AI agenti v logistice: 7 úvah o budoucnosti dodavatelského řetězce

Logistický sektor vidí v těchto digitálních pomocnících velký potenciál. Stejně jako u mnoha jiných silně medializovaných témat se o nich hodně mluví, aniž by lidé přesně věděli, co se za nimi skutečně skrývá. Definice agentní AI se v jednotlivých případech poněkud liší. AI agenti jsou v zásadě softwarové aplikace. Na rozdíl od běžných programů však kombinují generativní umělou inteligenci s pravidlovou logikou. Výsledkem jsou digitální entity, které v rámci vymezené oblasti úkolů dokážou porozumět požadavkům a vstupním datům, na základě předem definovaných cílů odvodit postup řešení a následně spouštět a sledovat jednotlivé kroky.

Například při sledování zásilky může AI agent porozumět informacím ze systémů pro sledování stavu zásilek nebo dokonce nestrukturovaným zprávám v chatu, vyvodit závěry na základě předem stanovených cílů a provést odpovídající kroky. Jakmile zásilka dosáhne určitého stavu, agent buď přímo informuje příslušného zákazníka, nebo předá případ pracovníkovi zákaznického servisu ke kontrole a zpracování.

7 tezí o budoucnosti dodavatelského řetězce

• Teze č. 1: Hranice mezi AI agenty a AI asistenty se stále více stírají 

     V ideálním případě funguje AI agent jako plně autonomní systém, který sám rozhoduje o tom, zda a jakým způsobem je ještě nutná konzultace s člověkem. V praxi však není neobvyklé, že AI agent funguje spíše jako asistent a bez schválení člověkem provádí jen minimum úkonů. V závislosti na kvalitě výstupů AI a specifikaci procesu se postupně prosazují hybridní formy AI agentů a AI asistentů. Formální hranice mezi definicemi AI agenta a AI asistenta se stále více stírají a oba koncepty se tak postupně sbližují.

• Teze č. 2: AI agenti mění logistické procesy 

      První systémy založené na AI agentech se testují především na rozhraních mezi jednotlivými aktéry v rámci dodavatelského řetězce. Jedním z příkladů je využití AI agentů k zadávání potřebných údajů o zásilkách do logistických platforem. Může jít o nestrukturovaná textová data, dokumenty i hlasové zprávy, jejichž zdrojem mohou být lidé nebo jiní AI agenti.

      Díky novému protokolu Model Context Protocol (MCP) mohou velké jazykové modely stále efektivněji komunikovat se systémy a databázemi třetích stran. To přináší novou podobu datových rozhraní, která dnes využívají EDI a API. V oblasti nákupu a prodeje AI agenti shromažďují úvodní informace o vlastnostech a dostupnosti produktů a služeb, kontrolují smluvní podmínky a vyjednávají o nich. To se již dnes děje v rámci prvních pilotních projektů.

• Teze č. 3: AI agenti dělají chyby:

      AI agent ne vždy dospěje ke správnému závěru, a proto také ne vždy dokáže provést požadovaný krok. To představuje zásadní výzvu v mnoha provozních scénářích. Ani u velmi dobře fungujících AI agentů v současnosti nelze počítat s přesností vyšší než odhadovaných 90 až 95 procent. Důležitým faktorem je také schopnost agentního systému rozpoznat kvalitu vlastního rozhodnutí, určit, jaký proces právě probíhá, a rozpoznat, která pravidla rozhodování se na něj vztahují. Tato schopnost dále ovlivňuje kvalitu kroků, které AI agent provádí.

      Vzhledem k přirozené míře chyb AI agentů je vždy nutné provést posouzení rizik a položit si otázku: Jaký dopad mají občasné chyby a jak se s nimi dokáže vypořádat daný obchodní model? Z toho vyplývá, že v současnosti existuje řada procesů, které nelze svěřit AI agentům.

