随着企业网络从静态仪表盘中获得的收益递减，多智能体人工智能系统正在接管供应链执行，推动物流总监走向自主执行。
预测需求模型会给出建议，但最终仍需人工规划人员审批每一项行动。多智能体系统取代了这一审批环节，可在目标运营范围内执行各项行动。
独立软件模型不再依赖每周的调度计划，而是实时接收来自承运商预计到达时间、货场摄像头和仓库管理系统的遥测数据。这些代理程序直接在企业资源管理软件中执行货物重新路线规划、安全库存重新平衡和装卸货位分配等操作。
联想宣布，其遍布全球180个市场、30多家工厂和100多个物流中心的iChain基础设施已完成此次运营转型。这家硬件制造商将订单履行代理和风险管理代理直接连接到现有的交易平台。
联想表示，订单履行决策速度提高了三倍，中断响应速度提高了四倍，风险评估准确率达到 85%，交付准确率提高了 30%。
命名实时供应链上的多智能体系统
据Simor Consulting公司记录，一家中型汽车零部件制造商在18个月的生产周期内，在15个国家部署了5个专业代理商，并与200家供应商合作。该公司准时交货率从82%提高到94%。
制造商观察到，其应急代理程序比人工监控团队提前 48 小时检测到供应威胁。通信代理程序与长期供应商的沟通顺畅。但与不熟悉的供应商的对话则一直失败，直到软件记录了他们特定的回复行为。
企业间物流路线规划试验结果相近。富士通和乐敦制药开展的初步虚拟网络试验，运输成本最多可降低30%。两家公司计划于2026年1月至2027年3月期间，在乐敦制药的实际物流链上进行更大规模的试验。
通用多智能体层的不同之处在于，它可以同时监控多个独立的运行功能。工业制造商科勒和贝尔登通过Databricks构建了这一基础架构。
科勒部署了一个主管代理，用于协调需求、库存和计划空间。贝尔登设计了一个多层供应商图，其中包含响应运输事件的任务代理，目标是在后续阶段实现自主执行和主数据修正。
操作护栏规范多层代理行为
受监管的自主权需要严格的界限来保护资金和供应商关系。不受约束的代理人可能会加剧集成采购和运输系统中的错误。
在启用直接系统写入功能之前，应设置严格的财务和运营方面的安全措施，包括：
- 运输路线重路由脚本的权限仅限于严格的成本上限和服务水平协议差异范围内。
- 库存调整若超过预定义的财务数值或数量百分比，系统将自动暂停，等待计划员手动授权。
- 对于未经审核的供应商帐户，面向供应商的沟通代理仍只能使用草稿模式，直到互动准确率超过既定标准为止。
自动化仓库执行目前主要局限于仿真模型，而非实际的现场操作。麻省理工学院 ( MIT ) 和Symbotic的研究表明，在模拟的电子商务配送中心内，通过多机器人路径协调，吞吐量可提高 25%。
NVIDIA发布了其多智能体仓库参考架构，以展示跨车队规划方法。生产设施仍然将机器人移动与自主交易清算分开。
Rohto 扩大的实时链试验计划持续到 2027 年 3 月，这是对这些有界执行循环的下一次公开测试。
