Od prognoz do robotów: cztery kierunki rozwoju AI w magazynach
Magazynowa sztuczna inteligencja przechodzi od eksperymentów do zastosowań operacyjnych. Według Gartnera na ten proces wpływają trzy czynniki: utrzymujące się braki kadrowe, modele finansowania automatyzacji obniżające ryzyko wejścia oraz dojrzewanie technologii AI i systemów autonomicznych.
Optymalizacja reagująca na warunki
Pierwszy kierunek to rozwój tradycyjnych narzędzi optymalizacyjnych. Nowe rozwiązania mogą wykorzystywać obszerniejsze dane w czasie rzeczywistym i bardziej zaawansowane algorytmy. Prognozowanie popytu, planowanie pracy, wyznaczanie tras oraz zarządzanie zapasami nie muszą już opierać się na statycznych regułach. System może korygować rekomendacje wraz ze zmianą obciążenia i sytuacji w obiekcie, zachowując przy tym powtarzalność potrzebną w działalności operacyjnej.
Drugi trend dotyczy generatywnej AI wbudowanej bezpośrednio w procesy magazynowe. Modele mogą przekształcać dane nieustrukturyzowane i częściowo ustrukturyzowane w instrukcje pracy, procedury standardowe, scenariusze obsługi wyjątków oraz wskazówki dla osób podejmujących decyzje. Dzięki temu generatywna AI ma wspierać działanie magazynu, a nie funkcjonować wyłącznie jako osobne narzędzie biurowe.
Agenci i roboty w centrum operacji
Pomiędzy pracą ręczną a pełną autonomią znajdują się agenci sugestywni i półautonomiczni. Analizują dane, proponują kolejność działań i mogą częściowo wykonywać wieloetapowe zadania. Przykłady obejmują przydzielanie zadań, reagowanie na wyjątki oraz alokację zasobów, przy zachowaniu nadzoru człowieka.
Czwarty obszar to fizyczna AI, łącząca algorytmy, robotykę i zaawansowane czujniki. Roboty mogą wspierać kompletację, pakowanie, sortowanie i przemieszczanie materiałów, poprawiając wydajność oraz powtarzalność, a potencjalnie także bezpieczeństwo pracy.
Gartner zaleca rozpoczęcie od sprawdzonych zastosowań, takich jak prognozowanie zapotrzebowania na pracę czy slotting. Dopiero potem przedsiębiorstwa powinny rozszerzać wdrożenia o generatywną AI i agentów, stale oceniając wyniki oraz utrzymując kontrolę człowieka.
