Agentic AI verandert WMS voorgoed

De technologie is er. De terminologie loopt nog achter.

In ongeveer anderhalf jaar tijd is agentic AI binnen Warehouse Management Systemen (WMS) geëvolueerd van toekomstvisie naar concrete praktijk. Steeds meer leveranciers claimen deze technologie aan te bieden. Tegelijkertijd zorgt dat voor verwarring, omdat de terminologie zich nog volop ontwikkelt. De term agent wordt tegenwoordig gebruikt voor uiteenlopende toepassingen: van chatinterfaces en aanbevelingssystemen tot volledig autonome software die zelfstandig beslissingen neemt en acties uitvoert in het warehouse. Al deze toepassingen hebben waarde, maar het zijn fundamenteel verschillende oplossingen. Ze zijn dan ook niet onderling uitwisselbaar.

Dat is niet uniek voor WMS. Iedere snelgroeiende softwarecategorie bereikt uiteindelijk een punt waarop alle leveranciers hetzelfde lijken te zeggen, terwijl hun producten wezenlijk verschillen. Binnen CRM werd vrijwel iedere aanbeveling ineens "intelligentie". In finance kreeg bijna iedere regelgebaseerde workflow het label "automatisering". Nu zien we hetzelfde gebeuren binnen de WMS-markt: alles, van een chatbot tot autonome uitvoering, wordt een "agent" genoemd. Uiteindelijk ontstaat in iedere markt een heldere definitie die onderscheid maakt tussen echte innovatie en slimme marketing. Organisaties die dat onderscheid begrijpen, kunnen leveranciers veel beter beoordelen op wat hun oplossingen daadwerkelijk doen – in plaats van op wat er in de presentatie staat.

Voor supplychain- en warehousemanagers die vandaag investeren in een nieuw WMS is dat belangrijker dan ooit. Een aankoopbeslissing op basis van een onduidelijk beeld van agentic AI leidt niet alleen tot een oplossing die tijdens evaluaties tegenvalt. Het betekent ook een strategische platformkeuze waarvan de gevolgen jarenlang voelbaar blijven.

Waarom agentic AI binnen WMS een fundamenteel andere discussie is

Vrijwel iedere softwarecategorie heeft de afgelopen twee jaar een AI-hype doorgemaakt. Toch verschilt de ontwikkeling binnen WMS wezenlijk van wat we zien in CRM, finance of HR.

Dat begint bij de aard van het werk. In CRM helpt AI een verkoper bijvoorbeeld een betere e-mail te schrijven. In finance ondersteunt AI een analist bij het signaleren van afwijkingen. De medewerker voert het werk nog steeds zelf uit; AI maakt hem of haar vooral efficiënter. Agentic AI binnen een WMS gaat een stap verder. Hier wordt verwacht dat AI daadwerkelijk handelt door bijvoorbeeld een wave opnieuw te balanceren, medewerkers te herverdelen of uitzonderingen zelfstandig op te lossen. Daarmee krijgt AI een fundamenteel andere rol.

Daarnaast zijn de gevolgen van een verkeerde beslissing veel groter. Een onjuiste aanbeveling in een salesapplicatie kost misschien enkele minuten. Een verkeerde beslissing in een warehouse kan daarentegen direct leiden tot operationele problemen. Denk aan een wave die te vroeg wordt vrijgegeven, personeel dat wordt ingepland op basis van verouderde data of uitzonderingen die niet worden opgelost. Het resultaat kan bestaan uit gemiste cut-off tijden, overuren, klantcompensaties en auditbevindingen. De impact is direct zichtbaar op de dagelijkse operatie.

Tot slot speelt de architectuur een cruciale rol. Een WMS is het centrale systeem voor voorraadbeheer, personeelsplanning en operationele uitvoering. Wanneer een AI-agent daadwerkelijk werkzaamheden uitvoert, doet hij dat via het WMS. Daardoor is de relatie tussen AI en WMS fundamenteel anders dan die van een losse AI-tool die naast een applicatie draait. Binnen WMS is deze architectuur geen optie, maar een randvoorwaarde.

Daarom is de vraag "Hebben jullie AI?" eigenlijk niet zo relevant. Vrijwel iedere leverancier zal daarop bevestigend antwoorden. De belangrijkere vraag is: kunnen jullie agents daadwerkelijk werk uitvoeren in ons warehouse – en kunnen wij erop vertrouwen dat zij dat verantwoord doen?

Wat betekent agentic AI binnen WMS nu eigenlijk?

Juist omdat de term zo breed wordt gebruikt, is een heldere definitie belangrijk. Een praktische definitie luidt: Agentic AI binnen een WMS is software die de operationele situatie waarneemt, bepaalt welke actie nodig is en die actie vervolgens zelfstandig uitvoert via het WMS, binnen de kaders die het platform bewaakt.

Dat bestaat uit drie essentiële onderdelen.

