Generative AI सप्लाई चेन प्लानिंग के साथ असल में क्या कर रहा है
अब हर प्लानिंग वेंडर एक AI कोपायलट शिप कर रहा है। चौदह साल तक क्षमताओं का नाम बदलते और दोबारा बेचते देखने के बाद, यहाँ है कि टेक्नोलॉजी असल में क्या बदलती है, और क्या नहीं।
चौदह साल से मैंने सप्लाई चेन टेक्नोलॉजी में एक ही पैटर्न देखा है: एक क्षमता का नाम बदलता है, उसे दोबारा पैक किया जाता है, और दोबारा बेचा जाता है। "Demand sensing" बना "AI forecasting", जो बना "ML-driven planning", और अब है "generative" या "agentic" AI। वेंडर की डेक नीचे मौजूद ऑप्टिमाइज़ेशन गणित से कहीं तेज़ी से बदलती हैं।
तो मैंने इस लेख की रिसर्च एक संशयवादी की तरह शुरू की। मैं इससे एक शर्तों वाले संशयवादी की तरह बाहर निकला। प्लानिंग में Generative AI असली है, यह प्रोडक्शन में शिप हो रहा है, और यह दो दशकों में प्लानिंग-सॉफ्टवेयर की यूज़ेबिलिटी में सबसे असली सुधार है। लेकिन यह जो वैल्यू असल में हासिल करता है, वह कीनोट के वादों से कहीं संकरी, और ज़्यादा उबाऊ, है। यह ज़्यादातर एनालिसिस और स्पष्टीकरण पर बचा प्लानर का समय है। यह बेहतर प्लान नहीं है, और यह ऑटोनॉमस सप्लाई चेन नहीं है।
यहाँ वह फर्क है, और 2026 में आपको पैसा कहाँ लगाना चाहिए, इसके लिए यह क्यों मायने रखता है।
यह असल में क्या करता है, मार्केटिंग हटाकर
भाषा हटा दें तो generative AI आज के प्रोडक्शन प्लानिंग एनवायरनमेंट में सात अलग-अलग काम कर रहा है। इनमें से कोई भी "बेहतर फोरकास्ट बनाना" नहीं है।
पहला है प्लानिंग डेटा पर नैचुरल-लैंग्वेज एनालिटिक्स। SAP के Q2 2025 IBP रिलीज़ ने एक ऐड-इन जोड़ा जो प्लानरों को Microsoft Excel में सादी भाषा इस्तेमाल करके IBP फॉर्मूला बनाने देता है। फायदा एक छोटा लर्निंग कर्व है, बेहतर नंबर नहीं।
दूसरा है एक्सेप्शन और डिसरप्शन समराइज़ेशन। SAP की बाद की 2025 एनालिसिस क्षमताएँ जटिल ऑप्टिमाइज़ेशन, इन्वेंट्री और फोरकास्ट नतीजों को समराइज़ करती हैं, पेचीदा कैलकुलेशन को साफ नैचुरल लैंग्वेज में बदलते हुए। प्लान वही रहता है; उसकी व्याख्या पढ़ने में तेज़ हो जाती है।
तीसरा है नैचुरल लैंग्वेज में सिनेरियो जेनरेशन, एक डिसरप्शन का वर्णन करना ("हमारा प्राइमरी स्टील सप्लायर तीन हफ्ते के लिए बंद हो जाता है") और बिना हाथ से सिनेरियो बनाए डाउनस्ट्रीम इम्पैक्ट एनालिसिस पाना।
चौथा है प्लानर कोपायलट, या "डिजिटल को-वर्कर"। Kinaxis ने Maestro Agents लॉन्च किए अक्टूबर 2025 में, इन्हें लाइव प्लानिंग एनवायरनमेंट में एम्बेडेड कॉन्टेक्स्ट-अवेयर असिस्टेंट के तौर पर पेश करते हुए।
पाँचवाँ है कंपोज़िट, मल्टी-स्टेप एजेंट जो सिस्टम्स के आर-पार रिट्रीव, रीज़न और एक्ट करते हैं। o9 ने अपने Digital Brain प्लेटफॉर्म को generative-AI-पावर्ड कंपोज़िट एजेंटों से बढ़ाया, जो उसके एंटरप्राइज़ नॉलेज ग्राफ पर बने हैं।
