---
title: Jev: ხელოვნური ინტელექტის უფრო სწრაფი გადაწყვეტილებების კვლევა ტრანსპორტში
description: რას აკეთებს Jev, რით ეხმარება სატრანსპორტო ოფისს და რატომ ტესტავს LiteTMS უკვე სცენარებს უფრო ჭკვიანი და სასარგებლო ბიზნეს-სისტემისთვის.
slug: jev-ai-decisions-transport
locale: ka
date: 2026-09-17
updated: 2026-09-18
category: technology
tags: ai, jev, transport, automation
author: LiteTMS Team
draft: false
---

Jev ხელოვნური ინტელექტის სფეროში ახალი მიმართულებაა, რომელსაც განსხვავებული მიზანი აქვს, ვიდრე იმ ინსტრუმენტებს, რომლებსაც ადამიანების უმრავლესობა პირველად ეცნობა. AI ასისტენტთან მიმოწერისას თქვენ სვამთ კითხვას და იღებთ წერილობით პასუხს, ან ითხოვთ დახმარებას წერილის შედგენაში. ამ ტექსტის უკან დგას დიდი ენობრივი მოდელი, შემოკლებით LLM. კომპანია TypeSafe AI-ის მიერ შექმნილი Jev კი გათვლილია პროგრამულ უზრუნველყოფაში სწრაფი, ვიწროდ განსაზღვრული გადაწყვეტილებების მისაღებად და არა ტექსტის გენერირებისთვის.

სატრანსპორტო ბიზნესისთვის ეს შეიძლება ნიშნავდეს სისტემის დახმარებას იმის გარკვევაში, თუ რომელ შეტყობინებას სჭირდება ყურადღება ან რომელი შემთხვევა უნდა გადაეცეს თანამშრომელს. LiteTMS-ში ჩვენ უკვე ვტესტავთ სხვადასხვა სცენარს, რათა ვნახოთ, სად შეიძლება გახადოს ამ მიდგომამ ჩვენი სატრანსპორტო მართვის სისტემა (TMS) უფრო გამოსადეგი ყოველდღიურ საქმიანობაში.

## რას აკეთებს Jev, მარტივი ენით

წარმოიდგინეთ დამხარისხებელი მაგიდა. შემოდის ინფორმაცია და პროგრამამ უნდა გადაწყვიტოს, სად მიმართოს იგი. Jev იღებს ამ ინფორმაციას და პასუხობს კითხვებს წინასწარ განსაზღვრული ვარიანტებით, ქულებით ან „კი/არა“ ალბათობებით. ის არ აწარმოებს დიალოგს და არ წერს ელფოსტას. [LangChain-ის მიმოხილვა](https://www.langchain.com/blog/building-a-harness-with-jev?utm_source=litetms.eu) ხსნის ამ განსხვავებას და აჩვენებს, თუ როგორ შეუძლია Jev-ს იმუშაოს ტექსტის გენერატორ მოდელებთან ერთად.

აი საილუსტრაციო მაგალითი ტრანსპორტის სფეროდან: მძღოლი წერს: „ჯერ კიდევ საწყობში ვარ. დატვირთვას ხვალამდე არ დაიწყებენ“. სისტემას შეუძლია დასვას კითხვა, აღწერს თუ არა ეს შეტყობინება დაგვიანებას და საჭიროებს თუ არა იგი დისპეტჩერის ყურადღებას. Jev მოამზადებს შეფასებას, ხოლო ძირითადი პროგრამული უზრუნველყოფა გადაწყვეტს, რა მოიმოქმედოს ამ ინფორმაციით.

[TypeSafe ამას System One მოდელს უწოდებს](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu): ხელოვნური ინტელექტი, შექმნილი სწრაფი გადაწყვეტილებებისთვის, რომელთა უშუალო გამოყენებაც პროგრამას შეუძლია. Jev ჯერჯერობით ადრეული წვდომის ეტაპზეა. ჩვენთვის საინტერესოა შესაძლებლობა, რომ სამუშაო პროცესში ჩავრთოთ მცირე, სასარგებლო შეფასებები ისე, რომ თანამშრომელს არ დასჭირდეს კიდევ ერთი ჩატის გახსნა.

