По сообщению AI, многоагентные ИИ-системы начинают доминировать в исполнении цепочек поставок, так как предприятия сталкиваются с убывающей отдачей от статических панелей управления, что подталкивает директоров по логистике к автономному исполнению. Прогнозные модели спроса показывают рекомендации, однако человеческие планировщики всё равно проверяют каждое действие. Многоагентные системы заменяют этот этап одобрения в рамках целевых операционных границ. Вместо ожидания еженедельных графиков, независимые программные модели обрабатывают данные в реальном времени от ETA перевозчиков, камер на складах и событий систем управления складом. Агенты выполняют перенаправление грузов, перераспределение запасов и распределение доков непосредственно внутри программного обеспечения для управления ресурсами предприятия. Lenovo сообщила о данном операционном переходе в своей глобальной инфраструктуре iChain, охватывающей 180 рынков, более 30 заводов и 100 логистических центров. Производитель оборудования связал агента по выполнению заказов и агента по управлению рисками непосредственно с существующими транзакционными платформами. По данным Lenovo, решения по выполнению заказов стали приниматься в три раза быстрее, реакция на сбои в четыре раза быстрее, оценка рисков работала с точностью 85 процентов, а точность доставки увеличилась на 30 процентов. Многоагентные системы были названы на реальных цепочках поставок. Производитель автозапчастей среднего размера, задокументированный Simor Consulting, развернул пять специализированных агентов в 15 странах и 200 поставщиков на протяжении 18 месяцев. Компания зафиксировала рост своевременной доставки с 82 процентов до 94 процентов. Производитель заметил, что его агент по сбоям обнаруживал угрозы поставок за 48 часов до вмешательства команд ручного мониторинга. Агенты по коммуникации взаимодействовали гладко с давними поставщиками. Однако диалог не удался с незнакомыми поставщиками, пока программное обеспечение не каталогизировало их специфические ответы. Испытания маршрутизации логистики между предприятиями показывают сопоставимые результаты. Первоначальное виртуальное сетевое упражнение, проведенное Fujitsu и Rohto Pharmaceutical, дало снижение транспортных затрат до 30 процентов. Обе компании запланировали расширенное испытание на реальной физической цепочке Rohto с января 2026 года по март 2027 года. Общие многоагентные слои отличаются тем, что контролируют несколько независимых операционных функций одновременно. Промышленные производители Kohler и Belden создали эту основу через Databricks. Kohler развернула агента-надсмотрщика, координирующего спрос, запасы и планирование. Belden разработала многоуровневую графическую модель поставщиков с агентами задач, реагирующими на транспортные инциденты, нацеливаясь на автономное исполнение и корректировку основных данных на последующих этапах. Операционные ограничения регулируют действия многоуровневых агентов. Надзорная автономия требует жестких границ для защиты капитала и отношений с поставщиками. Неконтролируемые агенты могут усугубить ошибки в интегрированных системах закупок и доставки. Жесткие финансовые и операционные триггеры должны быть установлены перед разрешением прямых записей в систему, включая: сценарии перенаправления транспорта, которые имеют полномочия только в рамках строгих пределов затрат и отклонений от уровня обслуживания. Корректировки запасов, превышающие заранее определенные финансовые значения или процентные объемы, автоматически приостанавливаются для ручного одобрения планировщика. Агенты по коммуникации с поставщиками остаются ограниченными до черновиков на непроверенных учетных записях поставщиков, пока точность взаимодействия не превысит установленные ориентиры. Автоматизированное исполнение на складах по-прежнему в значительной степени ограничено моделями симуляции, а не беспрепятственными операциями на площадке. Исследования Массачусетского технологического института (MIT) и Symbotic показали увеличение пропускной способности на 25 процентов с использованием координации много-роботных путей внутри смоделированных распределительных центров электронной коммерции. NVIDIA выпустила свою архитектуру справочной модели Многоагентного Интеллектуального Склада, чтобы продемонстрировать методы планирования между флотами. Производственные объекты по-прежнему отделяют движение роботов от автономного завершения транзакций. Расширенное испытание реальной цепочки Rohto, запланированное до марта 2027 года, станет следующим публичным тестом этих ограниченных циклов исполнения. Узнайте больше о физическом ИИ на выставке Physical AI, которая пройдет в Амстердаме, Лондоне и Северной Америке. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником. Бывший бухгалтер создает ИИ-продукт для упрощения учета NVIDIA Generative AI объясняет необходимость безопасности в физическом ИИ Hello Robot представит Stretch 4 на TechCrunch Disrupt 2026, демонстрируя его полезные функции для людей с ограниченными возможностями. NVIDIA представила Isaac ROS 5.0, набор инструментов для разработки роботов с ИИ. NVIDIA Developer сообщает о методах ускорения узлов ROS 2 с помощью AI-агента и CUDA.