छठा और सातवाँ, कोल्ड-स्टार्ट फोरकास्टिंग के लिए सिंथेटिक डेटा और अनस्ट्रक्चर्ड दस्तावेज़ों से सप्लायर-रिस्क सेंसिंग, मैच्योरिटी में शुरुआती हैं लेकिन असली हैं। Blue Yonder ने मई 2025 में अपने ICON 2025 इवेंट में नए AI एजेंट और एक सप्लाई चेन नॉलेज ग्राफ लॉन्च किए, प्रेडिक्टिव, जेनरेटिव और एजेंटिक तरीकों को मिलाते हुए।
Generative AI किसी भी विश्वसनीय प्रोडक्शन डिप्लॉयमेंट में स्पष्ट रूप से नहीं कर रहा: ऑप्टिमाइज़ेशन इंजन की जगह लेना, अपने दम पर डिफेंसिबल संख्यात्मक फोरकास्ट बनाना, या जवाबदेह प्लान-कमिट फैसले लेना। हर गंभीर वेंडर लूप में इंसान रखता है और "एक्सप्लेनेबिलिटी" पर ज़ोर देता है, मार्केटिंग की वजह से नहीं, बल्कि इसलिए क्योंकि रेगुलेटेड इंडस्ट्रीज़ प्लान कमिटमेंट किसी ऐसे मॉडल को नहीं सौंप सकतीं जो अपना काम दिखा न सके।
वेंडर स्कोरकार्ड
यह होड़ असली है और तेज़ी से हुई। यहाँ है जो असल में शिप हुआ है, न कि जो सिर्फ डेमो हुआ है।
| Vendor | Product | Shipped | Headline claim (vendor-stated) |
|---|---|---|---|
| SAP | Joule + Joule Agents, in IBP | 2024–25 | 350 AI features, 2,400+ Joule skills by Q4 2025 |
| Kinaxis | Maestro Agents | Oct 2025 | Inventory-risk steps cut from 40 clicks to 4 (pharma) |
| o9 | Specialized AI Agents | Jun 2025 | First genAI pilot moved into production |
| Blue Yonder | Cognitive Solutions + 5 agents | May 2025 | Built on a $2B AI investment; knowledge-graph backed |
| Anaplan | CoPlanner for Demand Planning | Sep 2024 | Context-aware generative AI in planning |
| OMP | UnisonIQ | Oct 2025 | Orchestration framework + always-on gen AI assistant |
| Microsoft | Copilot in Dynamics 365 SCM | 2025 | Demand insights + cell-level explainability |
इन सबका पैटर्न एक जैसा है: AI इंटरफेस और ऑर्केस्ट्रेशन लेयर पर बैठता है। यह प्लानर को सवाल पूछने, नतीजे पढ़ने और वर्कफ्लो ट्रिगर करने में मदद करता है। नीचे मौजूद फोरकास्ट इंजन और ऑप्टिमाइज़र काफी हद तक वही डिटरमिनिस्टिक गणित है जो तीन साल पहले था।
नंबर, ईमानदारी से संभाले गए
यहीं बौद्धिक ईमानदारी विश्लेषण को स्टेनोग्राफी से अलग करती है। इस पूरी कैटेगरी में सबसे ज़्यादा उद्धृत आँकड़ा, कि AI फोरकास्ट एरर 20 से 50 प्रतिशत घटाता है, एक अकेले McKinsey आर्टिकल से आता है। McKinsey ने पाया कि AI-आधारित फोरकास्टिंग एरर घटा सकती है और वेयरहाउसिंग लागत 5 से 10 प्रतिशत तक और एडमिनिस्ट्रेशन लागत 25 से 40 प्रतिशत तक गिर सकती है। वह रेंज असली है, लेकिन यह वेंडर डेक से होकर, वापस एनालिस्ट स्लाइड में, और ट्रेड प्रेस में रीसाइकल होती है, अक्सर अपने मूल कॉन्टेक्स्ट से अलग होकर। इसे एक इलस्ट्रेटिव सीलिंग मानिए, ऐसा बेंचमार्क नहीं जिसकी आप उम्मीद करें।
2025 की केस-स्टडी लेयर ज़्यादा ठोस है लेकिन लगभग पूरी तरह वेंडर-अट्रिब्यूटेड है:
- Kinaxis × टॉप-10 फार्मा: प्लानर प्रोडक्टिविटी 10× तक, इन्वेंट्री-रिस्क पहचान 40 क्लिक से 4 क्लिक पर।