## სად შეიძლება გამოადგეს ეს სატრანსპორტო ოფისს

ეს არის პოტენციური გამოყენების სფეროები და არა LiteTMS-ში Jev-ის მზა ფუნქციების ანონსი.

### მნიშვნელოვანი შეტყობინებების წინ წამოწევა

დატვირთვის დაგვიანება, მიწოდების შეცვლილი მისამართი და ადგილზე მისვლის სტანდარტული დადასტურება განსხვავებულ რეაგირებას მოითხოვს. მოდელს შეუძლია დაეხმაროს შემოსული შეტყობინებების დახარისხებაში თემისა და გადაუდებლობის მიხედვით, რაც ოფისის ყურადღებას სავარაუდო პრობლემებზე გაამახვილებს. მთავარი გამოცდა იქნება ის, შეძლებს თუ არა სისტემა მნიშვნელოვანი გადახრების დაფიქსირებას ეკრანის ზედმეტი შეტყობინებებით გადატვირთვის გარეშე.

### დაზუსტების საჭიროების მქონე შემთხვევების გამოვლენა

დავუშვათ, შეკვეთა ითვალისწინებს დილის გადმოტვირთვის ფანჯარას, ხოლო კლიენტის მოგვიანებით გამოგზავნილ შეტყობინებაში ნახსენებია შუადღე. შეფასებამ შესაძლო შეუსაბამობა გადამოწმებისთვის უნდა მონიშნოს. მან დისპეტჩერს შესაბამისი ინფორმაცია უნდა აჩვენოს, ხოლო შეთანხმებული მიწოდების დრო უცვლელი დატოვოს მანამ, სანამ მას პასუხისმგებელი პირი არ გადაამოწმებს.

### დოკუმენტაციის სწორ პირთან გადამისამართება

მას შემდეგ, რაც დოკუმენტის ტექსტი ცალკეული ხელსაწყოთი დამუშავდება, Jev დაგვეხმარება მისი შინაარსის კატეგორიზაციაში: მიწოდების დადასტურება, ტარიფთან დაკავშირებული კითხვა თუ პრეტენზია. ეს ხელს შეუწყობს სამუშაოს ოპერატიულ ან ადმინისტრაციულ განყოფილებაში გადამისამართებას. დასკანერებული გვერდის წაკითხვა და იმის გადაწყვეტა, თუ ვის ეკუთვნის ეს შინაარსი, ცალ-ცალკე ეტაპებია; ეს მაგალითი სწორედ მეორე ნაწილს ეხება.

### იმ მომენტის განსაზღვრა, როცა საქმეში ადამიანი უნდა ჩაერთოს

ზოგიერთ მოთხოვნას მკაფიო შემდგომი ნაბიჯი აქვს. სხვა მოთხოვნები შეიცავს არასრულ ინფორმაციას ან სადავო ხარჯებს ეხება. სისტემას შეუძლია გამოიყენოს შეფასება შესაბამისი დამუშავების გზის შესათავაზებლად, თანამშრომლის მიერ გადამოწმების ჩათვლით. მოხერხებული სისტემა ბუნდოვან შემთხვევებს ადვილად საპოვნელსა და მარტივად შესასწორებელს გახდიდა.

## სწრაფ პასუხებს მაინც სჭირდება შემოწმება

[TypeSafe საუბრობს სიჩქარისა და ხარჯების უპირატესობაზე](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu) შესაბამის ამოცანებში. შემქმნელის ეს შეფასებები ავტომატურად არ ნიშნავს სატრანსპორტო კომპანიის რეალურ სარგებელს. პასუხის გარანტირებული ფორმატი ასევე განსხვავდება სწორი გადაწყვეტილებისგან: მოდელმა შესაძლოა მაინც არასწორი ვარიანტი აირჩიოს.

