Å administrere 50 000 SKU-er på tvers av flere butikker og lagre krever mer enn regneark og manuelle prosesser. I denne sesjonen deler Bragi Þór Antoníusson fra BYKO hvordan selskapet transformerer forsyningskjeden sin gjennom intelligent automatisering, ved å skifte fra lagerstyrt planlegging til etterspørselsdrevet etterfylling. Han forklarer hvordan denne nye tilnærmingen har forbedret varetilgjengeligheten, redusert lagerbeholdningen og gitt teamene mer tid til å fokusere på kunder, leverandører og strategisk beslutningstaking.
Skriv inn dine detaljer for å se opptaket på forespørsel.
Hvordan BYKO automatiserte etterfylling uten å miste menneskelig kontroll
Å administrere lagerbeholdning på tvers av tusenvis av produkter, flere lagre og utsalgssteder krever mer enn gode prognoser. Det krever en tydelig driftsmodell som lar mennesker og teknologi samarbeide.
I denne sesjonen forklarer Bragi Þór Antoníusson hvordan BYKO redesigner sine etterfyllingsprosesser ved å automatisere rutinemessige lagerbeslutninger, samtidig som de lar folk fokusere på strategi, leverandørsamarbeid og kundebehov. Han utforsker skiftet fra lagerstyrt innkjøp til etterspørselsdrevet etterfylling, betydningen av pålitelige lagerdata, og hvorfor vellykket automatisering avhenger like mye av organisatorisk endring som av programvare.
Presentasjonen gir praktisk innsikt for detaljister og distributører som ønsker å redusere manuelt arbeid, forbedre varetilgjengeligheten og bygge mer robuste forsyningskjeder.
Bragi Þór Antoníusson er leder for forsyningskjede, innkjøp og markedsføring hos BYKO, en av Islands ledende forhandlere av byggevarer og interiør. Han leder selskapets transformasjon av forsyningskjeden, med fokus på automatisering, datadrevet beslutningstaking og oppbygging av mer effektive prosesser for lager og etterfylling som forbedrer både operasjonell ytelse og kundeopplevelse.
Einar Thorhallsson: Velkommen alle sammen. I dag vil jeg snakke om hvordan vi bygger opp AGR rundt to ideer: standardisering og AI-assistanse. Markedet for programvare for forsyningskjeder har historisk sett solgt store, tilpassede implementeringer. Vi tror det neste tiåret vil se annerledes ut.
Einar Thorhallsson: De fleste av våre kunder bruker et ERP-system – Business Central, NAV, SAP, NetSuite – og ERP-systemet inneholder sannheten om salg, lager og leverandører. AGR sitter ved siden av ERP-systemet, leser disse dataene, prognostiserer etterspørsel, foreslår ordrer og skriver de godkjente ordrene tilbake. Ingen dupliserte stamdata.
Einar Thorhallsson: På AI-siden er de praktiske gevinstene i dag ikke autonome agenter. De er avviksdeteksjon i salgshistorikk, smartere sesongdekomponering og rangering av unntak, slik at en planlegger som administrerer 20 000 SKU-er kun ser på de 200 som faktisk endret seg denne uken.
Einar Thorhallsson: Automatisering er laget under. Når en prognose er pålitelig, kjører ordreforlaget automatisk mot leverandørens ledetider, minste bestillingskvanta (MOQ) og pakkestørrelser. Planleggeren gjennomgår, redigerer om nødvendig og godkjenner. Innkjøpsordren synkroniseres tilbake til ERP-systemet på sekunder.
Einar Thorhallsson: Om prising og implementering – vi publiserer priser per bruker, og de fleste kunder er i drift innen fire til åtte uker. Dette er kun mulig fordi vi sluttet å bygge tilpassede versjoner for hver kunde og standardiserte datamodellen.
Einar Thorhallsson: Når det gjelder resultater – på tvers av vår kundebase ser vi typisk at lagerbeholdningen reduseres med rundt 11 % og utsolgtsituasjoner reduseres med opptil 40 % det første året. Disse tallene kommer fra vår kundebenchmark for 2025, og jeg deler gjerne metodikken etter sesjonen.
AI-drevet lageroptimalisering bruker maskinlæringsmodeller for å prognostisere etterspørsel på SKU-nivå, oppdage avvik i salgshistorikk og foreslå etterfyllingsordrer som planleggere kan godkjenne med ett klikk. I AGR kjører AI kontinuerlig på ERP-salgs- og lagerdata og viser kun unntak som krever menneskelig oppmerksomhet.
Automatisering utfører regler du allerede har definert – for eksempel automatisk generering av en innkjøpsordre når lagerbeholdningen når et bestillingspunkt. AI forbedrer selve reglene: den lærer sesongvariasjoner, kampanjer og variasjoner i leverandørens ledetider fra historiske data og oppdaterer prognoser og sikkerhetslager uten manuell justering.
De fleste AGR SaaS-kunder er i drift innen 4–8 uker. Den standardiserte datamodellen og forhåndsbygde ERP-koblingene (Microsoft Dynamics 365 Business Central, NAV, SAP, NetSuite, Sage, IFS, Jeeves) eliminerer det flerårige integrasjonsarbeidet som er typisk for eldre forsyningskjedeverktøy.
AGR har forhåndsbygde, støttede koblinger for Microsoft Dynamics 365 Business Central, Dynamics NAV, SAP, NetSuite, Sage, Visma, IFS og Jeeves. Andre ERP-systemer kobles til via REST API eller flatfilintegrasjon.
På tvers av AGRs kundebase reduserer selskaper typisk lagerbeholdningen med opptil 11 % og kutter utsolgtsituasjoner med opptil 40 % innen de første 12 månedene – basert på AGRs kundebenchmarkdata, 2025.
Ja. AGR brukes av over 400 selskaper innen engrosdistribusjon, spesial- og FMCG-detaljhandel, og produksjon med planlegging av råvarer og ferdigvarer. Den samme prognose- og bestillingsmotoren tilpasses hver vertikal via konfigurasjon, ikke tilpasset kode.
Skriv inn dine detaljer for å se opptaket på forespørsel.
Foretrekker du å snakke med noen? Be om en demo
