思想领袖

供应链必须为AI到AI的通信做好准备

mm
将 Unite.AI 添加到您在 Google 上的首选来源

人工智能已经成为供应链运营的实用组件。它验证文档,支持院子监控,协助调度工作流,并帮助解释传感器数据。这些用途现在已经很熟悉了。随着AI系统开始直接相互交换信息,一个更有影响力的阶段即将到来。这一转变将影响数据如何在物流网络中移动以及如何在这些网络内做出决定。

机器与机器的交换引入了速度和一致性,但也增加了对配置、数据卫生和身份控制的重视。这一变化将定义接下来的十二个月,准备将决定结果是否加强或破坏核心流程。

AI代理将开始在没有人工交接的情况下协调事件

自动系统交互的基础已经建立。软件代理可以呼叫利益相关者,收集记录,或更新数据字段。2026年的不同之处在于这些代理将开始相互协调,而不是等待人工验证。

OpenAI的模型上下文协议概述了AI系统访问工具、提交任务和与数字服务通信的结构化方法。该规范为代理提供了一个一致的接口用于启动和响应机器级指令。

这一变化很重要,因为它将责任从每个接点的人类判断转移到上游逻辑规则,这些规则决定了代理如何解释和路由事件。一旦代理接受了调度更新或身份匹配,事件就可以跨多个系统移动。稳定性取决于严格的配置。

院子和周边系统将依赖于多模式感知

视频已经成为多年来院子可见性的主要输入。随着模型能够解释多个输入,其他传感器类型的采用率正在增加。例如,围栏线的声学签名、地面活动的振动传感器、人或车辆检测的热成像以及盲区的无人机镜头。

斯坦福大学的人工智能研究表明,现代模型从多模式信号处理中受益。几个实验室已经证明,传感器多样性产生的分类比单一来源分析更可靠。

一旦AI系统结合这些输入并与其他代理分享解释,检测的不一致性就会减少。这也增加了传感器校准和放置的重要性,因为不良输入会迅速通过下游系统传播。

AI将创造新的基础设施需求和更高的运营成本

AI工作负载需要大量的计算。组织在2024年和2025年已经感受到这一点,因为云使用成本呈上升趋势。今年这一影响将会放大。

麦肯锡预测,到2030年,全球投资于支持AI的数据中心容量可能会达到几万亿美元。该公司强调了大规模推理对能源、硬件和网络资源的结构性压力。

花旗预测,到2026年,主要科技公司可能会在AI基础设施上花费每年近五千亿美元。

随着代理开始相互交互,组织需要明确的规则来管理哪些任务可以自动运行、哪些输入可以触发这些任务以及哪些模型大小适合每个操作。

数据质量将决定AI系统如何可靠地协调

AI系统在输入结构良好且一致时运行更精确。大量松散定义的信息会降低清晰度并干扰模型解释事件,特别是当多个系统共享结论时。

供应链产生广泛的数据源,包括身份检查、院子日志、传感器读数和调度记录。如果这些字段不一致、过时或重复,自动代理会产生较弱的评估。一旦系统开始直接交换这些评估,异常会迅速跨平台传播。

稳定的机器与机器协调取决于干净的数据管道和可靠的输入。这一要求变得更加重要,因为组织在相互连接的环境中部署更多的自治代理。

区块链在供应链中的采用可能会增加,因为AI系统减少了技术摩擦

区块链长期以来一直提供了可靠的结构用于防篡改的审计跟踪,但由于与密钥管理和账本交互相关的运营复杂性,其采用速度很慢。AI系统可以减少这种摩擦。用自然语言表达的指令现在可以以编程方式触发所需的区块链操作,而无需将团队暴露在底层加密步骤中。

IBM概述了分布式账本如何支持供应链环境中的保管链跟踪和完整性保证。

随着AI代理承担技术步骤,区块链成为身份验证、保管记录和争议解决的更实用工具。基础设施保持不变,但进入门槛向下移动,一旦AI调解交互。

精度将指导机器生成的通信如何在供应链中运行

AI生成的内容可以在没有约束的情况下迅速扩展。这需要额外的审查并减慢决策周期。一旦自主代理开始相互交换信息,这就成为一个实际问题。生成不结构化或过多消息的系统会在相互连接的平台上制造噪音。

结构化输出将成为稳定协调的核心要求。清晰的规则围绕消息长度、允许的字段、术语和触发条件可以防止不必要的摩擦。机器与机器的交换在格式可预测且简洁而不是冗长时效果最佳。

结论

随着供应链为AI系统直接通信的环境做准备,成功的组织将是那些在结构、治理和清晰度方面进行早期投资的组织。机器与机器的协调放大了物流网络中的优势和劣势。强大的数据卫生、可预测的消息格式和严格的配置将使代理能够可靠地高速运行。另一方面,弱或不一致的基础将在自主系统交换信息时放大错误,而无需人工审查。

接下来的十二个月为运营商提供了一个机会,在自动化扩展到整个环境之前现代化核心流程。建立一致的工作流程、定义身份控制、验证传感器输入并绘制授权边界将决定AI到AI交换是否增强性能或引入可避免的风险。

这些系统不会取代人类的判断,但它们将越来越多地塑造人类团队做出决定的背景。现在投资准备的领导者将使他们的网络为加速的变化做好准备,实现更快的周期、更清晰的可见性和更有弹性的运营。

米兰拥有二十多年的企业技术领导经验。在他目前的职位上,他负责监督Birdseye Security Solutions的专利AI技术的开发,帮助将物流场转变为更智能、更安全的环境。在加入Birdseye之前,米兰曾领导自主代理AI技术的开发,该技术通过应用视频游戏算法来解决现实世界的商业问题。