Agentic AI在S&OP中的应用:当智能体出错时,你该开除谁?
每个供应商都在兜售自主规划。Gartner预测到2031年机器将解决60%的中断问题——同时预测到2027年40%的代理式项目将被取消。两者都是真的。以下是如何把这两件事同时装进脑子里。
有一个问题,只要你把它大声问出来,就能终结大多数智能体式AI演示:智能体出错时,你该开除谁?
供应商会说,智能体在护栏内运作,有人在环内把关,决策是可审计的。这些都对,但都答非所问。因为智能体式AI在规划领域的整个承诺,就是让越来越多的决策不再需要人类介入。一旦它在规模上真正做到这一点,责任就必须落在某个地方——而在S&OP这样的跨职能流程里,责任恰恰是本来就没解决好的那件事。
这就是智能体式AI的承诺与其现实之间的落差。这不是技术上的落差。这是同一个治理落差,三十年来一直在悄悄拖垮S&OP流程,如今只是以机器的速度在运行。
这一次"agentic"到底意味着什么
有必要说得精确一点,因为这个词承担了太多营销上的工作。智能体式AI与规划系统已经用了十年的机器学习之间,实质性的差异在于三件事:多步推理(拆解一个问题并调用工具去解决各个子部分)、跨系统记录的编排,以及记忆——智能体会记录它为什么做出某个决策,以及之后发生了什么。
这在界面与编排层面是一次真正的跃迁。但在优化精度上不是。优化器还是那个优化器;包裹在它外面的东西现在可以在更多步骤上自行行动,而不需要人在每一步都点一下确认。
Gartner把终点描绘成一条光谱:任务自动化,然后是决策增强,再然后是完整的供应链自主性。Gartner预计供应链自主性将在未来五到十年内成为主流。"主流"这个词,以及"五到十年"这个说法,都各自承载着分量。今天已部署的大部分价值,牢牢地落在中间那一档——带人工审批关口的增强型。
仔细读一读这些预测
有两条Gartner的头条定义了乐观的说法,而这两条都在被不断引用,却都没带上它们的限定条件。
第一条:到2030年,一半的供应链管理解决方案将使用智能体来自主执行决策。第二条:Gartner预测到2031年60%的供应链中断将在没有人工介入的情况下被解决。
精确地读,这些是关于供应商产品可用性和可自动化决策上限的预测——而不是关于普通企业实际会运行什么的预测。而同一家分析机构也发布了对冲的说法:Gartner表示自主规划在其技术成熟度曲线上已经越过了期望膨胀的顶点,而信任仍然是那个约束条件。在Gartner自己的调查里,首席供应链官这个群体表示,他们只愿意把很小一部分的销货成本交给自主决策去信任处理。
那么,最重要的数字,不是60%,也不是50%。而是这个:Gartner预测到2027年底,超过40%的智能体式AI项目将被取消,原因是成本不断攀升、业务价值不明确,或风险控制不到位。
把这两件事同时装在脑子里。同一家公司,一边预测机器将在2031年前解决大多数中断,一边预测到2027年,试图实现这一目标的项目中将有近一半死掉。这两者并不矛盾。前者是终点,后者是通往终点路上的伤亡率。
真正已经投入生产的是什么
到这里,诚实测试变得更难了,因为"已普遍可用"和"在生产环境中自主运行"之间的落差很大。
真正已经部署的东西,聚集在任务层和执行层,而不是跨职能决策层:
- Kinaxis的早期采用者用Maestro做带人工批准的决策支持——那个制药案例把库存风险识别从40次点击减少到4次,这是增强,不是自主。
- o9在2025年报告单季度超过30次上线——但这些是规划解决方案的上线,不是无人值守自主运行的智能体。
- Blue Yonder报告大量仓库任务被优化——这是在执行层,不是在S&OP。
这个模式毫不含糊:自主性正在仓库、在运输、在最后一公里被实现——这些是边界清晰、反馈明确、政治内容低的环境。它没有在跨职能的S&OP决策中被实现,因为那正是组织内部尚未解决的冲突所在之处。
智能体解决不了的S&OP问题
S&OP不是一个技术流程。它是一个通用管理流程,而供应链被指派负责运行它,却没有获得让它真正奏效的权力。我之前写过这个问题;这里相关的重点是,当你把一个自主智能体指向它时会发生什么。
供应链分析师Lora Cecere反复提出过这个结构性论点:各组织试图在S&OP中协同工作,但对规则并不清晰,不同的领导者对"供应链卓越"抱着不同的定义。失败的模式在于所有权、激励机制和决策权——而不是算法。
一个被部署进这种环境的智能体,并不会解决冲突。它只是把冲突的一方给自动化了。如果商业部门在预测上打折扣、财务部门给预算留缓冲,那么一个用这些数据训练出来的智能体,学到的就是把这种打折扣和留缓冲以更快的速度复制出来。你并没有消除政治博弈。你把它编码了下来,并且让它变得更快。
弗吉尼亚大学达顿商学院把走出这一困境的路径描述为:通过刻意地将自主程度与风险画像相匹配,从"试点炼狱"走向自主供应链。翻译过来就是:不存在通用型的自主S&OP。存在的是一个由具体决策组成的组合,每一项都有自己的风险画像,可以随着信任的建立而渐进式地自动化。异常分诊可以先来。共识需求数字不行——除非它背后的流程有了明确的主人。
障碍排序
综合Gartner 2025年的调查、达顿商学院的分析,以及一线从业者的直接观察,通往自主S&OP的障碍大致按以下顺序排列——注意"技术"排在多靠后的位置。
- 信任与可解释性——Gartner数据中排名第一的障碍。
- 数据质量与主数据治理——用测试数据训练出来的智能体,在生产环境中会失灵。
- 治理与审计基础设施——谁批准,谁审计,谁能回滚?
