从决策支持到反向物流，这里的AI如何激活供应链功能并将系统提升到另一个级别。
代理AI如何重塑采购
由联合创始人和CTO Victor Kushch撰写agrmarkit
代理AI可以提升采购团队的运营模式和战略影响。与需要在每个步骤中需要人为干预的传统AI工具不同，Agesic AI介绍了AI驱动的代理，该代理使用先进的推理和决策来管理端到端的采购任务。这些特工不只是协助采购他们执行策略，实时适应新数据，并通过最少的监督优化结果。AI代理可以根据合规标准分析供应商数据库，审查候选人，协商定价并确定合同。
结果，采购功能是业务加速器而不是瓶颈。
代理AI的兴起将取代采购专业人员；它将重新定义他们的角色。随着AI代理接管执行重量的任务，采购团队将把重点转移到战略监督，AI驱动的决策和供应商关系管理。
代理AI并不是关于将AI驱动的推理嵌入采购的自动化任务。最有价值的技能之一将是手动运行采购活动，而是设计和优化AI代理策略来推动业务影响。
代理AI：
使用智能代理来帮助处理和简化复杂数据。能够适应和自动解决问题。
从解锁价值的基本原理开始
肖恩·沃（Shawn Vo），总裁兼CTO，牛仔布
麦肯锡报告估计，AI的价值可能会增加1.2万亿美元的价值。但是捕获该值取决于其应用的方式和何处。在整个货运行业中，AI已经在加快日常工作：加快报价，解释文件并实现更快，更准确的付款。但这并不是一定程度的。
为工作选择正确的AI工具
并非所有的AI都是平等创建的。有些系统遵循严格的规则，另一些系统分析了过去的数据以预测下一步的内容，而有些则可以理解凌乱，非结构化的信息。这样想：
- 基于规则的逻辑处理一致的结构化工作流程
- 预测模型以历史趋势支持计划
- 语言模型和AI代理在文档和自由形式数据中发现异常
以下是有效地在货运操作中使用AI的三个核心原则：
1。从有用性开始
评估AI的最佳方法是不询问它可以做什么。这是问今天减慢您的团队的原因是什么。
最有效的用例试图做所有事情。他们解决了良好的问题，例如解释不一致的文书工作，减少重复的批准，或帮助团队管理工作流程，而工作流程的工作流程不佳。
一个好的起点：寻找大量，可重复并遵循一般模式但仍需要偶尔的人类判断的任务。AI倾向于发光的地方。
2。在AI上放护栏
货运中的AI系统通常会触摸敏感数据。从银行详细信息和发票到客户费率和加载数据。这就是为什么安全和监督的特征以后才能从第一天开始成为系统的一部分。
如果您重新建立或购买AI在您的业务中，它有助于询问：该系统将使用哪种数据？我们可以解释如何做出决定吗？随着时间的流逝，我们将如何跟踪其性能，准确性和公平性？
考虑AI安全的一种方法是瑞士奶酪模型。单层保护可能有孔，但是堆叠足够的层次训练，监视，人类审查，审核日志和这些差距开始消失。每一层都会加强系统。实际上，这可能包括：
- 使用相关的代表性数据培训AI模型
- 随着事物的变化监视性能
- 让人类参与更高的工作流程
- 记录决策和透明度的结果
无论是审查文件还是验证付款，都应始终清楚AI在做什么以及原因。
3。让人们陷入困境
AI可以接受许多重复的工作，这些工作减慢了团队的速度，但这并不意味着每个决定都应该完全自动化。某些任务喜欢更新敏感的付款信息或审查例外，但仍然受益于人类的监督。这就是为什么设计支持人们的系统，而不是完全将他们从过程中删除的原因。
一种有用的方法是将AI视为推荐引擎。它可以处理数据，识别模式并处理常规案例，同时标记需要第二次查看的情况。对于更高影响的动作，让人进行最终电话会增加信心和问责制。
负责人AI的6个行动
平衡AI的利益和环境挑战需要治理，负责任的投资和战略融合。专家推荐6个动作：
1。地面公司战略以及负责AI及其负责执行的决策可持续性影响。考虑短期效率和生产力的提高以及对公司，人类和行星健康的长期连锁反应。
2。跟踪和报告。传达执行团队的承诺，并董事会如何衡量和报告AI影响。这应该包括能源和水源，使用趋势，排放和其他运营领域的偏移。