- SAP IBP × Joule: फोरकास्ट रन एनालाइज़ करने में प्लानर प्रोडक्टिविटी वेंडर के अनुसार 25% सुधरी।
- SAP Digital Manufacturing: एरर-एनालिसिस समय में 25% तक की कमी।
इन्हें ध्यान से पढ़िए। "10× प्लानर प्रोडक्टिविटी" और "40 क्लिक से 4" एक ही दावा दो बार कहा गया है, और वे जो बताते हैं वह है क्लिक रिडक्शन, फोरकास्ट क्वालिटी नहीं। यह एक असली और वर्थवाइल प्रोडक्टिविटी फायदा है। यह बेहतर प्लान के बराबर भी नहीं है।
कितना बड़ा, और कितनी तेज़ी से
इस कैटेगरी में मार्केट साइज़िंग तब तक बेकार है जब तक आप यह न देखें कि कौन गिन रहा है और कैटेगरी को कैसे परिभाषित कर रहा है। ठोस आधार:
Gartner का अनुमान है कि एजेंटिक AI क्षमताओं वाला सप्लाई चेन मैनेजमेंट सॉफ्टवेयर 2025 में $2 बिलियन से कम से बढ़कर 2030 तक $53 बिलियन के खर्च तक पहुँच जाएगा। अलग से, व्यापक "AI in supply chain" मार्केट को MarketsandMarkets ने 2025 में लगभग $13.9 बिलियन और 2032 तक $50.4 बिलियन बताया है, जिसमें उत्तरी अमेरिका का हिस्सा सबसे बड़ा है।
अडॉप्शन पर, McKinsey के 2025 State of AI सर्वे में पाया गया कि 88% संगठन अब कम से कम एक बिज़नेस फंक्शन में AI इस्तेमाल कर रहे हैं, जो पिछले साल के 78% से ज़्यादा है। लेकिन उसी सर्वे में वह डिटेल भी है जो आपको ईमानदार रखनी चाहिए: अभी सिर्फ एक अल्पसंख्यक इससे किसी मापने योग्य बॉटम-लाइन असर का श्रेय देता है। अडॉप्शन लगभग सार्वभौमिक है; वैल्यू कैप्चर नहीं।
जहाँ मैं इसे अभी डिप्लॉय नहीं करूँगा
फोरकास्टिंग साहित्य generative AI की कमज़ोरियों के बारे में असामान्य रूप से स्पष्ट है, और यह स्पष्टता उन लोगों से आती है जिनके पास कम आँकने का कोई प्रोत्साहन नहीं है। सबसे चौंकाने वाला डेटा पॉइंट: M5 रिटेल फोरकास्टिंग प्रतियोगिता में, जो इस अनुशासन का सबसे कठोर सार्वजनिक बेंचमार्क है, जीतने वाला तरीका कोई बड़ा मॉडल नहीं बल्कि ग्रेडिएंट-बूस्टेड ट्रीज़ का एक बराबर-भारित संयोजन था, जो एक अंडरग्रैजुएट ने सबमिट किया। यह नतीजा उस किसी भी वेंडर दावे को संयमित कर देना चाहिए कि लार्ज लैंग्वेज मॉडल फोरकास्ट एक्यूरेसी सुधारते हैं। वे फोरकास्ट स्पष्टीकरण सुधारते हैं।
2025-26 के डिप्लॉयमेंट में मैं पाँच फेल्योर मोड को असली मानूँगा:
- संख्यात्मक तर्क में मतिभ्रम। LLM अंकगणित और कंस्ट्रेंड ऑप्टिमाइज़ेशन में कमज़ोर होते हैं। वेंडर गणित को डिटरमिनिस्टिक इंजन तक रूट करके इसे कम करते हैं, लेकिन जैसे ही मॉडल नतीजे को नैरेट करता है, वह उससे भटक सकता है।
- डेटा-क्वालिटी पर निर्भरता। पायलट क्यूरेटेड डेटा पर सफल होते हैं और नीचे मौजूद मास्टर-डेटा की गड़बड़ी पर प्रोडक्शन में दम तोड़ देते हैं। कठिन अपस्ट्रीम काम, गवर्नेंस, मास्टर डेटा, पूर्वशर्त है, बाद की सोच नहीं।
- अकाउंटेबिलिटी गैप। यही वजह है कि हर वेंडर एक्सप्लेनेबिलिटी पर ज़ोर देता है। एक रेगुलेटेड प्लानर वह प्लान कमिट नहीं कर सकता जिसे वह ऑडिट में डिफेंड न कर सके।
