Raphaël Hervé, Manhattan Associates: ‘De adoptiegraad van AI en agents is indrukwekkend hoog’

AI geeft logistieke ondernemers de kans om een efficiencyslag te slaan. Warehousing en transportprocessen zijn slimmer, sneller en preciezer te maken, bijvoorbeeld dankzij AI agents. Het helpt als softwareleveranciers daarvoor de basis neerzetten, zodat ondernemers de agents sneller op de eigen processen kunnen aanpassen. Dat is precies wat Manhattan doet.

“In mijn carrière binnen de IT heb ik nog nooit zo’n snelle adoptie van technologie gezien als nu met AI en specifiek AI-agents.” De uitspraak is afkomstig van Raphaël Hervé, binnen Manhattan Associates verantwoordelijk voor Technical & Support Services. “Tien jaar geleden hebben we het Manhattan Active® platform ontwikkeld: op een microservicesarchitectuur en API-first. Dat AI nu zo groot zou zijn, hadden we destijds ook niet kunnen voorzien.” Dankzij het cloud-native platform blijft ook AI-data nu binnen het platform, wat onder andere securityvoordelen biedt.

Enorme reductie van analysetijd

Wat AI volgens Hervé zo interessant maakt, is dat het een link legt tussen realtime zicht op de keten en de mogelijkheid om tegelijkertijd realtime in te spelen op een gebeurtenis. AI levert daarbij de info, agents handelen vervolgens zoals bedrijven dat hebben ingesteld. Hervé: “Op dit moment zijn het binnen warehousing- en transportactiviteiten vooral key users die over veel kennis beschikken, processen analyseren en vervolgens beslissingen nemen. De tijd tussen een actie en een beslissing kan zomaar uren bedragen en dat is soms simpelweg te lang. Op basis van de eerste agents ontwikkeld door klanten in pilotprojecten, zien we dat we deze tijd makkelijk met dertig tot veertig procent kunnen reduceren.”

Twee soorten AI-agents

Manhattan ontwikkelde twee soorten agents: prebuilt, standaard agents en custom agents. De eerste zijn kant-en-klaar en gebaseerd op bekende logistieke processen. De tweede geven bedrijven de kans om de agents klantspecifiek te maken en logica toe te voegen. Hervé: “De agents kijken bijvoorbeeld naar bestaande workflows en regels. Als gebeurtenis A plaatsvindt, dan volgt daar B op, enzovoort. Die kennis zit in ons systeem en daar kunnen AI-agents gebruik van maken. De basis aan agents is daarnaast door gebruikers aan te passen aan eigen specifieke processen en zo in te stellen dat een planner bijvoorbeeld vragen kan stellen over de status van een rit of planning.”

Finetunen van orderpick waveprocessen

Met agents kunnen logistieke ondernemingen bijvoorbeeld de orderpick waveprocessen finetunen, stelt Hervé. “Hier liggen veel efficiencykansen, zoals antwoord krijgen op vragen als waarom een bepaalde order niet werd geselecteerd. Als je op een dergelijke vraag realtime een antwoord krijgt, kun je dat ook direct fixen. Soms nog voor iets gebeurt, zodat je kunt voorkomen dat iets fout loopt. Dat is zeker voor logistieke operaties met B2C-klanten erg belangrijk. Je verliest minder tijd met corrigeren en kunt beter prioriteiten stellen. Iemand kan een proces voorrang geven omdat er de zekerheid is dat er later geen problemen ontstaan.” Ook voor TMS-processen liggen er kansen, zoals agents die automatisch de data op facturen van transporteurs controleren en deze vergelijken met de data in het TMS. “Daarmee bespaart een gebruiker tot een half uur per factuur. Ook is het eenvoudig om een agent te bouwen die kan controleren of er bijvoorbeeld in een truck een minimale vulgraad is van tachtig procent.”

CPG-klant ontwikkelt zelf al agents

Hoewel Hervé razend enthousiast is over de mogelijkheden van AI-agents, is hij toch verrast door de adoptiesnelheid van Manhattan-klanten. “Ik verwacht dat de paar pilots van nu de komende maanden uitgroeien naar enkele tientallen. Een grote CPG-klant van ons heeft in de eerste zes weken van de pilot al diverse agents ontwikkeld. Analyses zijn sneller gemaakt, bestellingen arriveren vaker op tijd, het zijn echt enorme verbeterstappen die deze klant nu al maakt.”