Gli agenti AI aziendali affrontano un problema familiare: il divario tra la prima demo rifinita e la fattura che segue un'implementazione davvero riuscita. DeepFabric ha impiegato tre mesi a colmare quel divario con Kenco, trasferendo sei agenti in operatività live che coprono le funzioni commerciali, operative, di trasporto e di servizio clienti. Sono ora previsti venti agenti per la supply chain presso il fornitore nordamericano di logistica di terze parti nei prossimi 12 mesi.

Quel deployment di tre mesi si distingue rispetto a una tendenza più ampia in cui molti progetti di AI non riescono a decollare. Recenti ricerche di Gartner prevedono che più del 40 percento dei progetti di AI agentica verrà annullato entro la fine del 2027, citando costi crescenti, valore aziendale poco chiaro e controlli dei rischi inadeguati. Gli agenti che sopravvivono al passaggio dal pilot alla produzione restano l'eccezione piuttosto che la norma.

La partnership è nata da una chiamata in ingresso. Il Chief Digital and Information Officer di Kenco, Pal Narayanan, ha contattato DeepFabric dopo aver seguito il lavoro della piattaforma con altri operatori del settore della supply chain.

"Lui conosceva il tipo di lavoro che stavamo facendo con altri 3PL e altri team di supply chain, e conosceva la filosofia con cui operavamo e come avevamo costruito la piattaforma", ha detto Kalyan Kommineni, fondatore e CEO di DeepFabric, in un'intervista a FreightWaves. "Riteneva che fossimo un buon match per il modo in cui Kenco guardava all'AI e per come Kenco implementa nuove tecnologie nei propri ambienti."

Partire da una proof of concept umile

Le implementazioni di successo degli agenti AI iniziano da punti di partenza umili ma gestibili: partire in piccolo e muoversi rapidamente.

"Il nostro obiettivo è portare un agente in produzione il più velocemente possibile con il minimo dei rischi", ha detto Kommineni. "Prima ancora di pensare di portare qualcuno come cliente, firmiamo l'NDA, prendiamo i loro dati e mostriamo come l'agente funziona con i loro dati. Questo dà loro un'idea di come funziona in produzione."

La fase di proof of concept esiste per scoprire cosa si rompe prima che un agente tocchi un account cliente reale — una salvaguardia importante considerati i rischi di testare in beta gli agenti AI nelle operazioni live invece che in un gemello virtuale chiuso e separato. Questo approccio riduce al minimo le potenziali interruzioni mentre gli agenti vengono messi a punto.

"Ora, devo dire che gli agenti falliscono continuamente, ma ci assicuriamo che ciò avvenga in un ambiente non di produzione", ha detto Kommineni.

Kenco non ha assorbito alcun di questi fallimenti lungo il percorso verso la produzione. Tutti e sei gli agenti sono entrati in funzione senza interrompere il servizio a un solo cliente, secondo il Chief Operating Officer David Caines.

Perché l'automazione del lavoro di audit è stata una grande vittoria

La stessa struttura del 3PL ha creato l'opportunità. Kenco gestisce 141 strutture di distribuzione e 43 milioni di piedi quadrati di spazio magazzino in 33 stati e in Canada. Ogni passaggio di mano in quella rete è un documento che qualcuno deve controllare. Quel carico di documenti è una caratteristica di lunga data del business dei 3PL, dove i fornitori si collocano tra spedizionieri e vettori e si assumono il lavoro di riconciliazione che ciascuna parte della transazione genera.

"C'è molto lavoro — lavoro manuale — che avviene nell'audit", ha detto Kommineni. "E ripeto, non è un buon lavoro. È qualcosa che gli operatori non vogliono fare, che vorrebbero scaricare a un agente AI. Quindi siamo diventati davvero bravi in tutta la parte di audit. E l'audit non è una cosa unica. Esistono diversi tipi di audit con parti diverse."

In un 3PL, ciò significa che il magazzino valida il vettore, il vettore valida il cliente e il cliente valida il magazzino — ciascuno una riconciliazione separata con la propria documentazione.