3。关注系统创新。部署AI以在电气化制造过程中加速内部创新，优化的供应链路线，评估替代运输模式，以及清洁投资组合的偏好。
AI迅速被整合到许多工作流领域的SCM技术堆栈中。如今，AI正在数字化和标准化数据，因此信任正在迅速构建，因为处理数据的手动方法很慢，并且容易发生错误。信任AI需要自主做出决定，例如重新货运，但这一天比我们所有人想象的要近。
4.确保供应商之间的可持续性。要求外部供应商，供应商和合作伙伴的相同水平的可持续性承诺和披露，以确保对战略和可持续性目标的一致性和持续发展。
5。寻求联邦倡导。加入同行和行业协会，倡导激励措施，例如延长和扩大联邦税收抵免，以加速和资助可持续制造和物流实践的广泛采用。
6。寄养跨行业网络。参与多样化和多学科论坛，以向经纪人明确承诺，即人类将推动AI的培训。各个行业，公用事业，政府，非政府组织和学者的领导者最适合开发创新的解决方案和一种平衡环境，社会和治理（ESG）因素的全面方法。
资料来源：平衡AI和我们星球健康的好处：如何在不牺牲环境进步的情况下拥抱AI技术的好处威廉姆斯湾的妇女领导中心。
构成供应链弹性的核心
Applied AI副总裁Paul Pallath，西尔斯
AI重新定位从反应系统供应链到预测性的自适应生态系统。通过分析大量实时数据从物联网传感器，GPS跟踪器和企业系统，AI可以预期的早期信号干扰``无论是物质短缺，工厂停机时间还是运输延迟，并建议先发制人的行动。这不是投机决策；它基于现场，多源智能。
数字双胞胎进一步迈出一步。这些AI驱动的虚拟复制品的整个供应链使组织能够在安全，动态的环境中模拟复杂的场景和测试响应。探索什么情况，确定薄弱环节并优化操作而不破坏现实世界活动的能力，这是AI使操作弹性的突破。
想象一下面临潜在港口关闭的制造业领导者。过去，他们会反应地炒作。今天，随着AI驱动的敏捷性，它们旋转了。AI通过分析实时市场条件，区域购买模式甚至社交情绪来实现超准确的需求预测。企业可以调整生产计划，库存水平和分配路线，以更准确地满足需求，减少浪费，并防止投入或介绍情况。结果是供应链不仅更快，而且更聪明。
可持续性目标也从AI的精确度中受益。区块链和人工智能共同创建对环境负责和透明的供应链。AI跟踪排放，能源使用和废物，帮助公司通过可行的见解实现了ESG目标。区块链通过验证可持续的采购和道德劳动实践，与消费者和利益相关者建立信任，从而增加了责任感。
沟通通常正在重塑全球操作中的隐藏摩擦点。大型语言模型（LLM）正在消除长期存在的语言和文档障碍，实现协作并实时产生上下文见解。无论时区或语言如何，世界各地的团队都保持一致，通知和准备采取行动。
最终，供应链领导层的未来不仅仅是速度或成本效率。它不仅是为了响应破坏，而且要预测它，塑造战略并推动创新。
AI应对关税波动
作者：Rohit Tripathi，行业战略副总裁，制造业，RELEX
今天波动性贸易环境不允许决策滞后。AI驱动的供应链规划平台正在改变公司的适应方式，以及他们能够感知和响应中断的速度。
这些复杂的工具可以同时处理数千个变量，例如关税率，供应商交货时间，国产国规则和库存位置，使制造商能够模拟关税方案并在几分钟内计算成本影响。这些系统还可以评估供应商的替代方案，模型食谱的变化，并在实时的多个地区重新计算有降落的成本，从而使公司敏捷，评估和对破坏的速度几乎和对破坏的发生一样快。
当您考虑现代供应链的复杂程度时，公司在政策变化后面临的决策更具挑战性。产品的材料清单可能来自六个不同的国家，每个国家都有不同的关税限制和交货时间。当首席执行官想知道新政策将如何影响一个市场中的产品组合时，AI可以分析每个组件的关税曝光并建模各种情况。
建模不同方案的能力也可以帮助品牌转向模块化风险管理。品牌可以模拟复杂的权衡，并随时重新配置业务规则，以查看其对他们的一流和盈利能力的影响。这使公司可以将适应性嵌入其计划过程中，而不是通过大量资本投资来管理不确定性。
