Manhattan begrijpt dat klanten op zoek zijn naar duidelijke methoden om de waarde van agentic AI te beoordelen, door de prestatie-uitkomsten van supply chain commerce-processen vóór en na de inzet van een AI-agent te vergelijken.

Transparantiefuncties, zoals het loggen van elke beslissing die door een agent wordt genomen en het uitleggen van de onderliggende logica, helpen organisaties de resultaten te begrijpen en erop te vertrouwen.

Na verloop van tijd zullen use cases waarbij agents worden ingezet naar verwachting snellere besluitvorming mogelijk maken en kostbare fouten verminderen, wat kan leiden tot productiviteitsverbeteringen tot wel 60 procent.  

Klanten hoeven niet te wachten tot Manhattan nieuwe innovaties op het gebied van AI-agents levert. Manhattan Agent Foundry, inbegrepen bij elke Manhattan Active-oplossing, stelt klanten in staat om eigen agents te bouwen. Met Agent Foundry kan een klant een zakelijke behoefte in eenvoudige taal formuleren — bijvoorbeeld door een agent te vragen de benutting van laadcapaciteit tijdens de planning te controleren — waarna de applicatie automatisch relevante vooraf gebouwde agents uit Manhattan’s bibliotheek voorstelt om een nieuwe agent samen te stellen.

Meer gevorderde gebruikers en ontwikkelaars kunnen nog een stap verder gaan door agents volledig vanaf nul te creëren, waaronder het integreren van verschillende API’s van het Manhattan Active Platform of andere databronnen en het definiëren van meerstapsworkflows. Deze tweesporenaanpak biedt zowel gebruiksvriendelijke eenvoud als controle op ontwikkelaarsniveau, waardoor Manhattan-klanten in hun eigen tempo kunnen innoveren.  

Manhattan Active Agents maken gebruik van een geavanceerde redeneermotor om vragen te beantwoorden, onderbouwde beslissingen te nemen en acties uit te voeren. Deze redeneermotor integreert retrieval-augmented generation (RAG) en grounding, waardoor de kennis van large language models (LLM’s) wordt verrijkt met bedrijfsspecifieke data en wordt verzekerd dat agentantwoorden zijn gebaseerd op relevante datasets. Grounding verifieert de outputs van LLM’s aan de hand van betrouwbare databronnen, zoals informatie afkomstig uit Manhattan Active-oplossingen. Deze methode zorgt ervoor dat Manhattan Active Agents nauwkeurige, contextuele en betrouwbare antwoorden geven en generieke reacties of hallucinaties vermijden — antwoorden die aannemelijk lijken, maar in werkelijkheid onjuist zijn.

Manhattan Active-oplossingen zijn verrijkt met AI-agents om de productiviteit te verhogen en de klantervaring voor moderne organisaties te verbeteren. AI-agents kunnen worden ingezet om kritieke supply chain commerce-processen te optimaliseren, zoals Warehouse Management, Transportation Management en Order Management.

AI-agents bieden inzichten, aanbevelingen en geautomatiseerde uitvoering om uw teams en klanten deskundig te ondersteunen. Ze versterken de logica en data van Manhattan Active-oplossingen met behulp van tools zoals microservices API’s, wat zorgt voor soepele interactie, consistente uitvoering en prestaties op ondernemingsniveau.  

AI-agents zijn autonome, doelgerichte toepassingen die kunnen leren, beslissingen nemen en meerstapsacties uitvoeren met behulp van verschillende tools en systemen. Chatbots daarentegen zijn voornamelijk conversatiegerichte programma’s die vertrouwen op vooraf gedefinieerde scripts of beslisbomen om vragen te beantwoorden en eenvoudige, vooraf bepaalde taken uit te voeren.