---
title: Jev AI u sustavu LiteTMS: gdje smo ga stavili u funkciju
description: Saznajte kako model Jev AI tvrtke TypeSafe pomaže LiteTMS-u u procjeni poruka vozača, lokacija i uvoza podataka, uz primjere u JSON-u i Javi.
slug: where-jev-helps-in-litetms
locale: hr
date: 2026-09-24
updated: 2026-09-25
category: technology
tags: jev, ai, transport, driver-chat, data-import
author: LiteTMS Team
draft: false
---

Ugradili smo Jev, model umjetne inteligencije tvrtke [TypeSafe AI](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu), u nekoliko radnih procesa unutar sustava LiteTMS. Može pomoći u uočavanju poruka vozača koje zahtijevaju pažnju, provjeriti odnose li se dva naziva mjesta na isti grad, predložiti kako očitati uvoznu datoteku i izbjeći prevođenje poruke koja je već na jeziku primatelja. Riječ je o brzim procjenama unutar transportnog sustava, a ne o novom asistentu za razgovor u uredu.

Ako vam je to ime novo, [naš prvi članak o Jevu](/en/blog/jev-ai-decisions-transport) objašnjava samu ideju. Generativna umjetna inteligencija piše odgovor na zadani upit. Jev je osmišljen za odgovaranje na znatno preciznija pitanja, poput: „Zahtijeva li ova poruka odgovor?” LiteTMS potom koristi tu procjenu unutar odgovarajućeg radnog procesa.

## Poruke vozača koje zaslužuju više pažnje

Vozač može poslati rutinsku obavijest, postaviti pitanje ili prijaviti problem. Ured ne bi trebao svaku poruku tretirati jednako hitnom. U razgovoru s vozačima dodali smo provjeru putem Jeva koja razvrstava dolazne poruke prema temi i procjenjuje treba li dispečer reagirati. Provjera radi s tekstualnim porukama i glasovnim bilješkama nakon što se govor transkribira u tekst.

Primjerice, poruka „Pukla mi je guma na kamionu” razlikuje se od poruke „Stigao sam”. Poruka za koju se procijeni da zahtijeva radnju može se prikazati u pregledu stavki koje traže pažnju, a kvar na vozilu može pokrenuti i hitnu obavijest. Ured i dalje može pročitati razgovor, odgovoriti i označiti slučaj riješenim. Jev ne šalje odgovor vozaču niti odlučuje o načinu rješavanja kvara.

Za poruku o puknutoj gumi, procjena umjetne inteligencije u JSON formatu može izgledati ovako:

```json
{
  "input": { "driver_message": "I have a flat tyre and cannot continue." },
  "jev_assessment": {
    "category": "vehicle_problem",
    "needs_action_probability": 0.94
  }
}
```

LiteTMS očitava kategoriju i ocjenu potrebe za djelovanjem. Problem s vozilom s ovako visokom ocjenom može se prikazati kao hitan, pa ured zna da mora reagirati.

## Nazivi mjesta u nalozima i transportnim dokumentima

U dokumentu može pisati „Köln”, dok u nalogu piše „Cologne”. Doslovna usporedba teksta prepoznaje dvije različite riječi, iako obje označavaju isti grad. Za to smo specifično pitanje dodali provjeru putem Jeva u unosu naloga uz podršku umjetne inteligencije te pri provjeri lokacija na CMR dokumentima.

Tijekom unosa naloga Jev može pomoći pri odabiru predloženih mjesta ili ostaviti nesigurno podudaranje za ručni pregled. Pri provjeri CMR-a, pouzdan odgovor da se radi o istom gradu može ukloniti upozorenje o *nepodudaranju naziva mjesta*, koje bi se inače označilo zastavicom. Zaseban korak umjetne inteligencije očitava dokument, a Jev procjenjuje podudaraju li se nazivi mjesta.

Za ta dva naziva grada procjena može izgledati ovako:

```json
{
  "input": { "document_place": "Köln", "order_city": "Cologne" },
  "jev_assessment": { "same_city_probability": 0.92 }
}
```

Visoka ocjena podudaranja istog grada može ukloniti nepodudaranje naziva mjesta. Ostali dijelovi provjere CMR-a ostaju neovisni.

## Uvozne datoteke s nepoznatim zaglavljima

Prijenos podataka u novi sustav često započinje tablicom. U jednoj datoteci piše „registarski broj”, u drugoj „tablica”, a treća ima zaglavlja koja je teško prepoznati. LiteTMS najprije primjenjuje uobičajena pravila uparivanja. Gdje ta pravila ostave praznine, Jev može predložiti koju vrstu zapisa datoteka sadrži i koji stupci pripadaju kojim poljima.

Prijedlozi su označeni kao potpomognuti umjetnom inteligencijom, a osoba koja uvozi datoteku može pregledati mapiranje prije izrade zapisa. Ovaj smo pristup povezali s općim čarobnjakom za uvoz, kao i s uvozom CRM poslova i tereta. Srodna provjera može prepoznati tvrtku koja se već nalazi na popisu partnera unatoč drugačijem načinu pisanja, što pomaže u izbjegavanju dvostrukih unosa kada je stupanj podudaranja dovoljno visok.

