijímaním dokumentov, porovnávaním obrazoviek, nákladov na prepravu, dane, hodín vodičov, a ide o proces, ktorý môže zjesť 15 minút na faktúru. Vyvinuli sme agenta, ktorý automaticky spracuje všetko, čo príde, rozpozná zásielku, zosúladí ju s očakávaniami a vysvetlí akékoľvek anomálie. To, čo kedysi trvalo viacerým ľuďom hodiny denne, je teraz zvládnuté za pár okamihov.“

Manhattan oficiálne spustil AI agentov v januári tohto roka a propaguje túto technológiu všetkým segmentom zákazníkov, veľkým aj malým. Zahŕňa aj Agent Foundry, vývojársky pracovný priestor pre zákazníkov na tvorbu vlastných agentov podľa ich špecifík, buď z šablón alebo od začiatku.

Raphaël Hervé je plný sebavedomia ohľadom perspektív.

Veríme, že Agentic AI je veľmi silný nástroj z hľadiska ziskov produktivity pre našich zákazníkov. Výrazne zlepší interakcie medzi človekom a strojom a zrýchli prístup k dátam a funkciám. Zákazníci budú profitovať z rýchlejšej implementácie projektov, pretože integrácia, mapovanie a vývoj sú oveľa rýchlejšie.