• Teze č. 4: AI agenti jsou součástí týmu 

     AI agenti mají silné a slabé stránky, které se někdy nápadně podobají těm, s nimiž se v každodenním pracovním životě setkáváme u lidí. Právě díky této kombinaci vlastností jsou mnohem více než jen softwarovými programy – připomínají spíše členy týmu. Jsou připravováni a trénováni pro různé úkoly a dokážou komunikovat s lidmi.

     V budoucnu budou lidé zadávat AI agentům úkoly a společně s nimi postupně pracovat na dosažení požadovaného výsledku. Nepůjde přitom jen o jednoho AI agenta – několik agentů bude muset pracovat paralelně, protože AI agenti potřebují čas na „přemýšlení“. Aby mohli AI agenti své úkoly efektivně plnit, je třeba jim opakovaně poskytovat kontext jejich činnosti prostřednictvím kvalitních dat a instrukcí (promptů).

      Jinými slovy, AI agenti potřebují profesionální řízení a musí být dobře integrováni do lidských týmů, aby byli přijati jako „kolegové“. Vedoucí pracovníci a manažeři na všech úrovních se budou muset tyto nové dovednosti velmi rychle naučit a v budoucnu je uplatňovat.

• Teze č. 5: AI agenty může vytvářet každý 

     Vedle řízení a používání AI agentů se také tvorba alespoň jednoduchých agentů postupně stává běžnou součástí každodenní práce pracovníků v logistice. V rámci trendu označovaného jako „citizen development“ vytvářejí společnosti prostředí, které mnoha uživatelům umožňuje vytvářet a nasazovat jednoduché AI agenty pomocí cílených promptů a propojením datových zdrojů se systémy pro řízení pracovních postupů. Jedním z příkladů z každodenní kancelářské praxe jsou Copilot agents společnosti Microsoft.

• Teze č. 6: AI agenti zatím nepřinášejí návratnost investic 

      Navzdory značnému potenciálu systémů založených na AI agentech a prvnímu konkrétnímu zvýšení efektivity, kterého v některých procesech dosahují, zatím často nepřinášejí návratnost investic. Mnoho AI agentů je stále ve fázi minimálně životaschopného produktu (MVP – minimum viable product), testuje se v pilotních projektech a k plné integraci do obchodních modelů má ještě daleko.

      Náklady na vývoj, licence k AI systémům a spotřeba tokenů při dotazování velkých jazykových modelů, jako jsou ChatGPT, Claude nebo Mistral, představují další výdaje – zejména pokud se společnost příliš spoléhá na jediného poskytovatele nebo jeden velký jazykový model (LLM). K tomu je třeba připočítat školení zaměstnanců a čas potřebný k získání zkušeností s prací s AI agenty.

      Každý inovační proces samozřejmě vyžaduje určité investice, aby se lidé naučili nové technologie správně používat. Postupně se však konkrétní klíčové ukazatele výkonnosti (KPI) a analýzy návratnosti investic musí stát také vodítkem pro využívání AI agentů. Jen tak bude možné ve střednědobém horizontu vytvořit pro využívání umělé inteligence smysluplný ekonomický rámec.

• Teze č. 7: AI agenti utvářejí budoucnost 

      Navzdory svým slabinám, rizikům a nákladům proniknou AI agenti téměř do všech procesů v dodavatelském řetězci. To by si měl uvědomit každý. AI agenti někdy změní podobu spolupráce jen nepatrně, v některých případech však velmi výrazně – a ve většině případů ji zefektivní. Nejde přitom pouze o jednotlivé AI agenty, ale také o multiagentní systémy, které spolupracují navzájem i s lidmi.

      Logistiku a řízení dodavatelských řetězců tak v budoucnu nebudou utvářet pouze lidé, ale také AI agenti. To znamená, že práce s AI agenty se stane také součástí odpovědnosti vedoucích pracovníků.

  Autor: André Kranke, Head of Corporate Research & Development