- पायलट-से-प्रोडक्शन की खाई। Gartner का अनुमान है कि 2027 के अंत तक 40% से ज़्यादा एजेंटिक AI प्रोजेक्ट रद्द हो जाएँगे, बढ़ती लागत, अस्पष्ट वैल्यू, और अपर्याप्त रिस्क कंट्रोल का हवाला देते हुए।
- एनेबलमेंट का भ्रम, वर्कफोर्स या डेटा को इस्तेमाल के लिए तैयार किए बिना क्षमता खरीद लेना।
असहज निष्कर्ष
Generative AI प्लानिंग सॉफ्टवेयर में बीस साल का सबसे बड़ा यूज़ेबिलिटी सुधार है। जो प्लानर पूछ सके "पिछले हफ्ते इस DC के लिए फोरकास्ट क्यों बदला?" और तीस सेकंड में एक साफ जवाब पा सके, वह वाकई ज़्यादा प्रोडक्टिव है, और यह फायदा पूरी टीम पर कंपाउंड होता है।
लेकिन वही प्लानर अपने आप ज़्यादा एक्यूरेट फोरकास्ट या बेहतर सप्लाई प्लान नहीं बना रहा। जो इंजन नंबर बनाता है, वह नहीं बदला। मॉडल बस उसे तेज़ी से समझाता है और आपको उसे अंग्रेज़ी में सवाल-जवाब करने देता है।
तो 2026 के लिए खरीदारी का तर्क सीधा है। प्रोडक्टिविटी के लिए पैसे दीजिए, यह असली है, और बिना किसी मूनशॉट के आपके मौजूदा वेंडर से मिल जाती है। ऑटोनॉमी के लिए पैसे मत दीजिए, क्योंकि जो ऑटोनॉमी के नाम पर बेचा जा रहा है वह ज़्यादातर एक महँगे नाम वाला क्लिक-रिडक्शन है। और पहले वह अनग्लैमरस डेटा-गवर्नेंस का काम कीजिए, क्योंकि वही असल में तय करता है कि इनमें से कुछ भी प्रोडक्शन के संपर्क में आकर टिकेगा या नहीं।
टेक्नोलॉजी असली है। बदलाव कीनोट से ज़्यादा मामूली है। ये दोनों बातें एक साथ सच हैं।
स्रोत
- SAP News Center. (2025). SAP Business AI: Release Highlights Q2 2025; Q4 2025. news.sap.com
- Kinaxis. (2025). Kinaxis Accelerates Agentic Era for Supply Chain Orchestration with the Launch of Maestro Agents. kinaxis.com
- o9 Solutions. (2024–2025). Composite Agents; Specialized AI Agents for Planning and Execution. o9solutions.com
- Blue Yonder / Business Wire. (2025). Blue Yonder Transforms Supply Chain Management With New AI Agents at ICON 2025. businesswire.com
- Anaplan. (2024). Anaplan CoPlanner for Demand Planning. anaplan.com
- OMP. (2025). OMP Unveils UnisonIQ. omp.com
- Microsoft Learn. (2025). Dynamics 365 Supply Chain Management 2025 Release Wave 1. learn.microsoft.com
- McKinsey & Company. (2021). AI-driven operations forecasting in data-light environments. mckinsey.com
- McKinsey & Company. (2025). The State of AI in 2025: Agents, Innovation, and Transformation. mckinsey.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2026). Gartner Forecasts Supply Chain Management Software with Agentic AI Will Grow to $53 Billion in Spend by 2030. gartner.com
- MarketsandMarkets. (2026). AI in Supply Chain Market. marketsandmarkets.com
- Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2022). The M5 Accuracy Competition: Results, Findings and Conclusions. International Journal of Forecasting.