• Observeren. De agent moet in realtime kunnen zien wat er in het warehouse gebeurt, met voldoende detail om op basis daarvan beslissingen te nemen. Verouderde of onvolledige data maken dat direct onmogelijk.
• Analyseren.  Vervolgens beoordeelt de agent de beschikbare opties en bepaalt welke actie het beste past bij de actuele situatie. Hier ligt vaak de nadruk in marketingverhalen, maar dit is tegelijkertijd het onderdeel dat relatief eenvoudig te vervangen is.
• Handelen. De agent moet de gekozen actie ook daadwerkelijk uitvoeren. Denk aan het opnieuw sequencen van een wave, het herverdelen van personeel, het tijdelijk vasthouden van een order of het automatisch routeren van taken – allemaal via het systeem dat het warehouse daadwerkelijk aanstuurt.

Een leverancier die uitsluitend aanbevelingen doet waarna een medewerker deze handmatig in het WMS moet uitvoeren, biedt AI-ondersteunde operatie. Beide oplossingen hebben waarde, maar ze zijn niet hetzelfde. Tijdens een demo is dat verschil vaak nauwelijks zichtbaar, tenzij je er bewust naar vraagt.

De vraag die iedere inkoper tijdens een demo zou moeten stellen

De snelste manier om te bepalen wat een leverancier werkelijk aanbiedt, is één eenvoudige vraag: Waar draaien de agents?

Daarop zijn grofweg twee antwoorden mogelijk.

Agents draaien binnen het WMS. De agents werken rechtstreeks binnen het WMS. Ze gebruiken dezelfde operationele data als warehousemedewerkers. Ze voeren acties uit via dezelfde API's waarmee het WMS het warehouse aanstuurt.Alle acties worden vastgelegd in dezelfde auditlogs als overige WMS-activiteiten. Vertrouwen, governance en uitvoering rusten daarmee op één gezamenlijk fundament.

Agents draaien op een apart AI-platform. In de tweede architectuur draaien de agents op een afzonderlijk AI-platform bovenop het WMS. Data wordt via integraties uit het WMS opgehaald. De AI analyseert deze informatie in een eigen omgeving. Wanneer een actie nodig is, wordt deze teruggestuurd als aanbeveling voor een medewerker of als wijzigingsverzoek richting het WMS. Hierdoor worden vertrouwen, governance en uitvoering verdeeld over twee verschillende systemen.

De eerste architectuur maakt het technisch mogelijk om agents daadwerkelijk in productie te laten functioneren. De tweede architectuur kan tijdens een demonstratie indrukwekkend ogen, maar introduceert in de praktijk extra complexiteit, zoals latency, beperkte zichtbaarheid van data en gescheiden auditregistratie.

Dat is geen waardeoordeel, maar een beschrijving van hoe beide oplossingen technisch zijn opgebouwd.

De operationele gevolgen worden uiteindelijk zichtbaar in KPI's waar organisaties daadwerkelijk op sturen, zoals het aantal uitzonderingen op dezelfde dag, afwijkingen in personeelsplanning, de inspanning rondom audits en het herstelvermogen tijdens piekperiodes. De gekozen architectuur bepaalt daarmee in belangrijke mate hoe een oplossing beoordeeld zou moeten worden.

Hoe Manhattan dit vandaag invult

Binnen de omgevingen van klanten die ActiveWarehouse™ gebruiken draaien inmiddels meerdere agents in productie. De Wave Coordinator Agent houdt uitgaande processen in beweging door automatisch de oorzaken van wave-tekorten en deselecties te identificeren en de snelste corrigerende acties te adviseren of uit te voeren, zodat orders op schema blijven en cut-off tijden worden gehaald. De Labor Agent zorgt ervoor dat personeelsinzet continu aansluit op de actuele vraag. Hij signaleert onevenwichtigheden in realtime en adviseert of initieert tijdig de juiste personeelsverschuivingen voordat knelpunten ontstaan. De Warehouse Associate Agent ondersteunt medewerkers op de werkvloer met stapsgewijze begeleiding en directe antwoorden op hun mobiele apparaat, waardoor zij nauwkeuriger werken, sneller ingewerkt zijn en minder vaak hoeven te escaleren.

Wat deze agents verbindt, is de onderliggende architectuur. Ze draaien binnen het WMS, vallen onder hetzelfde uitvoeringsmodel als de rest van ActiveWarehouse, gebruiken dezelfde operationele data als de gebruikers en worden geregistreerd in dezelfde auditlogs. Via Agent Foundry kunnen klanten en partners bovendien zelf agents ontwikkelen op dezelfde basis. Zo breiden zij het WMS uit met intelligentie die volledig aansluit op de eigen processen, bedrijfsregels en uitzonderingssituaties. Juist deze combinatie van eigenschappen onderscheidt Manhattan vandaag de dag van veel andere WMS-aanbieders. Het vormt het verschil tussen AI als marketingbelofte en AI die daadwerkelijk waarde toevoegt op de werkvloer.

Hoe nu verder?

De markt is het tijdperk van agentic AI binnen WMS binnengegaan. De uitdaging voor organisaties is niet langer óf leveranciers AI aanbieden, maar hoe die AI is ontworpen en welke rol zij daadwerkelijk kan spelen in de dagelijkse operatie. Wie dat onderscheid begrijpt, stelt de juiste vragen tijdens het selectieproces en maakt een toekomstbestendige keuze voor de komende jaren.