Het succes van een autonome toeleveringsketen hangt af van een veilige samenwerking tussen AI-agenten

AI verandert niet alleen wat bedrijfssoftware kan doen, maar ook de manier waarop medewerkers deze software gebruiken. De vraag is nu: hoe kunnen we AI-agenten laten samenwerken op het gebied van planning, inkoop, productie en logistiek, zonder dat hun beslissingen ongewenste gevolgen hebben?

„Het bouwen van een agent is niet zo ingewikkeld meer; de complexiteit zit vooral in alles wat erbij komt kijken”, zegt Bart Van der Biest, General Manager bij SAP Benelux. „Ik denk daarbij met name aan beveiliging, machtigingen en governance, maar ook aan een platform waarop verschillende agenten op een gecontroleerde manier kunnen samenwerken…”

Concreet betekent dit dat als een leverancier uitvalt, een AI-agent niet alleen het probleem kan signaleren, maar ook de betreffende bestellingen kan identificeren, de impact op de productie en de logistiek kan berekenen en alternatieven kan voorstellen.

AI evolueert van advies naar actie, meent Marcel Bron, Head of Supply Chain Management bij SAP Benelux. Naarmate de agents steeds meer taken zelfstandig uitvoeren, kunnen ze binnen vooraf vastgestelde grenzen ook vervolgacties opzetten. Zo wordt stap voor stap een autonomere toeleveringsketen opgebouwd.

„Tegenwoordig sturen agents niet langer elke actie afzonderlijk aan, maar stellen ze de doelstellingen en kaders vast waarbinnen de agents kunnen handelen, en grijpen ze in wanneer dat nodig is. ”

Eén enkele beslissing heeft gevolgen voor meerdere processen

Door de grotere autonomie wordt het des te belangrijker om de impact van beslissingen op de gehele keten te onderzoeken. Een beslissing die binnen één proces logisch lijkt, kan elders in de toeleveringsketen ongewenste gevolgen hebben.

„Bij een leveringsprobleem kan een medewerker bijvoorbeeld een goedkopere of snellere leverancier voorstellen, maar die beschikt niet over de vereiste certificering“, legt Marcel Bron uit.

Hij vergelijkt dit met het bekende „bullwhip“-effect: een relatief kleine afwijking aan het begin van de toeleveringsketen kan verderop in de keten steeds grotere gevolgen hebben. Als meerdere AI-agenten autonoom handelen en zich baseren op elkaars beslissingen, kan een dergelijk effect zich bovendien sneller door de hele keten verspreiden. Daarom is het volgens SAP belangrijk dat de agenten niet alleen hun eigen taak optimaliseren, maar ook begrijpen wat hun beslissingen betekenen voor de andere processen.

Van geïsoleerde agents naar coördinatie

Daar is meer voor nodig dan geïsoleerde agents. De volgende stap is niet om elke schakel in de toeleveringsketen uit te rusten met een eigen AI-agent, maar om deze agents over de processen heen te laten samenwerken en coördineren.

„Als je je alleen bezighoudt met een deel van de planning, hoe ga je dan je productie coördineren? Of als je slechts een deel van het transport beheert, hoe ga je dan je magazijn coördineren?“, vraagt Marcel Bron zich af.

Er is een end-to-end-aanpak nodig, waarbij organisaties planning, inkoop, productie en logistiek niet afzonderlijk beheren. Een wijziging in de planning moet bijvoorbeeld onmiddellijk kunnen worden beoordeeld, rekening houdend met de gevolgen voor de voorraden, de productiecapaciteit en het transport. En aangezien toeleveringsketens niet ophouden bij de muren van het bedrijf, kan deze samenwerking zich ook uitstrekken tot leveranciers en andere partners.

Hoeveel speelruimte geef je een medewerker?

Coördinatie alleen is niet voldoende. Hoe meer autonomie medewerkers krijgen, hoe belangrijker de vraag wordt welke beslissingen ze daadwerkelijk zelf mogen nemen.

Mag een medewerker zich beperken tot het voorstellen van een alternatief, of moet hij ook een vervolgactie uitvoeren? Wanneer is menselijke validatie nodig? Tot welke gegevens en systemen heeft een medewerker toegang? En wat gebeurt er als medewerkers tot tegenstrijdige conclusies komen? Duidelijke waarborgen, bevoegdheden en traceerbaarheid worden dus onmisbare voorwaarden voor meer autonomie. „We moeten alles wat er gebeurt kunnen traceren“, benadrukt Marcel Bron.

Ook de bedrijfscontext speelt een belangrijke rol. Een medewerker moet niet alleen over gegevens beschikken, maar ook weten welke contractuele afspraken bijvoorbeeld van toepassing zijn, welke voorraad beschikbaar is, welke certificeringen vereist zijn en wie bevoegd is om een bepaalde beslissing te nemen.

Volgens SAP ligt hier een belangrijk verschil tussen algemene AI en bedrijfs-AI. Bedrijfs-AI is geïntegreerd in de gegevens, processen en bedrijfsregels van een organisatie. Hiervoor maakt SAP onder meer gebruik van zijn Knowledge Graph, waarmee medewerkers toegang krijgen tot de context binnen bedrijfsapplicaties.

‘Autonoom’ betekent niet ‘zonder controle’ ​

Voor SAP betekent de autonome toeleveringsketen dus niet dat bedrijven de AI zoveel mogelijk beslissingen moeten laten nemen. Integendeel, de trend gaat in de richting van een model waarin medewerkers meer operationele taken kunnen uitvoeren, terwijl bedrijven de grenzen bepalen waarbinnen dit gebeurt. „De mens verdwijnt niet! Hij is degene die de doelstellingen vaststelt, de grenzen bepaalt waarbinnen de agents kunnen handelen, uitzonderingen beoordeelt en uiteindelijk verantwoordelijk blijft voor het beheer van het bedrijf.”

De volgende stap op weg naar een autonome toeleveringsketen bestaat dus niet uit het inzet van steeds meer AI-agenten. Wat het verschil zal maken, is het vermogen van bedrijven om deze agenten te laten samenwerken tussen de verschillende processen, zonder daarbij de controle over hun toeleveringsketen te verliezen.