Чому Agentic AI повинен бути частиною вашої стратегії управління операціями

Agentic AI не з’явиться як кодифікована, вертикалізована система. Він з’явиться як тисячі малих, спеціалізованих цифрових працівників, які працюють по всьому підприємству. У роздрібній торгівлі, охороні здоров’я та харчовій промисловості ці агенти будуть координувати доставки, регулювати температуру, переносити персонал, виділяти ризики дотримання законодавства та перезакупувати запаси в режимі реального часу. Корпоративні команди встановлять цілі та обмеження, а оперативні підрозділи бачитимуть агентів, які тихо обробляють рутинні рішення та ескалації. Людські команди будуть звільнені від своєї адміністративної витрати для того, щоб зосередитися на судженні, стратегії та винятках, тоді як агенти керуватимуть потоком щоденного виконання.

Від автоматизації до автономної координації

За останні десять років корпоративна автоматизація зосереджувалася на видаленні повторюваних робіт. Системи IoT контролюють критичні умови в віддаленому обладнанні. Програмне забезпечення для робочих процесів маршрутизує рецепти, затвердження та підтвердження. Роботизована автоматизація прискорює виробничі процеси. Ці інструменти зменшують тертя, але вони залежать від надзвичайно специфічних інструкцій стандартних операційних процедур (SOP), написаних людьми.

Agentic AI рухається далі традиційних процесів планування ланцюга постачання та змінює саму архітектуру роботи. У традиційному сценарії прогнозування попиту, планування виробництва, закупівля та логістика керуються різними командами. Кожна команда оптимізує свій власний об’єкт. Цілі доходу, маржі, рівня обслуговування та витрат конкурують на щотижневих зустрічах. Люди діють як переговорний шар між функціями, попередження Human-in-the-Loop (HITL).

З агентським AI цифрові агенти представляють кожен об’єкт. Один агент зосереджується на генерації попиту. Інший керує обмеженнями пропозиції. Третій оптимізує розміри партій виробництва. Четвертий позиціонує запаси по багаторівневій мережі. Замість того, щоб чекати щомісячної зустрічі S&OP, ці агенти постійно ведуть переговори між собою в режимі реального часу, балансуючи компроміси між доходом, маржею, потужністю, оподаткуванням, дотриманням законодавства та логістикою.

У сфері охорони здоров’я така координація може означати балансування рівня штату, дотримання законодавства, вимог до холодної ланки та пропускної спроможності пацієнтів. У харчовій промисловості це може включати коригування акцій на основі наявних запасів, щоб запобігти дефіциту. У роздрібній торгівлі це може означати зміну запасів між регіонами для захисту маржі, враховуючи витрати на транспортування та сезонний попит.

Адміністративний вплив

Корпоративне планування, аналіз закупівель, моделювання транспорту, цінові рішення та навіть податкова структура включають структуровані об’єкти та обмежені простори прийняття рішень. Ці середовища є оптимальними для агентів. Розгляньте корпоративну команду з закупівель, яка займається оптимізацією вибору постачальників за витратами, якістю, терміном поставки та законодавчими вимогами. Сьогодні аналітики вручну узгоджують таблиці та плани сценаріїв. Система агентського AI безперервно оцінює компроміси, виділяє виникнення ризиків та переговорює розподіли на основі даних у режимі реального часу.

Навіть координація подорожей для корпоративного саміту є дійсним агентським завданням, якщо його правильно сформулювати. “Координувати та купувати авіаквитки, машини, автобуси та готельні номери на різні дати на основі бюджету та індивідуальних календарів” не є завданням; це мета з обмеженнями. Обмеження бюджету, дотримання законодавства, переваги мандрівників та ризик експозиції стають обмеженнями. Агент визначає необхідні завдання, такі як пошук тарифів, бронювання маршрутів та коригування за скасуваннями, залишаючись у межах визначених меж.

Керівники підприємств повинні опиратися спокусі призначити агентам невизначені амбіції, такі як “збільшити доходи на 10% цього кварталу”. Такий рівень абстракції не містить діючих обмежень. Замість цього визначте оперативно обґрунтовані, конкретні цілі:

• Оптимізувати позиціонування запасів у багаторівневій мережі для збільшення рівня обслуговування на два процентні пункти, зберігаючи маржу для моїх швидкообігних товарів класу А
• Знизити витрати на застарілі товари, координуючи формування попиту та поповнення з наявними запасами сімейства товарів Х
• Перебалансувати регіональні графіки праці для дотримання законодавства та цілових показників.

Ключова відмінність полягає між завданням та метою. Завдання – це окрема дія. Мета визначає результат під обмеженнями. Agentic AI працює на рівні цілей. Розмір мети повинен бути амбітним enough, щоб вимагати координації між функціями, але вузьким enough, щоб виміряти та аудитувати.

Керування в автономній ері

Коли агенти мають право вирішувати свої завдання, керування стає центральним.

Ограничення будуть нагадувати гібрид політики та юридичного договору. Вони будуть кодувати законодавчу відповідність, етичні стандарти, бюджетні обмеження та пороги ескалації. Вони визначатимуть, що агент має право оптимізувати, та де потрібне схвалення людини.

Питання відповідальності швидко виникне. Якщо агент приймає рішення, яке порушує законодавство або створює фінансовий ризик, відповідальність не буде лежати на алгоритмі. Вона буде лежати на організації або підрозділі, яке розгорнуло агента.

Моделі власності повинні бути явними. Журнали аудиту повинні документувати шлях раціональності. Пояснюваність буде мати значення не тому, що виконавці її вимагають, а тому, що регулювальники її вимагатимуть.

Ми вже бачимо системи AI, які пишуть великі частини свого коду, а люди переходять до ролей забезпечення якості, а не написання фактичних рядків коду. Цей перехід прискориться в операціях. Працівники, які раніше виконували рутинні плани завдань, все частіше будуть наглядати за агентами, валідувати виводи, уточнювати обмеження та керувати винятками. Керівники підприємств повинні ідентифікувати існуючі повторювані цикли операційних рішень та перетворити їх на чітко визначені, обмежені цілі з урахуванням таких рекомендацій:

• Артикулювати об’єкти та компроміси між функціями при призначенні їх агентам.
• Установити формальні обмеження, які кодують законодавчі, фінансові та етичні межі.
• Призначити відповідальних людських спонсорів для роботи як шару Human-in-the-Loop для розгорнутих агентів.
• Створити можливості моніторингу та аудиту для відстеження продуктивності та логіки прийняття рішень.
• Почати з обмежених, високоефективних доменів та розширити, коли керування дозріває.

Agentic AI представляє собою структурну еволюцію в управлінні операціями. Він зрушує оптимізацію з періодичної людської переговорної діяльності до безперервної машинної координації. Він розширюється за межі першої лінії до корпоративного планування та адміністративних доменів, підвищуючи людські ролі з виконання до нагляду та судження. Підприємства, які розглядають агентів як стратегічних колег, а не інкрементальних інструментів автоматизації, збудують більш стійкі, адаптивні операції. дієвої координації. Він розширюється за межі першої лінії до корпоративного планування та адміністративних доменів, підвищуючи людські ролі з виконання до нагляду та судження. Підприємства, які розглядають агентів як стратегічних колег, а не інкрементальних інструментів автоматизації, збудують більш стійкі, адаптивні операції.