"Ogni connessione tra questi anelli è un'opportunità di fallimento, e facciamo tutto il necessario per assicurarci che questi agenti non falliscano in produzione", ha detto Kommineni.

L'auditore del freight è uno dei tre agenti più diffusi di DeepFabric, insieme al proposal manager e all'inventory manager. L'azienda riferisce riduzioni della spesa di audit del 45 percento e tempi di risposta alle request-for-proposal ridotti fino al 30 percento.

Fissare i paletti sugli agenti per la supply chain

Il benchmarking è il punto in cui la maggior parte degli acquirenti fatica a trovare una risposta semplice, e la domanda su cosa misurare viene prima di cosa automatizzare. Kommineni la inquadra come una questione di efficacia più che di efficienza.

"Come 3PL, come azienda o come team dentro un'azienda, cosa state cercando di ottenere qui?", ha detto. "State cercando di fare più lavoro con le stesse persone, o state cercando a volte persino di aggiungere più persone ma poi fare molto più lavoro? E poi a volte c'è: 'Ehi, state cercando di ridurre le ore di lavoro?' Quindi ci sono lenti diverse che i clienti adottano. In base a quello, si definiscono i KPI."

La misurazione cambia con l'agente: il proposal manager viene valutato su quante più offerte un team perseguirà senza aumentare il personale, mentre un agente di audit viene valutato sulle ore manuali spese per 100 fatture.

"I KPI dipendono dall'agente, ma aiutiamo i nostri clienti a capire quali sono i KPI pre-agente, qual è la baseline, distribuire l'agente, capire come stanno le cose dopo il deployment dell'agente e poi misurare i risultati", ha detto Kommineni.

Senza quella baseline pre-agente, nulla può essere misurato in modo efficace.

Da qualche parte nel mezzo sui modelli

Gli acquirenti devono anche decidere su quale modello costruire. La risposta di Kommineni prevede un approccio equilibrato.

"Quindi qui ci sono due dicotomie diverse. C'è: 'Ehi, c'è un modello che fa tutto.' C'è: 'Sai, 20 diversi modelli personalizzati che distribuirò nel mio ambiente per i miei casi d'uso.' La risposta è sempre probabilmente da qualche parte nel mezzo", ha detto.

DeepFabric instrada ogni caso d'uso verso il modello che meglio si adatta per capacità e prezzo, e l'azienda si assume l'esposizione che ne deriva.

"Ci assumiamo il rischio di gestire tutto questo. Ci assumiamo il rischio di gestire la token economics. Ci assumiamo anche il rischio dell'esecuzione, così che i nostri clienti non debbano pensare alla cosa che cambia ogni giorno", ha detto Kommineni.

Kenco distingue tra le due categorie di investimento AI che sta finanziando: l'AI agentica, che completa compiti entro limiti definiti, e l'AI generativa, che produce contenuti e trova insight. DeepFabric alimenta il layer agentico, mentre i team di Kenco conservano l'autorità di approvazione sull'output degli agenti tramite percorsi di ispezione e override integrati nella piattaforma.

Kommineni fa risalire la postura orientata all'esecuzione a ciò che il suo team non riusciva a fornire in un lavoro precedente. Da ex consulente, ha detto che l'esecuzione è sempre stata una sfida nonostante desse ai clienti un piano.

"Ma con DeepFabric, abbiamo davvero fatto nostre queste cose in termini di esecuzione. Vi aiuteremo davvero a eseguire ciò che avremmo suggerito come consulenti, così che non dobbiate pensare: 'Ehi, come farò a mettere in produzione questi agenti'", ha detto.

Per il mercato più ampio, il rollout offre un test sulla capacità dell'AI agentica di mantenere un terreno produttivo misurabile nella logistica — i risultati basati su baseline che Kenco e DeepFabric descrivono emergeranno, o non emergeranno, man mano che i venti agenti previsti verranno distribuiti nei prossimi 12 mesi.

L'articolo DeepFabric lands Kenco as It scales supply chain agents è apparso per la prima volta su FreightWaves.