Agenci AI wykonują decyzje w łańcuchach dostaw — ale w ściśle wyznaczonych granicach

W sieci iChain Lenovo — 180 rynków, ponad 30 fabryk i 100 centrów logistycznych — agent obsługi zamówień i agent ryzyka są podłączeni bezpośrednio do systemów transakcyjnych. Nie przygotowują rekomendacji do zatwierdzenia: realizują zamówienia i reagują na zakłócenia. Lenovo podaje, że decyzje o realizacji zapadają trzy razy szybciej, reakcja na zakłócenia jest cztery razy szybsza, ocena ryzyka sięga 85 proc., a terminowość dostaw wzrosła o 30 proc. Wszystkie te liczby pochodzą od samego wdrożyciela — niezależnego potwierdzenia nie ma.

Mniejsza skala nie wyklucza podobnego modelu. Producent części samochodowych opisany przez Simor Consulting przez 18 miesięcy pracował z pięcioma wyspecjalizowanymi agentami w 15 krajach i przy 200 dostawcach. Terminowość wzrosła z 82 do 94 proc., a zakłócenia agent wykrywał średnio 48 godzin wcześniej niż zespół monitorujący. To jednak pojedyncze, anonimowe wdrożenie opisane przez jednego konsultanta, a nie obraz całego sektora.

Więcej o charakterze tej autonomii mówi coś innego. Z dostawcami, których firma znała od lat, agenci komunikowali się sprawnie. Przy nowych partnerach dialog się załamywał — system potrzebował czasu, żeby nauczyć się wzorców odpowiedzi konkretnego dostawcy. Rozmowa agenta z dostawcą działa więc tylko wtedy, gdy agent zdążył go wcześniej rozpoznać.

Gdzie kończy się autonomia

Zanim agent cokolwiek zapisze w systemie transakcyjnym, jego decyzja musi zmieścić się w limitach:

• przeplanowanie trasy przewozu przechodzi tylko wtedy, gdy mieści się w założonym pułapie kosztowym i nie przekracza dopuszczalnego odchylenia od poziomu usług;
• korekty zapasów powyżej ustalonej wartości lub procentu wolumenu zatrzymuje człowiek;
• agent kontaktujący się z niezweryfikowanym dostawcą pisze w trybie szkicu, dopóki jego skuteczność nie przekroczy ustalonego progu.

Fujitsu i Rohto Pharmaceutical sprawdziły agentów najpierw na wirtualnej sieci, gdzie redukcja kosztów transportu sięgnęła 30 proc. To wynik z próby, nie z realnego łańcucha. Test na fizycznej sieci Rohto ma ruszyć w styczniu 2026 i potrwać do marca 2027 roku.

Trzeci wariant to architektura z agentem nadzorującym, którą Kohler i Belden zbudowały na Databricks. U Kohlera agent nadzoruje popyt, zapasy i planowanie. Belden zbudował wielopoziomowy graf dostawców i podłączył do niego agentów reagujących na incydenty transportowe; kolejnym krokiem ma być ich autonomiczne działanie i poprawianie danych referencyjnych.

Nie wiadomo natomiast, jak kontrola człowieka wygląda w praktyce: kto zatwierdza zablokowaną decyzję, w jakim czasie i jaka część propozycji agentów nigdy nie przechodzi. Wdrożyciele nie podają też kosztów utrzymania takich systemów. Na razie wiadomo tyle, że agenci wykonują realne operacje — i że każda z nich ma zdefiniowany limit.