AI в WMS: как сделката IFS–Softeon променя склада

Декември е месецът, в който складовете не „работят“ — те оцеляват. Пикови обеми от празничната търговия, повече върнати пратки, по-малко налични хора и същите (или по-къси) SLA прозорци. Ако някъде в логистиката има място, където автоматизацията и AI трябва да носят измерим ефект, това е складът.

Затова новината, че IFS ще придобие Softeon (17 декември 2025), е повече от поредната сделка в софтуера. Тя е сигнал, че AI вече не е „добавка“ към WMS, а става централна част от начина, по който предприятията планират, изпълняват и оптимизират потока стоки — от производство до експедиция. В рамките на поредицата „Изкуствен интелект в логистиката и транспорта“ това е добър момент да поговорим какво реално означава „Industrial AI“ за складовата логистика и какво трябва да направят компаниите, за да извлекат стойност, а не само обещания.

Какво всъщност означава сделката IFS–Softeon (и защо е важна)

Същината е проста: ERP доставчик купува WMS/WES доставчик, за да направи по-тясна връзка между производство и складово изпълнение, и да наложи AI като „операционен слой“, а не като отделен модул.

IFS позиционира придобиването като разширяване на своите Industrial AI способности към големия и конкурентен WMS пазар (IFS цитира размер от $8.6 млрд. за WMS). Softeon от своя страна идва със зряла, облачно-ориентирана платформа за:

• WMS (управление на склад)
• Warehouse Execution (изпълнение/оркестрация на процеси)
• Distributed Order Management (разпределено управление на поръчки)

Комбинацията има логика: ERP системите често са силни в планирането и финансовата дисциплина, но „губят резолюция“ на ниво реални операции в склада — кой взима коя задача, как се пренареждат приоритети, къде точно се образува задръстване, как се реагира на събития в реално време.

Едно изречение, което си струва да запомните: складът не се нуждае от още отчети — нуждае се от решения в реално време.

„Интелигентно складово изпълнение“: как AI измества стария модел

Повечето компании имат погрешна представа, че WMS е „вече решен проблем“. Реалността е, че много складове продължават да работят с:

• твърди правила (ако X → направи Y)
• вълново пускане на задачи, което се чупи при промяна на обемите
• ръчно приоритизиране при изключения
• частично дигитализирани процеси и много „устни“ решения

IFS и Softeon говорят за agentic AI и physical AI orchestration. Преведено на практичен език това означава:

Agentic AI: от „подсказване“ към „изпълнение“

Agentic AI не е чатбот, който обяснява какво да направите. Това са софтуерни агенти, които:

• наблюдават събития (закъснял камион, липса на оператор, задръстен конвейер)
• предлагат действия
• и при добър governance могат автоматично да изпълнят промяната в рамките на зададени граници

Пример в склада: при неочакван пик на поръчки с приоритет „Next day“, агентът може да пренасочи ресурси от put-away към picking за 90 минути, да промени правилата за слотинг на бързооборотни SKU и да пренареди последователността на задачите.

Physical AI orchestration: когато софтуерът дирижира машините

Тук фокусът е върху интеграция с автоматизацията: AMR роботи, конвейери, сортири, AS/RS, yard системи. Софтуерът не просто „прати задача“, а оптимизира потока, за да избегне:

• празни курсове
• тапи в буферите
• конфликт между човешки и роботизирани зони
• непредвидимост при изключения

Това е особено релевантно за компании, които разширяват автоматизацията поетапно и имат „острови“ от решения.

Защо ERP + WMS + AI става предпочитаната комбинация през 2026

Причините не са модни. Те са операционни.

1) Натиск за модернизация и „уморени“ системи

Много WMS инсталации са стабилни, но трудно се променят. В пикови периоди (като декември) това се вижда най-ясно: всяко ново изискване означава скъпа конфигурация, интеграция или временни „процесни кръпки“.

AI подходът, когато е внедрен правилно, дава адаптивност: повече решения се взимат според контекста, а не според ръчно зададени изключения.

2) Постоянен недостиг на хора и нужда от по-висока производителност

Недостигът на складова работна ръка не е новина, но ефектът му се натрупва: по-малко опитни хора, по-висока текучест, повече обучение „в движение“.

AI в складовата логистика работи най-добре, когато е насочен към:

• оптимизация на труда (кой каква задача да изпълни и кога)
• намаляване на грешки (по-добри проверки, по-малко изключения)
• ускоряване на onboarding (по-ясни инструкции, контекстни подсказки)

3) По-тясна връзка производство–склад–транспорт

Когато производството се „разклати“ (забавяне на линия, промяна в партида), складът трябва да реагира в реално време. Тук ERP-WMS интеграцията става критична.

