Planista z magazynu buduje aplikację w kwadrans. AutoScheduler daje mu do tego swoje solvery

AutoScheduler udostępnił klientom moduł AI App Builder w ramach platformy Warehouse AI. Planista z hali może w nim złożyć działającą aplikację operacyjną w języku naturalnym — bez kolejki działu IT i bez czekania na kolejne wydanie systemu ERP czy WMS.

Firma nie opiera tego na ogólnym modelu językowym, który zgadywałby logikę magazynową. Builder opiera się na operacyjnej warstwie semantycznej budowanej przez sześć lat, która mapuje relacje między systemem zarządzania magazynem, danymi o pracy, oprogramowaniem placu i automatyką. Polecenie wpisane po polsku czy angielsku przechodzi przez matematyczne solvery — te same, które według dostawcy są sprawdzone na prawie 100 obiektach — i zamienia się w dashboard, predyktor albo zadanie automatyczne. Zweryfikowana instrukcja trafia z powrotem do podstawowego oprogramowania zarządzającego i jest wykonywana na hali. AutoScheduler nadal orkiestruje systemy w obiekcie; builder ich nie zastępuje.

Sens tego podziału widać w zdaniu Keitha Moore’a, dyrektora generalnego AutoScheduler: „Magazyny działają na ogromnych systemach, które są drogie i wolno się je dostosowuje, więc operatorzy wypełniają luki arkuszami kalkulacyjnymi, narzędziami business intelligence, programami własnej roboty i wiedzą przekazywaną sobie z ust do ust”. Moore dodaje, że firma nadal zarządza wszystkimi systemami w budynku, ale oddaje pracownikom narzędzia do rozwiązywania tego, co dzieje się między nimi.

Aplikacje powstają na wspólnej infrastrukturze z narzędziami, które klienci już mają — Daily Plan, Wave Planner, Network Scoreboard, Warehouse AI Agent — więc obiekt nie buduje osobnego potoku danych pod każdy projekt. Wspólna warstwa oznacza też, że klient nie musi budować osobnego potoku danych pod każdy projekt. „Każdy może wskazać AI magazyn. Różnica polega na tym, że nasza warstwa semantyczna już wie, co oznaczają dane w systemach WMS, ERP i w systemach pracy” — mówi Kunj Pandya, szef produktu i obsługi klienta w AutoScheduler.

Operatorzy zbudowali już aplikacje do sterowania sekwencjami fal kompletacji, wyzwalania uzupełnień zapasów, ustalania priorytetów alokacji w cross-docku, kontroli zgodności z harmonogramem doków, wskaźników OTIF i harmonogramów produkcji. Według dostawcy podczas pierwszych warsztatów pracownicy jednego z obiektów złożyli działającą aplikację w mniej niż 15 minut.

Jedyny w materiałach głos użytkownika końcowego, poza wypowiedziami przedstawicieli dostawcy, należy do planisty z globalnej firmy spożywczej: „Builder aplikacji to jedna z najlepszych integracji oprogramowania i AI, jakie do tej pory widziałem”.

Najciekawszy przykład dotyczy jednak budżetu. Jeden z planistów samodzielnie przygotował narzędzie do śledzenia uzupełnień zapasów; w dwa tygodnie wykazało ono zweryfikowane oszczędności na tyle duże, że kierownictwo obiektu przyznało mu sześciocyfrową roczną alokację operacyjną. Narzędzie zbudowane poza działem IT dostało własny budżet.

Premierze modułu towarzyszy oddelegowanie specjalistów technicznych AutoScheduler, którzy na miejscu pomagają zespołom inżynierskim klientów przy pierwszych aplikacjach. To zmienia obraz wdrożenia: nie jest to narzędzie zostawione samo sobie po konfiguracji.

Wszystkie liczby — 15 minut, sześciocyfrowa alokacja, prawie 100 obiektów — pochodzą od dostawcy i anonimowo cytowanych osób. AutoScheduler nie podaje modelu cenowego, daty wejścia w ogólną dostępność ani nazw klientów, którzy potwierdziliby deklarowane oszczędności. Nie mówi też, kto odpowiada, jeśli instrukcja zapisana automatycznie do WMS okaże się błędna, ani jakich aplikacji w builderze zbudować się nie da. Bez tych odpowiedzi deklarowana skala pozostaje obietnicą jednego dostawcy, nie zmierzoną zmianą w magazynowaniu.