ჩვენს მიერ განხილული სატრანსპორტო სცენარებისთვის ეს ნიშნავს არა მხოლოდ რეაგირების დროის, არამედ გამოტოვებული დაგვიანებების, უსაფუძვლო შეტყობინებებისა და ბუნდოვანი შეტყობინებების შემოწმებას. ჩვენ ასევე უნდა შევაფასოთ, რამდენ კონტექსტს მოითხოვს თითოეული გადაწყვეტილება. სიტყვა „ხვალ“ ბევრს არაფერს ნიშნავს, თუ სისტემას არ გააჩნია შეტყობინების გაგზავნის თარიღი.

## რატომ ვტესტავთ Jev-ს LiteTMS-ში

ჩვენ მუდმივად ვადევნებთ თვალს ახალ ტექნოლოგიებს და უკვე ვამოწმებთ სხვადასხვა სცენარს, სადაც Jev დაგვეხმარება LiteTMS-ის უფრო მოქნილ და ბიზნესისთვის მეტად გამოსადეგ სისტემად ქცევაში. ზემოთ მოყვანილი მაგალითები აღწერს იმ მიმართულებებს, რომელთა შესწავლაც ღირს; ეს არ არის დასრულებული ინტეგრაციების ან გაზომილი შედეგების ჩამონათვალი.

ჩვენი მიზანი პრაქტიკულია: დავეხმაროთ ოფისს მნიშვნელოვანი დეტალების დროულ შემჩნევაში და შევამციროთ ინფორმაციის დახარისხებაზე დახარჯული ენერგია, სანამ რეაგირება გახდება საჭირო. ნებისმიერმა გადაწყვეტამ თავისი ადგილი უნდა დაიმკვიდროს რეალური შედეგებით, მკაფიო საზღვრებითა და ადამიანის ჩარევის მარტივი შესაძლებლობით. მუშაობის პროცესში მიღებულ კონკრეტულ შედეგებს აუცილებლად გაგიზიარებთ.

## წყაროები

- [TypeSafe AI: System One მოდელებისა და Jev-ის წარდგენა](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu)
- [LangChain: სამუშაო გარემოს აწყობა Jev-ით](https://www.langchain.com/blog/building-a-harness-with-jev?utm_source=litetms.eu)
- [Flavio Copes: დეტალური მიმოხილვა Jev-ზე, TypeSafe-ის System One მოდელზე](https://flaviocopes.com/jev/?utm_source=litetms.eu)
- [heise online: ხელოვნური ინტელექტის მოდელი „Jev“, რათა მანქანებმა გადაწყვეტილებები უფრო სწრაფად მიიღონ](https://www.heise.de/en/news/AI-model-Jev-to-make-machines-decide-faster-11457071.html?utm_source=litetms.eu)

## ხშირად დასმული კითხვები

### რისი გაკეთება შეუძლია Jev-ს სატრანსპორტო კომპანიისთვის?

გამოყენების პოტენციური სცენარები მოიცავს შეტყობინებების დახარისხებას, შეკვეთის მონაცემებში შესაძლო შეუსაბამობების გამოვლენას და საკითხების შესაბამის პირთან გადამისამართებას. ეს არის შესასწავლი სცენარები და არა გარანტირებული შედეგები.

### ხელმისაწვდომია თუ არა Jev უკვე LiteTMS-ის ფუნქციონალში?

ჩვენ ვტესტავთ გამოყენების შესაძლო ვარიანტებს. ეს სტატია არ აანონსებს ფუნქციის მომხმარებლებისთვის გაშვებას ან კონკრეტულ თარიღს.

### მიიღებს თუ არა Jev გადაწყვეტილებებს დისპეტჩერის ნაცვლად?

აქ აღწერილი სცენარები დაეხმარება დისპეტჩერს მუშაობაში: გამოყოფს მნიშვნელოვან ინფორმაციას და შესთავაზებს მისი დამუშავების გზებს. საოპერაციო ვალდებულებებში ცვლილებების შეტანას ყოველთვის დასჭირდება სათანადო გადამოწმება და ადამიანის კონტროლი.