Lojistikte yapay zeka ajanları: tedarik zincirinin geleceği üzerine 7 düşünce

Lojistik sektörü, bu dijital yardımcılarda büyük potansiyel görüyor. Çok abartılan her konuda olduğu gibi, birçok kişi tam olarak ne olduğunu bilmeden bu konudan bahsediyor. Ajanik yapay zekanın tanımı vakadan vakaya biraz değişir. Yapay zeka ajanları temelde yazılım uygulamalarıdır. Ancak geleneksel programların aksine, yapay zeka ajanları üretken yapay zekayı kural tabanlı hesaplamayla birleştirir. Bu kombinasyon, belirlenmiş bir görev kapsamı içinde talepleri ve veri girdilerini anlayabilen, önceden belirlenmiş hedeflere dayalı uygulama stratejileri türetebilen ve nihayetinde eylemleri tetikleyip izleyebilen dijital varlıkların ortaya çıkmasına yol açar.

Örneğin, sevkiyat takibinde, bir yapay zeka ajanı durum sistemlerinden veya yapılandırılmamış sohbet mesajlarından gelen bilgileri anlayabilir, önceden tanımlanmış hedeflere dayanarak sonuçlar çıkarabilir ve uygun eylemleri tetikleyebilir. Bir sevkiyat belirli bir statüye ulaştığında, temsilci ya ilgili müşteriyi doğrudan bilgilendirir ya da dosyayı inceleme ve işleme için müşteri hizmetleri temsilcisine iletir.

Bu evrimin temel sorunlarını anlamak için 7 tez

• Düşünce #1: Yapay zeka ajanları ile yapay zeka asistanları arasındaki çizgiler giderek daha bulanıklaşıyor

İdeal bir durumda, bir yapay zeka ajanı tamamen otonom bir sistem olarak hareket eder ve bir insana danışılıp danışılmayacağına ve danışılacaksa nasıl danışılması gerektiğine kendisi karar verir. Ancak pratikte, bir yapay zeka ajanının insan onayı olmadan neredeyse hiçbir eylemi gerçekleştirmeden daha çok asistan olarak işlev görmesi alışılmadık bir durumdur. Yapay zeka sonuçlarının kalitesine ve süreç spesifikasyonlarına bağlı olarak, yapay zeka ajanları ve yapay zeka asistanlarının hibrit formları ortaya çıkıyor. Bir yapay zeka ajanı ile bir yapay zeka asistanının tanımlarını ayıran resmi sınırlar giderek bulanıklaşıyor ve böylece ikisi birleşiyor.

• Düşünce #2: Yapay zeka ajanları lojistik süreçlerini dönüştürüyor

İlk ajan tabanlı sistemler, özellikle tedarik zincirindeki çeşitli aktörler arasındaki arayüzlerde test ediliyor. Bir örnek, yapay zeka ajanlarının gerekli sevkiyat verilerini lojistik platformlara girmesini sağlamaktır. Bu, yapılandırılmamış metin verileri ve belgeleri, ayrıca sesli mesajları içerebilir ve insanlardan veya diğer yapay zeka ajanlarından gelebilir. Yeni Model Bağlam Protokolü (MCP) sayesinde, büyük dil modelleri üçüncü taraf sistemler ve veritabanlarıyla giderek daha etkili iletişim kurabiliyor ve bugünün EDI ve API tabanlı veri arayüzlerinin yeni bir biçimine yol açıyor. Satın alma ve satışta, yapay zeka ajanları ürün ve hizmetlerin özellikleri ve erişilebilirliği hakkında ilk bilgileri toplar, sözleşme şartlarını gözden geçirir ve müzakere eder. Bu, bugün ilk pilot projelerde zaten gerçekleşiyor.

• Düşünce #3: YZ ajanları hata yapar

Bir yapay zeka ajanı her zaman doğru sonuçlar çıkarmaz ve bu nedenle istenen eylemi tetikleyemez. Bu, birçok operasyonel senaryoda temel bir zorluktur. Mükemmel yapay zeka ajanları bile şu anda tahmini doğruluk oranını yüzde 90 ila 95 arasında geçemez. Bu bağlamda bir diğer önemli faktör, ajanik sistemin kendi kararının ne kadar iyi olduğunu, hangi sürecin çalıştığını ve hangi karar alma kurallarının uygulandığını fark etme yeteneğidir. Bu yetenek, bir yapay zeka ajanının eylemlerinin kalitesini daha da etkiler. Yapay zeka ajanlarındaki bu doğuştan gelen hata oranı nedeniyle, her zaman şu soruyu soran bir risk değerlendirmesi yapmak gerekir: Ara sıra yapılan hataların etkisi nedir ve iş modeli bunlarla nasıl başa çıkar? Bu nedenle, şu anda yapay zeka ajanlarına emanet edilemeyecek birçok süreç var.

