Цепочки поставок быстро обнаруживают, но медленно реагируют: как ИИ-агенты решают проблему

Согласно Глобальному отчёту J.S. Held о рисках, перебои в цепочках поставок обошлись компаниям примерно в 184 миллиарда долларов в 2025 году, и большая часть этой суммы по-прежнему расходуется на более быстрое обнаружение, а не на более быстрые действия.

Эту цифру обычно воспринимают как погодное явление (то есть случаются штормы — возникают расходы). Но если рассматривать её как спецификацию продукта, она указывает на операционную модель, которая способна обнаружить проблему на несколько часов или дней раньше, чем прежде, но по-прежнему не может действовать, пока человек не создаст заявку, не созовёт совещание и не введёт те же данные заново в три системы.

Платформы мониторинга, ситуационные центры, оценки рисков, цифровые двойники и панели исключений определяли последнее десятилетие развития ИИ в цепочках поставок. Это десятилетие весьма успешно сокращало время между событием и его обнаружением, но гораздо хуже справлялось с сокращением времени между обнаружением и коммерческим действием.

Обнаружение — проблема, которую «в целом решили»

Спросите директора по цепочкам поставок, куда ушёл бюджет на ИИ, и ответ, как правило, будет включать знакомый список: анализ спроса, прогнозирование ETA, оценку рисков поставщиков, оптимизацию запасов и аналитику маршрутов. Эти инструменты работают. Ошибка прогнозирования уменьшается. Задержка судна выявляется до того, как контейнер не успевает к установленному сроку. Остановка производства на предприятии второго уровня отображается на тепловой карте, а не в письме от клиента.

Но всё это не объясняет 184 миллиарда долларов. Счёт возникает в промежутке после сигнала: ускорить доставку или подождать; разделить заказ или смириться с просрочкой; повторно выставить маршрут на тендер или заплатить спотовую ставку; объединить два недозагруженных перемещения или отправить оба; заменить морскую перевозку воздушной для тех SKU, которые действительно оправдывают такую надбавку. Это ограниченные, повторяющиеся решения, принимаемые в рамках уже установленных компанией политик, контрактов и ограничений по запасам, — и всё же они по-прежнему выстраиваются в очередь за человеческим почтовым ящиком.

Опросы продолжают описывать одно и то же отставание разными словами. Опрос Knosc 2026 года среди производителей и дистрибьюторов среднего бизнеса показал, что команды, отвечающие за цепочки поставок, тратят 28 процентов рабочего времени на реагирование на сбои, причём большую его часть — на выяснение того, что произошло, а не на изменение того, что произойдёт дальше.

Руководители логистических компаний по-прежнему называют ИИ стратегическим приоритетом (исследование Capgemini за 2025 год показало, что цепочка поставок «нового поколения» на основе ИИ входит в тройку главных технологических трендов для 70 процентов руководителей крупных компаний), а затем сообщают, что измеримый финансовый эффект остаётся редкостью. В 2025 году Gartner выяснила, что лишь 23 процента организаций, занимающихся цепочками поставок, вообще имеют формальную стратегию в области ИИ. Проблема не в нехватке моделей, а в недостатке полномочий, предоставленных программному обеспечению.

Заявка — вот что является продуктом

Большинство современных внедрений строится вокруг заявки. Модель выдаёт рекомендацию, рекомендация превращается в оповещение, оповещение — в рабочую задачу, а рабочая задача ждёт специалиста по планированию, уже занятого другими задачами. К тому времени, когда специалист действует, набор вариантов сужается — свободные мощности альтернативного перевозчика исчерпаны, окно консолидации закрылось, а следующий производственный слот поставщика распределён.

Этот рабочий процесс — не временный этап на пути к автономности, а продукт, который приобрели компании. Поставщики продавали аналитические сведения, потому что их легко продемонстрировать и контролировать; действия затрагивают деньги, контракты, уровни обслуживания и ответственность. Поэтому отрасль автоматизировала ту часть работы, которая не требует подписи. FourKites и ABI Research сообщили в 2025 году, что лишь 27 процентов организаций позволяют ИИ предпринимать автономные действия, тогда как 52 процента ограничивают его поддержкой принятия решений.

Добавление ещё одной панели мониторинга к задержанному грузу редко приводит к росту EBITDA. Цикл принятия решения не изменился — его лишь украсили.