例如，一家基于椰子的饮料公司有效地管理了与关税相关的供应链调整，并在全球供应链上进行了15个工厂和20多个市场仓库的重新配置。在AI解决方案中表示关税结构的能力意味着将它们包括在优化算法中作为关键输入，而不是电子表格上的事后计算。
在需求计划，AI通过将真正的基线需求与短期扭曲分开，当客户预买入时，可以帮助解密消费者的反应。它可以挑选出人类分析师看不见的消费者行为的微妙模式，并通过分析历史销售趋势来优化SKU计划。
然后，零售商可以就定价，库存水平和各种调整做出更明智的，积极的决定，将真实需求信号与可能发生的噪声分开。
优化零售收益
首席收入官Pedro Ramos，Asprisiss Retail
AI可以帮助零售商分析实时返回在保存消费者匿名性的同时，在所有渠道，店内和呼叫中心的所有渠道中数据。它评估了行为模式，例如购买频率，返回习惯和异常情况，例如使用多种身份，地址或付款方式。这使零售商系统对每笔交易有了更细微的了解，使他们能够根据实际风险而不是严格的规则批准，警告或拒绝回报。
AI驱动的系统提供了回报的全渠道视图，确定了诸如产品质量，后勤问题，串行回报者或潜在滥用（例如Wardrobing）之类的根本原因，同时也认识并奖励了值得信赖的客户。零售商可以利用这些见解来对利润率产生积极影响，并推动更多可持续的购物选择，以减少回报并限制环境影响。
为使用AI的组织工作的受访者说，这是有用的，重要或至关重要的。深入分析报告运输和物流后办公室操作中的AI准备就绪。AI被视为一种变革性的力量，可提高效率并降低运营成本，只有2％不同意：
对于这个研究项目，高科科和供应链管理理事会（CSCMP）与深度分析一起收集和分析数据以阐明AI的影响。受访者使用AI来：
堆栈高，堆栈 - 紧密
精确的托盘堆积对于入站和出站仓库材料的交接？人工智能正在指导道路。
由基础模型的AI视觉系统提供支持，Ambi机器人技术的Ambistack是一种机器人堆叠解决方案，可以在执行质量控制检查时分析，跟踪和选择项目。它的AI计划系统建立在模拟到现实技术的基础上，消除了对现实世界数据收集的需求，从而使公司迅速部署。SIM2REAL增强学习优化了托盘，以实现密度和稳定性，而无需提前了解项目集或测序。
AI Launchpad
运输容器变成了AI代理。 净feasa新的平台将容器转换为AI代理，该代理可以在寻求船只上货物插槽的潜在客户中启动拍卖。支持AI的容器可以自我管理，谈判和安全的最佳出价。
新的AI代理帮助其他AI代理。物流提供商C.H.鲁滨逊创建了一个AI代理，该AI代理可以自动进行分类的货物，以帮助托运人，尤其是中小型企业，这些企业是LTL运输和电子邮件的大型用户。新代理协助其他AI代理：它确定了货物的类和代码，并帮助其他代理商将电子邮件招标变成准确的订单。
AI，我的库存在哪里？ SC代码，仓库管理解决方案的提供商引入了Codi，旨在帮助仓库运营商和决策者从其数据中获取见解。AI驱动的数据检索和对话命令代理（内置在SC CodeWorks平台上）是用户自己的仓库运营的内部专家。
认识计划专家艾伦。 四酮揭开了艾伦，由AI驱动的数字工人用于院子调度。使用Autogate AI（一种计算机视觉技术解决方案），它可以简化设施管理到达和出发的方式。艾伦（Alan）跨通讯渠道处理整个约会生命周期。
AI优化决策。这Kraft Heinz Company正在通过使用AI驱动的决策情报从其全球供应链中做出决策的方式AERA技术。Decient Intightemence代理Aera Technology的AERA将决策从支持到增强，再到完全决策自动化。
AI启用了机器人的叉子。 经获得了新的资本1000万美元，以资助其AI系统的扩展，并推出了第一个完全机器人的跨船坞，这是一个旗舰设施，将自动化整个货运生命周期从入站接收和尺寸到智能分类和出站调度。