ИИ-агенты приходят на склад: от чат-ботов к управлению запасами

Что происходит

За последний год складская автоматизация перестала быть только про конвейеры и роботов-тележек. Manhattan Associates, Blue Yonder, Symbotic и другие поставщики WMS* начали встраивать в свои платформы так называемых ИИ-агентов** — программные модули, которые не просто показывают дашборд, а сами принимают часть решений: куда положить товар, какой заказ собрать первым, когда предупредить о нехватке остатков.

Разница с прежней автоматизацией в том, где проходит граница ответственности. Классический WMS исполняет правила, которые задал человек. Агент получает цель («сократить время сборки», «не допустить дефицита по топ-100 SKU») и сам решает, какими действиями её достигать, обращаясь к данным склада, прогнозам спроса и статусам роботов. Это ближе к тому, как работают агентные надстройки над языковыми моделями, только цена ошибки измеряется не неудачным ответом в чате, а простоем линии.

Что именно умеют агенты на складе

Функциональность у разных вендоров пересекается, но условно её можно разбить на четыре слоя.

• Оркестрация роботов. Агент распределяет задачи между автономными тележками (AMR) и стационарными манипуляторами, перестраивая маршруты, когда один из роботов встал на зарядку или сломался.
• Управление запасами. Прогноз спроса, автоматические заявки на пополнение, перераспределение остатков между зонами хранения.
• Планирование сборки. Группировка заказов в волны, выбор стратегии пикинга, приоритизация срочных отгрузок.
• Диагностика и подсказки оператору. Естественно-языковой интерфейс: сотрудник спрашивает «почему заказ №… завис», агент отвечает и предлагает действие.

Именно последний слой сейчас развивается быстрее всего, потому что он наименее рискованный: агент советует, а решает человек. Слои с прямым управлением роботами внедряют осторожнее.

Автономный агент на складе полезен ровно настолько, насколько чисты данные, которыми его кормят. На складе с расхождениями в учёте он будет уверенно принимать неверные решения быстрее, чем это делал человек.

Как это выглядит у разных вендоров

Ниже — сравнение по публично заявленным возможностям платформ. Точные наборы функций зависят от тарифа и конфигурации, поэтому таблицу стоит читать как ориентир, а детали сверять у поставщика.

Отдельно стоит сказать про роботов-манипуляторов с ИИ-захватом — например, направление, которое развивает Covariant и подобные компании. Здесь агент управляет не логистикой, а самим движением руки робота: распознаёт незнакомый предмет и решает, как его взять. Это смежная, но отдельная задача от управления складом как системой.

Кому это пригодится, а кому нет

Скорее пригодится

• Крупным распределительным центрам с десятками тысяч SKU и высокой сезонностью: здесь ручное планирование волн действительно упирается в потолок, и агент экономит часы диспетчера ежедневно.
• E-commerce с непредсказуемым спросом, где ассортимент и приоритеты меняются в течение дня, а промо-акции ломают привычные маршруты сборки.
• Складам, которые уже роботизированы, но роботы работают по жёстким сценариям — агент-оркестратор выжимает из имеющегося парка больше без закупки новой техники.

Скорее не пригодится

• Небольшим складам с несколькими сотнями позиций и стабильным потоком: окупить лицензию и внедрение здесь тяжело, выигрыш от автоматизации решений минимальный.
• Складам с хаосом в учёте. Если фактические остатки регулярно расходятся с системой, агент будет автоматизировать ошибки. Сначала — данные, потом — автономия.
• Компаниям без ресурса на сопровождение. Агент — не коробка «поставил и забыл»: его нужно настраивать, контролировать метрики и переучивать при изменении процессов.

Сколько это стоит и где подводные камни

Публичных прайсов на корпоративные WMS с агентными функциями по сути нет — цена собирается индивидуально и зависит от числа складов, SKU, интеграций и модели поставки (облако или on-premise). Ориентироваться на «цену подписки» как у потребительских сервисов здесь бессмысленно: основные расходы — это внедрение и интеграция с ERP, а не сама лицензия.

Главные риски, о которых стоит думать до пилота:

1. Качество данных. Инвентаризация и аудит учёта — обязательный шаг перед тем, как давать агенту право на действия.
2. Граница автономии. Начинать разумно с режима «агент советует», а прямое управление подключать по одному процессу, а не всё сразу.
3. Объяснимость. Если агент переставил приоритет заказов, диспетчер должен понимать почему. Модель без прозрачного обоснования тяжело внедрять там, где за срыв отгрузки отвечает конкретный человек.
4. Зависимость от вендора. Агент, встроенный в проприетарную платформу, привязывает вас к ней сильнее обычного WMS.

* WMS (Warehouse Management System) — система управления складом: софт, который отслеживает приёмку, размещение, сборку и отгрузку товара.

** ИИ-агент — программа, которая получает цель и сама выбирает последовательность действий для её достижения, обращаясь к внешним данным и инструментам, а не просто выполняет заранее прописанный сценарий.