- S&OP流程成熟度——原本就存在的失调会被自动化。
- 变革管理与员工准备度——Gartner发现只有27%的高管拥有全面的AI战略,只有20%的人相信自己的员工队伍真正为AI做好了准备。
- 集成与工具链碎片化。
- ROI不明确——大多数把任何EBIT影响归因于AI的组织,给出的数字都在EBIT的5%以下。
没有人在为之定价的风险:机器速度下的牛鞭效应
经典的牛鞭效应会沿着上游传播需求扭曲,因为每一层都对下一层的反应过度反应。这种传播需要花上几周时间,而这——反常地——是一项安全特性。几周的时间,足够让一个人注意到出了问题并加以干预。
以机器速度行动的智能体式系统,移除了这个缓冲带。一个校准失误的智能体,在一个层级上就能在任何人看到仪表盘之前,触发另外三个层级的自动化反应。过去要花一个季度才能在整条供应网络里蔓延开的扭曲,现在一天之内就能完成。我们花了几十年设计S&OP来抑制牛鞭效应。把快速、无人监督的智能体指向同一张网络,冒的风险是放大它,而不是抑制它——而且这样的失败会既更快,也更难追溯。
2026年到底该怎么做
对一位规划负责人来说,站得住脚的姿态既不是拒绝,也不是孤注一掷。
从你现有的供应商那里买这项能力,而不是把它当成一笔独立的赌注;Gartner指出,AI到2026年仍将处于幻灭低谷期,而且最常见的销售方式,会是由现有供应商来卖,而不是作为一个全新的登月项目被买下。先在任务层部署——异常分诊、参数建议、周期后分析——并配上人工批准关口。在让任何智能体去执行一项决策之前,先投资数据治理与审计基础设施。同时抵制住一种特定的诱惑:在流程还没有明确所有权和一致激励之前,把智能体扔进S&OP的共识环节——因为一个在没有问责路径的情况下"投票"的智能体,只会加速最响亮那个利益相关方的偏见,而不是消除它。
然后,把项目取消率当作你自己的领先指标去盯着。如果你的试点跑了十八个月还没有可衡量的经济影响,它就属于那40%的队列,而诚实的做法就是承认这一点。
一个不太舒服的结论
自主供应链在技术上比怀疑论者以为的更近,而在组织层面上比供应商愿意承认的更远。约束条件从来都不是算法。而是S&OP本质上是一个关于"当各职能部门意见不合时,谁说了算"的流程——而你没法靠自动化来绕开一场你还没解决的分歧。
智能体式AI会很快在规划的边缘地带交付真正的价值。它会在组织修复了那些原本就让S&OP无法运转的所有权和激励问题之后,交付自主的S&OP——也就是说,不是因为技术,也不是按技术的时间表。
智能体出错时,你该开除谁?在你能回答这个问题之前,你还没准备好让它来做决定。
Sources
- Gartner. (2025). Gartner Predicts Half of Supply Chain Management Solutions Will Include Agentic AI Capabilities by 2030. gartner.com
- Gartner. (2026). Gartner Predicts 60% of Supply Chain Disruptions Will Be Resolved Without Human Intervention by 2031. gartner.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2025). Autonomous Planning Has Passed the Peak of Inflated Expectations. gartner.com
- Gartner. (2025). How CSCOs Can Maximize Growth With Autonomous Supply Chains. gartner.com
- Gartner. (2026). 2026 Supply Chain Surge: Growth, Control Costs, and AI Truth. gartner.com
- Kinaxis. (2025). Maestro Agents. kinaxis.com
- o9 Solutions. (2025). o9 Reports Strong Q3 2025: 30+ Go-Lives. o9solutions.com
- Blue Yonder / Business Wire. (2026). Blue Yonder Transforms Retail Supply Chains With New AI-Driven Innovations. businesswire.com
- Cecere, L. In Search of Supply Chain Excellence. Supply Chain Movement; LinkedIn.
- Laseter, T., & DuVall, T. (2025). From Pilot Purgatory to Autonomous Supply Chains. UVA Darden Ideas to Action.
- McKinsey & Company. (2025). The State of AI in 2025. mckinsey.com