Ограниченные действия как следующая модель

Долю рынка получат не компании с самым аккуратным ситуационным центром, а те, которые заранее разрешат узкий класс действий и позволят агентам выполнять их, пока исключение ещё обходится дёшево.

Повторно выставить маршрут на тендер, когда ETA контрактного перевозчика выходит за установленный порог, а квалифицированный альтернативный перевозчик предлагает ставку в пределах утверждённого диапазона. Объединить исходящие партии, когда коэффициенты заполнения и время отсечки делают объединённую перевозку дешевле двух отдельных. Перейти на другой вид транспорта для определённого набора SKU, когда стоимость авиаперевозки ниже стоимости пропущенного окна поставки в розничную сеть. Перераспределить страховые запасы между двумя распределительными центрами, когда ошибка прогноза совпадает с транспортным ограничением.

Для этого не требуется стратегическая сессия за пределами офиса. Каждое действие можно записать так: если выполняются эти условия, предпринять это действие в пределах такого лимита расходов, с таким аудиторским следом, а человека подключать только в случае выхода за установленные рамки. Это не цепочка поставок, работающая «без участия людей», — это та же дисциплина, которую производители уже применяют к управлению станками, где агент может действовать внутри блокировки, а за её пределами передаёт ситуацию на более высокий уровень. Разница здесь коммерческая, а не физическая: блокировка — это объект политики, включающий категорию, уровень поставщика, вид транспорта, лимит в долларах и класс обслуживания, а не ПЛК.

Три условия реальных изменений

Во-первых, решения должны быть оформлены как политики, а не как знания, которыми владеют отдельные сотрудники. Если единственное место, где зафиксировано правило «мы будем оплачивать авиаперевозку товаров категории A после 48 часов задержки морской перевозки», — это голова специалиста по планированию, ни один агент не сможет его выполнить. Работа ближайших двух лет будет связана не столько с обучением моделей, сколько с проектированием решений: какие действия обратимы, какие ограничены, а какие поставщики и виды транспорта предварительно одобрены.

Во-вторых, системы исполнения должны принимать транзакции, инициированные машинами. Агент, который может подготовить запрос цен, но не может опубликовать его, по-прежнему остаётся инструментом обнаружения. TMS, WMS, комплексы управления закупками и API перевозчиков должны относиться к агенту с ограниченными полномочиями так же, как к младшему закупщику с лимитом расходов: аутентифицировать его, вести журнал действий и обеспечивать возможность отмены.

В-третьих, ответственность должна перемещаться вместе с действием. Если повторная передача маршрута на тендер в рамках политики привела к проблемам, разбор ситуации должен изучать политику, данные и установленные рамки, а не искать человека, который «должен был проверить». Пока не произойдёт такая культурная перемена, каждый агент будет запрограммирован ждать, потому что именно ожидание помогает сохранить карьеру.

Конкурентное разделение

Некоторое время обе модели будут выглядеть одинаково на слайде — в обеих будет ИИ и ситуационный центр. Разница проявится во времени цикла между обнаружением и коммерческим действием, а затем — в уровне обслуживания и затратах.

Компании, которые продолжают покупать инструменты обнаружения, будут раньше узнавать о шторме. Компании, которые разрешают ограниченные действия, уже успеют повторно выставить маршрут на тендер, объединить партию и переместить товары категории A до того, как будет назначен созвон по инциденту.

Перебои никуда не исчезнут. Сроки поставки критически важных компонентов, нестабильность видов транспорта и непрозрачность многоуровневых цепочек — структурные особенности сети. Единственное, что остаётся необязательным, — это ожидание ответа, пока человек откроет очередь задач. Продуктом, создавшим отставание, была аналитика без полномочий. Продукт, который положит этому конец, — агент, которому разрешено потратить немного денег в установленных рамках ещё до того, как у кого-то появится время посмотреть на ситуацию.

См. также: JD.com расширяет применение физического ИИ в логистике с помощью 3 миллионов роботов

Хотите узнать больше об ИИ и больших данных от лидеров отрасли? Посетите AI & Big Data Expo, которая пройдёт в Амстердаме, Калифорнии и Лондоне. Это масштабное мероприятие является частью TechEx и проходит одновременно с другими ведущими технологическими мероприятиями, включая Cyber Security & Cloud Expo. Нажмите здесь, чтобы узнать больше.

AI News работает при поддержке TechForge Media. Ознакомьтесь с другими предстоящими мероприятиями и вебинарами в области корпоративных технологий здесь.