ЕВОЛЮЦІЯ СУБ’ЄКТНОСТІ: ТРАНСФОРМАЦІЯ ШІ-ІНСТРУМЕНТАРІЮ В УПРАВЛІННІ ЛАНЦЮГАМИ ПОСТАЧАННЯ

Анотація

У статті досліджено еволюцію штучного інтелекту в управлінні ланцюгами постачання крізь призму переходу від інструментальної функціональності до формування агентної суб’єктності. Обґрунтовано, що домінуючий науковий дискурс залишається переважно зосередженим на цифровізації та автоматизації процесів, тоді як практичне застосування штучного інтелекту свідчить про більш глибоку трансформацію, пов’язану з поступовим делегуванням функцій прийняття рішень алгоритмічним системам. Ідентифіковано та систематизовано основні типи штучного інтелекту, що застосовуються у ланцюгах постачання, зокрема аналітичні, предиктивні, генеративні та агентні моделі, а також обґрунтовано їх комплементарну роль у межах інтегрованої цифрової архітектури управління. Наукова новизна полягає у розробленні авторського підходу до виокремлення етапів еволюції суб’єктності штучного інтелекту, що охоплює інструментальний, аналітико- рекомендаційний, виконавчо-адаптивний та агентно-автономний рівні. Додатково систематизовано ключові характеристики концепції ШІ-агентів, зокрема автономність, проактивність, адаптивність, здатність до навчання та міжагентної взаємодії, що визначають їх роль як активних суб’єктів управління. Доведено, що сучасні ШІ-агенти здатні не лише обробляти дані та здійснювати прогнозування, а й ініціювати, реалізовувати та координувати управлінські дії в режимі реального часу. Особливу увагу приділено технології Retrieval-Augmented Generation як ключовому механізму підвищення достовірності рішень і зниження ризиків галюцинацій у діяльності агентних систем. На основі узагальнення практичних кейсів застосування агентного штучного інтелекту у сфері логістики продемонстровано його здатність підвищувати ефективність, адаптивність і стійкість ланцюгів постачання. Обґрунтовано, що подальша еволюція логістичних систем пов’язана з формуванням мультиагентних екосистем, здатних до децентралізованої координації та ефективного функціонування в умовах підвищеної невизначеності.


Посилання

1. Григорак М., Пічугіна М., Чуприна М. Інтеграція інтелектуальних транспортних та логістичних систем у контексті сталого управління ланцюгами поставок. У: Славінська, О., Данчук, В., Куницька, О., Гульчак, О. (ред.) Інтелектуальні транспортні системи: екологія, безпека, якість, комфорт. ITSESQC 2024. Lecture Notes in Networks and Systems. 2025. Vol. 1335. Springer, Cham. URL: https://doi.org/10.1007/978-3-031-87376-8_23
2. Глинський Н., Гірна О. Інтеграція систем CRM у ланцюги постачання як фактор підвищення ефективності автосервісу. Економічний простір. 2025. № 204. С. 59–67. URL: https://doi.org/10.30838/ep.204.59-
3. Гірна О. Цифрові технології в управлінні ланцюгами постачання. Economic Scope. 2025. № 199. С. 20–25 URL: https://doi.org/10.30838/ep.199.20-25
4. Toorajipour R., Sohrabizadeh V., Nazarpour A., Derakshan P., Babar S. Artificial intelligence in supply chain management: A systematic literature review. Journal of Business Research. 2021. Vol. 122. P. 502–517. URL: https://doi.org/10.1016/j.jbusres.2020.09.009
5. IBM Data and AI Team. Types of Artificial Intelligence. IBM. URL: https://www.ibm.com/think/topics/artificial-intelligence-types
6. Tatini P. R. Transforming Sourcing and Supply Chain Management: The Evolution of AI Agents in Modern Procurement. International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 2025. Vol. 11, Iss. 1. P. 1219–1226. URL: https://doi.org/10.32628/cseit251112131
7. AI Agents. IBM. URL: https://www.ibm.com/think/topics/ai-agents
8. What is an AI Agent? AWS. URL: https://aws.amazon.com/what-is/ai-agents/
9. What is an AI agent? McKinsey & Company. URL: https://www.mckinsey.com/featured-insights/mckinsey- explainers/what-is-an-ai-agent
10. Huyen Ch. AI Engineering: building applications with foundation models. Sebastopol, CA : O'Reilly Media, 2025. 532 p. ISBN 978-1-098-16630-4
11. Lewis P., Perez E., Piktus A. et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems. 2020. Vol. 33. P. 9459–9474
12. Jackson I. et al. Supply chain mapping through retrieval-augmented generation and network science. International Journal of Production Research. 2025. URL: https://doi.org/10.1080/00207543.2025.2608868
13. Project44. AI Freight Procurement Agent: Scaling agentic execution in supply chains. 2026. URL: https://www.project44.com/resources/ai-agents-and-the-road-to-agentic-execution-in-supply-chains/
14. Blue Yonder. Generative AI in Supply Chain: Agentic RAG applications. 2025. URL: https://blueyonder.com/blog/2025/how-to-integrate-ai-agents-into-your-supply-chain
15. PostNL. SuperTracy: Generative AI-powered track-and-trace assistant. Press release. 2024. URL: https://www.postnl.nl/api/assets/blt43aa441bfc1e29f2/bltd5a0c07a7a2079a7/postnl-press-release-q1-2024.pdf
16. Bennett N., Lemoine G. J. What a difference a word makes: Understanding threats to performance in a VUCA world. Business Horizons. 2014. Vol. 57, Iss. 1. P. 27–32. URL: https://doi.org/10.1016/j.bushor.2013.08.001
17. Basnight T. Rethink VUCA: Transforming Challenges into Opportunities in Supply Chain. LinkedIn. URL: https://ua.linkedin.com/pulse/rethink-vuca-transforming-challenges-opportunities-supply-basnight-twr2e