• Düşünce #4: Yapay zeka ajanları ekibin bir parçası

Yapay zeka ajanlarının güçlü ve zayıf yönleri vardır; bunlar bazen günlük iş hayatındaki gerçek insanlara çarpıcı derecede benziyor. Bu özellikler birlikte, ajanları sadece yazılım programlarından çok daha fazlası yapar; Daha çok takımın üyeleri gibiler. Çeşitli görevler için hazırlanmış ve eğitilmiş, insanlarla etkileşime girebilmektedirler. Gelecekte insanlar yapay zeka ajanlarına görevler atayacak ve istenen sonuca doğru onlarla birlikte yinelemeli olarak çalışacak. Ve sadece tek bir yapay zeka ajanıyla değil; birkaçı paralel çalışmak zorunda, çünkü yapay zeka ajanlarının "düşünmek" için zamana ihtiyacı var. YZ ajanlarının görevlerini etkili bir şekilde yerine getirebilmeleri için, yüksek kaliteli veriler ve talimatlar (promptlar) aracılığıyla eylemlerinin bağlamını sürekli olarak paylaşmaları gerekir. Yani, profesyonel olarak yönetilmeli ve insan ekiplerine iyi entegre edilmeli ki "meslektaş" olarak kabul edilebilsinler. Bunlar, her seviyedeki liderlerin ve yöneticilerin çok hızlı bir şekilde öğrenmesi ve gelecekte uygulamaya koyması gereken yeni becerilerdir.

• Düşünce #5: Herkes yapay zeka ajanları yaratabilir

Ajanları yönetmek ve kullanmakla birlikte, en azından basit temsilciler yaratmak da lojistik profesyonellerinin günlük işlerinin merkezi bir parçası haline geliyor. "Vatandaş gelişimi"  olarak adlandırılan bir eğilimde, şirketler birçok kullanıcının hedefli yönlendirme ve veri kaynakları ile iş akışı sistemlerini bağlayarak basit yapay zeka ajanları oluşturup dağıtmasını sağlayan ortamlar geliştiriyor. Günlük ofis hayatından bir örnek Microsoft'un Copilot ajanları.

• Düşünce #6: Yapay zeka ajanları henüz herhangi bir yatırım getirisi sağlamıyor

Ajan tabanlı sistemlerin önemli potansiyeline ve belirli süreçlerde elde ettikleri ilk somut verimlilik artışlarına rağmen, genellikle yatırım getirisi sağlamazlar. Birçok yapay zeka ajanı hâlâ minimum kullanılabilir ürün (MVP) aşamasında, şu anda pilot projelerde test ediliyor ve iş modellerine tam olarak entegre olmaktan hâlâ çok uzak. Geliştirme maliyetleri, yapay zeka sistemlerine yönelik lisanslar ve ChatGPT, Claude ya da Mistral gibi büyük dil modellerine (LLM) yöneltilen sorgular için yapılan token tüketimi; özellikle de tek bir sağlayıcıya veya modele aşırı bağımlılık söz konusu olduğunda, bir maliyet doğurur.

Buna, çalışanlara yönelik eğitimler ve yapay zeka ajanlarıyla çalışma konusunda deneyim kazanmak için gereken süre de eklenmektedir.  Her yenilik süreci elbette yeni teknolojileri doğru şekilde kullanmayı öğrenmek için belirli bir yatırım gerektirir. Ancak, yapay zekanın orta vadede kullanımına yönelik sağlam bir ekonomik çerçeve oluşturmak amacıyla, belirli KPI'lar ve yatırım getirisi (ROI) analizleri de adım adım yapay zeka ajanları için yol gösterici bir araç haline gelmelidir.

• Düşünce #7: Yapay zeka ajanları geleceği şekillendiriyor

Zayıflıklarına, risklerine ve maliyetlerine rağmen, yapay zeka ajanları tedarik zincirindeki neredeyse her sürece girerler. Herkes bunun farkında olmalı. Yapay zeka ajanları bazen iş birliğinin doğasını sadece hafifçe değiştirir, ancak bazı durumlarda oldukça önemli ölçüde değişir ve çoğu durumda daha etkili hale getirirler. Bu sadece bireysel yapay zeka ajanlarını değil, aynı zamanda birbirleriyle ve insanlarla etkileşime giren çoklu ajan sistemlerini de içerir.

Bu nedenle, gelecekte lojistik ve tedarik zinciri yönetiminin geleceğini şekillendirecek kişiler sadece insanlar değil, aynı zamanda yapay zeka ajanları da olacaktır. Bu, yapay zeka ajanlarıyla çalışmanın da bir liderlik sorumluluğu haline geleceği anlamına geliyor. DACHSER'in Geliştirme Sorumlusu (CDO) Stefan Hohm durumu özetliyor: "Yapay zeka liderlerin yerini almayacak. Ama yapay zeka kullanan liderler, kullanmayanların yerini alacak."