Rechercher dans le radar

Gartner prévoit que les dépenses en AI agentique dans les logiciels Supply Chain atteindront 53 milliards de dollars d'ici 2030

MGI et le Shanghai AI Laboratory lancent des agents qui relient la planification en laboratoire à l'exécution physique

Expert en Science des Données (Modèles de Domaine) – Labs de Données

Responsable IA Chaîne Logistique (SCM)

RISK: Les agents IA ne doivent pas gérer les chaînes d'approvisionnement sans contexte physique et supervision humaine

WARNING: Les agents spécialisés de planning peuvent se multiplier plus vite que leur modèle de gouvernance

Les chaînes d'approvisionnement multi-agents nécessitent une économie de coordination, pas seulement des agents spécialisés

L'IA multi-agents pour la chaîne d'approvisionnement peut nécessiter la satisficing plutôt que l'optimisation locale

L'architecture AWS fait passer l'IA multi-agents de la supply chain des tableaux de bord vers l'action

Les chaînes d'approvisionnement multi-agents ont besoin d'un plan de contrôle avant d'avoir besoin de plus d'agents

Flowr : IA agentique pour les opérations de supply chain retail à grande échelle

Les Supply Chains agent-à-agent ont besoin de contrôles à la frontière entre entreprises, pas seulement dans chaque agent

Descartes et l'IA agentique : de la démonstration à une exécution logistique responsable

La simulation S&OP à cinq agents montre pourquoi l'optimisation locale peut détruire la valeur d'entreprise

L'architecture SmartFactory place l'AI agentique au-dessus de sémantiques industrielles standardisées

La technologie autonome de chaîne d'approvisionnement crée un problème de coordination avant de créer de l'autonomie

Simulation Multi-Agent Basée sur l'Apprentissage par Renforcement pour un S&OP Intelligent

Une Tour de Contrôle Multi-Agent Open-Source à l'Application de Décision Supply Chain Gouvernée

Expérience : créer une entreprise de Supply Chain as a Service avec OpenOPC

Koen Wijnen