Agentic AI přebírá řízení dodavatelských řetězců

Ještě před třemi lety byl „autonomní dodavatelský řetězec" marketingová fráze. Dnes je to architektonické rozhodnutí s konkrétním ROI a reálnými riziky. Gartner v letošním výzkumu popsal posun, který se nedá ignorovat: globální supply chain přestává být systémem řízených procesů a stává se inteligentním, samořízeným ekosystémem. Klíčový motor? Agentic AI.

Co přesně znamená „agentic" a proč na tom záleží

Rozdíl mezi klasickým AI asistentem a agentem není jen technický — je zásadně procesní. Asistent doporučuje. Agent rozhoduje a jedná. V kontextu supply chain to znamená, že systém sám vyhodnotí výpadek dodavatele, přepočítá zásoby, přesměruje objednávku a informuje dopravce — bez čekání na schválení od manažera.

Gartner ve svém výzkumu pro rok 2026 identifikoval tři zastřešující témata, která formují technologické trendy v dodavatelských řetězcích: autonomie a agency, specializace a inteligence, a důvěra a governance. Pod prvním tématem najdeme čtveřici konkrétních trendů — polyfunkční roboty, fyzickou AI, agentic AI a kolaborativní multiagentní systémy. Nejde o izolované novinky, jde o vrstvy jedné architektury.

Christian Titze, viceprezident a hlavní analytik Gartnerovy praxe supply chain, to formuloval přesně: organizace se musí soustředit nejen na nasazení pokročilých technologií, ale na to, aby pracovaly společně a přinášely měřitelnou hodnotu. Slovo „společně" je zde klíčové. Multiagentní systémy nejsou sbírka chatbotů — jsou to koordinované sítě specializovaných agentů, kde každý zvládá konkrétní doménu: jeden řeší procurement, druhý logistiku, třetí predikci poptávky.

Tržní čísla potvrzují, že jde o strukturální změnu, ne pilotní projekt. Gartner v dubnu 2026 zveřejnil prognózu, podle které výdaje na SCM software s agentic AI dosáhnou do roku 2030 53 miliard dolarů. To není projekce lineárního růstu — je to signál, že procurement manažeři začínají hodnotit agentic schopnosti jako povinnou, nikoli bonusovou funkci při výběru dodavatele softwaru.

Jak to funguje v praxi: od predikce k exekuci

Podívejme se na konkrétní architekturu. Fyzická AI — tedy integrace AI modelů přímo s IoT senzory, AGV, AMR a výrobními systémy — tvoří datový základ. Senzory v reálném čase sbírají data o pohybu zásob, výkonu strojů, teplotě přepravovaného zboží nebo obsazenosti skladových pozic. Tato data vstupují do agentů, kteří je zpracovávají a jednají na jejich základě.

Nad touto vrstvou fungují domain-specific language models — specializované jazykové modely trénované na datech konkrétního odvětví. Gartner je zmiňuje jako samostatný trend pod tématem specializace a inteligence: obecné modely ztrácejí přesnost tam, kde doménové modely excelují. Procurement agent trénovaný na milionech nákupních smluv zvládne vyjednat podmínky nebo identifikovat cenové anomálie způsobem, který GPT-4 class model bez kontextu nezvládne.

Podle dat IBM Institute for Business Value očekává 76 % CSCOs, že agenti provádějící repetitivní operační úkoly zlepší celkovou procesní eficienci. Číslo je vysoké, ale důležitější je detail: 62 % supply chain lídrů říká, že AI agenti integrovaní do operačních workflow urychlují rychlost rozhodnutí — a to je metrika, která přímo překlápí do NPS, fill rate a OTIF.

Inteligentní simulace — další z Gartnerových trendů — uzavírá smyčku. Místo statických what-if analýz v Excelu pracují SCM platformy s dynamickými simulačními modely, které kombinují ML, analytiku a živá provozní data. Agent může v reálném čase testovat scénáře: co se stane, když se zpozdí kontejner ze Šen-čenu? Jak se přerozdělí zásoby při výpadku jednoho distribučního centra? A jaké jsou náklady každého scénáře?

Governance jako podmínka škálování, ne brzda

Bylo by naivní psát o agentic AI bez konfrontace s její nejkritičtější výzvou: kdo je zodpovědný za rozhodnutí agenta? Gartner to zařadil jako samostatné téma — trust and governance — a jde o více než o compliance checkbox.

Hype Cycle for Agentic AI 2026 upozorňuje na riziko „agent sprawl" — nekontrolovaného rozmnožení point-solution agentů bez jednotné řídicí roviny. Firmy, které nasadily desítky autonomních agentů napříč odděleními bez orchestrační vrstvy, se potýkají s konflikty v rozhodnutích, duplicitními akcemi a neprůhledností auditní stopy. Gartner doporučuje unified control plane — centralizovanou správu agentů s governance, bezpečnostními guardrails a agentic analytics.

Gartner ve svém výzkumu předpovídá, že 50 % cross-funkčních SCM řešení bude do roku 2030 využívat inteligentní agenty k autonomnímu provádění rozhodnutí. Ale zároveň varuje: kulturní připravenost je stejně důležitá jako technologie. Upskilling zaměstnanců, jasné KPI pro měření výkonu agentů a rozhodovací governance frameworky nejsou nice-to-have — jsou podmínkou, aby se investice nepřeměnila v technický dluh.

Product Provenance — sledovatelnost původu produktu napříč celým řetězcem — je v tomto kontextu pozoruhodně praktický příklad. Regulační tlaky (EU Digital Product Passport, CSRD reporting) nutí firmy k transparentnosti, kterou ruční procesy jednoduše nezvládají v požadované granularitě. Agenti sledující provenance dat v reálném čase přestávají být luxusem a stávají se compliance nástrojem.

Co bude dál — a kde jsou skutečné limity

Čísla jsou přesvědčivá: organizace s vyšší investicí do AI v supply chain operacích reportují o 61 % vyšší růst příjmů než jejich konkurenti. Gartner projektuje, že do roku 2031 bude 60 % výpadků v dodavatelském řetězci vyřešeno bez lidského zásahu.

Ale pozor na selektivní čtení čísel. Mainstream adopce je stále několik let vzdálená. Integrace agentic AI s legacy ERP systémy zůstává nepříjemně komplexní a nákladná. Multiagentní orchestrace v prostředí s více dodavateli softwaru — SAP, Oracle, Blue Yonder, o9 Solutions — je architektonická výzva, která nemá jednoduché řešení. Gartner sám doporučuje budovat strategická partnerství s AI-driven SCM platformami s explicitní podporou multi-vendor agent orchestration.

Polyfunkční roboty — fyzické systémy schopné provádět více úkolů mimo původní design — dokreslují obraz. Nejde o náhradu specializovaných AGV, ale o flexibilní workforce model, který reaguje na měnící se operační potřeby skladu nebo výrobní linky. V kombinaci s fyzickou AI a agentic vrstvou vzniká systém, který se skutečně sám přizpůsobuje prostředí — ne pouze optimalizuje předdefinované scénáře.

Otázka pro CSCOs, CIO a provozní ředitele tedy nestojí „zda" — stojí „s jakými guardrails a v jakém pořadí". Firmy, které dnes investují do datové infrastruktury, governance frameworků a workforce AI-readiness, si kupují opci na kompetitivní výhodu. Ty ostatní si kupují složitost migrace o tři roky později, až bude trh ještě hustší.

Jak rychle jste ochotni delegovat klíčová operační rozhodnutí algoritmu — a jak dobře víte, co dělá, když to uděláte?