Ако добавите към това и транспортния слой (TMS/yard visibility), картината става още по-ценна за темата ни „AI в логистиката и транспорта“: AI може да оптимизира не само вътре в склада, а и между обектите — кога да товарите, как да групирате, как да избегнете престои.

Какво да очакват реалните потребители: ползи и рискове

Сделките звучат хубаво в прессъобщения. В реалността има две големи линии: какво печелите и какво може да се обърка.

Потенциалните ползи (ако внедряването е дисциплинирано)

• По-добър throughput: по-малко празно време и по-добро разпределение на задачите
• По-висока точност: по-малко грешки при picking/packing и по-ранно засичане на отклонения
• По-добра видимост в yard и докове: по-добро планиране на вход/изход и по-малко престои
• По-лесна интеграция с автоматизация: особено за хибридни складове

Реалните рискове (които често се подценяват)

• Vendor lock-in: „интегрирана платформа“ звучи удобно, но може да затрудни смяна на компоненти
• Данните са тесният отвор: AI няма да компенсира лоши master данни, шумни събития и разминаване в измерванията
• Лош governance на автономията: ако агентите имат твърде големи права, могат да оптимизират „локално“, но да създадат проблем глобално

Моят прагматичен съвет: не купувайте „AI“. Купувайте конкретен набор от решения за конкретни болки и ги измервайте всяка седмица.

Практичен чеклист: как да подготвите склада си за AI-подобрено WMS

Ако сте логистичен директор, warehouse manager, IT/OT лидер или 3PL собственик, ето как бих подходил, за да извлечете стойност от тенденцията, която сделката IFS–Softeon символизира.

1) Изберете 3 KPI, които AI трябва да подобри (и ги заключете)

Примери:

• Order cycle time (мин/поръчка)
• Pick accuracy (% без грешка)
• Lines per hour (LPH)
• Dock-to-stock time
• OTIF към клиента

Без KPI разговорът за AI се превръща в религия.

2) Подредете „събитийния поток“ в склада

AI агентите живеят от събития: сканирания, движения, статуси на задачи, статуси на оборудване. Проверката, която си струва:

• имате ли единна истина за инвентара?
• закъсняват ли event-ите (латентност)?
• има ли „сиви зони“, които не се измерват?

3) Въведете правила за автономия

Запишете предварително:

• какво AI може да прави сам
• какво трябва да одобрява супервайзор
• кога се връща към „safe mode“ (например при несъответствие на инвентар)

4) Планирайте интеграцията с автоматизацията като продукт, не като проект

Складът ви ще се променя. Роботи ще се добавят. Конвейери ще се пренастройват. Ако интеграцията е еднократна, след 12 месеца пак сте „заключени“.

Търсете архитектура, при която:

• интерфейсите са стабилни
• мониторингът е реален
• има ясни SLA за промени

5) Подгответе хората — иначе AI става враг

Най-честият провал не е технически. Той е организационен. Направете 2 неща:

• обучете супервайзорите да разбират препоръките (и да ги оспорват)
• създайте „оперативна обратна връзка“: когато AI греши, има процес за корекция и учене

Често задавани въпроси (които получавам при AI проекти в логистиката)

Ще замени ли AI WMS системата?

Не. AI надгражда WMS, като добавя слой за динамично взимане на решения и оркестрация. Ядрото за инвентар, транзакции и проследимост остава.

Подходящо ли е за 3PL оператори?

Да, но 3PL имат допълнителна сложност: различни клиенти, различни SOP, различни KPI. При тях най-голяма стойност носи AI за планиране на труд, динамично приоритизиране и управление на изключения.

Кога има смисъл да мислим за „agentic“ функции?

Когато вече имате стабилни процеси и данни, и когато решенията в реално време са bottleneck. Ако още спорите за базовите измервания на инвентара, първо решете това.

Какво да следим след сделката: 3 признака, че трендът е реален

1. AI функции директно в изпълнението, не само в анализите.
2. По-тясна интеграция между производство и склад, особено при индустрии с активи и сложни BOM.
3. Пазарът се движи към „оркестрация“, а не към отделни острови от автоматизация.

Тази сделка поставя склада в центъра на разговора за Industrial AI. И според мен това е правилно. Ако AI не може да покаже ефект на складовия под — по-бързо изпълнение, по-малко грешки, по-добро използване на хора и машини — значи е просто скъп софтуер.

Ако искате да вържем темата към по-широката рамка „Изкуствен интелект в логистиката и транспорта“, следващата логична стъпка е да гледаме склада като възел: решенията вътре в него влияят на маршрутите, натоварването на флота, престоя на рампа и крайния клиентски опит.

Готови ли сте да дадете на склада си повече автономия — и имате ли правилата, данните и дисциплината, за да го направите безопасно?