Корпоративные ИИ-агенты сталкиваются с известной проблемой: разрывом между отточенной первой демонстрацией и счетом, который следует за действительно успешным внедрением. DeepFabric потратила три месяца на преодоление этого разрыва вместе с Kenco, переведя шесть агентов в промышленную эксплуатацию в коммерческих, операционных, транспортных функциях и клиентском сервисе. В течение следующих 12 месяцев на североамериканском логистическом провайдере третьей стороны (3PL) запланировано развертывание двадцати агентов для цепочек поставок.

Это трехмесячное развертывание выделяется на фоне более широкой тенденции, при которой многие ИИ-проекты так и не набирают обороты. Недавнее исследование Gartner прогнозирует, что более 40 процентов проектов агентного ИИ будут отменены к концу 2027 года, ссылаясь на растущие затраты, неясную бизнес-ценность и недостаточные механизмы контроля рисков. Агенты, которым удается перейти от пилотного этапа к промышленной эксплуатации, остаются скорее исключением, чем нормой.

Партнерство началось со входящего звонка. Главный директор по цифровым технологиям и информации Kenco Пал Нараянан связался с DeepFabric после того, как проследил за работой платформы с другими участниками отрасли цепочек поставок.

«Он знал, какую работу мы вели с другими 3PL-провайдерами и другими командами цепочек поставок, он знал философию, в духе которой мы работали, и то, как мы создавали платформу», — рассказал в интервью FreightWaves Кальян Комминени, основатель и генеральный директор DeepFabric. — «Он счел, что мы хорошо подходим тому, как Kenco смотрит на ИИ и как Kenco внедряет новые технологии в свои процессы».

Начало со скромного доказательства концепции

Успешные внедрения ИИ-агентов начинаются со скромных, но управляемых стартовых точек: начинайте с малого и двигайтесь быстро.

«Наша цель — как можно быстрее вывести агента в промышленную эксплуатацию с минимально возможными рисками», — сказал Комминени. — «Прежде чем мы вообще начнем рассматривать кого-то в качестве клиента, мы подписываем NDA, берем их данные и показываем, как агент работает с их данными. Это дает им представление о том, как он будет работать в продакшене».

Этап доказательства концепции существует, чтобы выяснить, что выходит из строя, прежде чем агент коснется реального клиентского счета, — важная мера предосторожности с учетом рисков бета-тестирования ИИ-агентов в живой эксплуатации, а не в закрытой отдельной виртуальной копии. Такой подход сводит к минимуму потенциальные сбои, пока агенты дорабатываются.

«Скажу так: агенты дают сбои постоянно, но мы гарантируем, что это происходит в непродакшен-среде», — отметил Комминени.

На пути к промышленной эксплуатации Kenco не приняла на себя ни одного из этих сбоев. Все шесть агентов были запущены без нарушения обслуживания хотя бы одного клиента, по словам главного операционного директора Дэвида Кейнса.

Почему автоматизация аудита стала огромным выигрышем

Возможность создала сама структура 3PL. Kenco управляет 141 распределительным центром и 43 миллионами квадратных футов складских площадей в 33 штатах и Канаде. Каждая передача в этой сети — это документ, который кто-то должен проверить. Такая документная нагрузка — давняя особенность бизнеса 3PL, где провайдеры находятся между грузоотправителями и перевозчиками и берут на себя работу по сверке, которую порождает каждая сторона сделки.

«В аудите выполняется много работы — ручного труда, — сказал Комминени. — И повторюсь, это не хорошая работа. Это то, чего операторы не хотят делать и что они хотели бы переложить на ИИ-агента. Поэтому мы действительно хорошо освоили весь аудиторский блок. А аудит — это не что-то одно. Существуют разные виды аудита с разными сторонами».

В 3PL это означает, что склад проверяет перевозчика, перевозчик проверяет клиента, а клиент проверяет склад — и каждая проверка представляет собой отдельную сверку со своей документацией.

«Каждая связь между этими звеньями — это возможность для сбоя, и мы делаем все необходимое, чтобы эти агенты не отказывали в продакшене», — подчеркнул Комминени.

Аудитор грузовых перевозок — один из трех наиболее широко развернутых агентов DeepFabric наряду с менеджером предложений и менеджером запасов. Компания сообщает о снижении расходов на аудит на 45 процентов и сокращении времени ответа на запросы предложений (RFP) до 30 процентов.

Определение критериев оценки ИИ-агентов для цепочек поставок

Бенчмаркинг — это то, с чем большинству покупателей трудно найти простой ответ, и вопрос о том, что измерять, встает раньше вопроса о том, что автоматизировать. Комминени формулирует это как вопрос эффективности результата, а не эффективности процесса.

«Как 3PL-провайдер, как компания или как команда внутри компании — чего вы пытаетесь достичь?» — сказал он. — «Вы пытаетесь делать больше работы теми же людьми, или вы иногда даже хотите добавить людей, но выполнять значительно больше работы? А иногда возникает вопрос: „А не пытаетесь ли вы сократить трудозатраты?“ Покупатели смотрят на это через разные призмы. В зависимости от этого определяются KPI».

Показатели меняются в зависимости от агента: менеджер предложений оценивается по тому, сколько еще заявок участвует команда без увеличения штата, а аудиторский агент — по количеству ручных часов на 100 счетов-фактур.

«KPI зависят от агента, но мы помогаем нашим клиентам понять, каковы KPI до внедрения агента, какова базовая линия, развернуть агента, понять, как обстоят дела после его развертывания, а затем измерить результаты», — пояснил Комминени.

Без такой базовой линии «до агента» ничего нельзя измерить эффективно.

Где-то посередине в вопросе о моделях

Покупателям также предстоит решить, на какой модели строить. Ответ Комминени предполагает сбалансированный подход.

«Здесь есть две разные дихотомии. Первая: „Есть одна модель, которая делает всё“. Вторая: „Есть 20 различных кастомизированных моделей, которые я разверну в своей среде под свои задачи“. Ответ, скорее всего, всегда где-то посередине», — сказал он.

DeepFabric направляет каждый сценарий использования к той модели, которая подходит ему по возможностям и цене, и компания несет связанные с этим риски.

«Мы берем на себя риск управления всем этим. Мы берем на себя риск управления токен-экономикой. Мы также берем на себя риск исполнения, чтобы нашим клиентам не приходилось думать о том, что меняется каждый день», — отметил Комминени.

Kenco разграничивает две категории ИИ-инвестиций, которые финансирует: агентный ИИ, выполняющий задачи в заданных рамках, и генеративный ИИ, создающий контент и находящий закономерности. DeepFabric обеспечивает агентный уровень, тогда как команды Kenco сохраняют право утверждать результаты работы агентов через встроенные в платформу механизмы проверки и переопределения.

Комминени возводит приоритет исполнения к тому, что его команда не могла обеспечить на прежней работе. Будучи консультантом ранее, он говорил, что исполнение всегда было сложным, несмотря на предоставляемые клиентам планы.

«Но с DeepFabric мы действительно приняли это близко к сердцу с точки зрения исполнения. Мы действительно поможем вам реализовать то, что предложили бы в качестве консультантов, чтобы вам не пришлось думать: „Как я буду запускать этих агентов в продакшене“», — сказал он.

Для более широкого рынка этот запуск предлагает проверку того, сможет ли агентный ИИ удержать измеримые производственные позиции в логистике — результаты, основанные на базовых показателях, которые описывают Kenco и DeepFabric, проявятся или не проявятся по мере развертывания запланированных двадцати агентов в ближайшие 12 месяцев.

Статья DeepFabric lands Kenco as It scales supply chain agents впервые появилась на FreightWaves.