Pretpostavimo da uvezena tablica voznog parka koristi „Unit ref.” za registarske oznake i „Internal ID” za interne oznake vozila u tvrtki. Primjeri vrijednosti pomažu Jevu da ih razlikuje. Kada uobičajena pravila za zaglavlja ostave polje registracije praznim, procjena može izgledati ovako:

```json
{
  "input": {
    "columns": {
      "col_0": { "header": "Unit ref.", "examples": ["WX 4821A", "PO 7619K"] },
      "col_1": { "header": "Internal ID", "examples": ["FLEET-17", "FLEET-42"] }
    },
    "field_to_match": "registration_number"
  },
  "jev_assessment": { "column": "col_0", "probability": 0.93 }
}
```

LiteTMS tada može predložiti prvi stupac za registarske brojeve. Ured pregledava to mapiranje prije uvoza zapisa. Ako nijedan stupac ne odgovara, Jev može odabrati „none”, ostavljajući polje korisniku za ručno mapiranje umjesto prisilnog uparivanja.

## Mala provjera prije prevođenja razgovora

Ponekad je poruka već napisana na jeziku osobe koja je čita. Prije pokretanja potpunog prijevoda u chatu, LiteTMS može zatražiti od modela Jev da to provjeri. Pouzdano podudaranje omogućuje sustavu prikaz izvorne poruke, dok nesiguran odgovor šalje poruku uobičajenim putem za prevođenje. Time odluka ostaje uska: čitatelj i dalje dobiva prijevod kada ga sustav ne može sa sigurnošću preskočiti.

Uzmimo za primjer vozača koji piše „Jestem na miejscu, czekam na załadunek”, što znači „Stigao sam na lokaciju, čekam utovar”. Za čitatelja koji koristi poljski jezik, provjera može dati sljedeću procjenu:

```json
{
  "input": {
    "message": "Jestem na miejscu, czekam na załadunek.",
    "reader_language": "pl"
  },
  "jev_assessment": { "language": "pl", "probability": 0.96 }
}
```

Prepoznati jezik podudara se s jezikom čitatelja, pa LiteTMS može prikazati izvornik. Za čitatelja koji koristi engleski, istu poruku na poljskom i dalje treba prevesti. Kratak odgovor poput „OK” manje je informativan: kada se jezik ne može pouzdano prepoznati, uobičajeni put prevođenja ostaje dostupan.

## Kako se procjena modela Jev uklapa u LiteTMS

Jev pruža LiteTMS-u koristan signal, dok ured zadržava potpunu kontrolu nad radom. Integracije su ugrađene i pokreću se kada je aktiviran sloj odlučivanja platforme, u skladu s postavkama tvrtke. Ako Jev nije dostupan, uobičajeni radni procesi za chat, dokumente i uvoz nastavljaju se bez zastoja.

## Tehnički pregled: TypeSafe Jev, JSON i Java

Za čitatelje koji žele vidjeti što se događa u pozadini, korisno polazište je upit koji šaljemo. Kao što prikazuje [TypeSafeov vodič za brzi početak](https://docs.typesafe.ai/introduction/quickstart?utm_source=litetms.eu), zahtjev sadrži `state`, odnosno informacije za procjenu, te `questions`, procjene koje treba provesti. Pitanje tipa `noul` vraća broj između 0 i 1 koji predstavlja vjerojatnost točnosti tvrdnje. Pitanje tipa `choice` bira između ponuđenih opcija, što koristimo kada tražimo kategoriju poruke.

Ovdje je samostalno pitanje o postupanju, uz upotrebu identifikatora modela konfiguriranog u našoj integraciji s OpenRouterom:

```json
{
  "model": "typesafe/jev-1.13",
  "state": {
    "driver_message": "I have a flat tyre and cannot continue."
  },
  "questions": {
    "needs_action": {
      "type": "noul",
      "instructions": "The dispatcher must act on driver_message today: reply, give instructions, inform the customer or arrange help. Routine updates and thanks need no action."
    }
  }
}
```

Dio odgovora koji je relevantan može izgledati ovako:

```json
{
  "answers": {
    "needs_action": {
      "type": "noul",
      "noul": 0.94
    }
  }
}
```

Aplikacija čita `answers.needs_action.noul` i primjenjuje pravilo. LiteTMS koristi prag reakcije od `0.55` za poruke vozača koje zahtijevaju pozornost. Nakon dekodiranja JSON-a, ista se provjera u Javi može napisati ovako:

```java
Double probability = 0.94; // Value from answers.needs_action.noul
boolean needsAttention = probability != null
    && Double.isFinite(probability)
    && probability >= 0.55
    && probability <= 1.0;

if (needsAttention) {
    System.out.println("Flag the message for dispatcher review");
}
```

Kod provjerava je li vrijednost ispravna prije usporedbe s pragom. U LiteTMS-u procjena kategorije pruža drugi dio pravila: problem s vozilom koji zahtijeva pozornost ujedno se kvalificira i za hitno upozorenje. Model procjenjuje poruku, a aplikacija definira radnju. Ako odgovor izostane, nastavlja se uobičajeni radni proces chata.

Prag ovisi o tome što slijedi. Za prijedlog stupca pri uvozu, LiteTMS prihvaća odabrani stupac s vjerojatnošću od najmanje `0.60`; preskakanje prijevoda zahtijeva da jezik čitatelja bude odabran s najmanje `0.90`. Rezultat od `0.85` stoga može podržati prijedlog stupca koji pregledava čovjek, ali nije dovoljan za preskakanje prijevoda u chatu. Svako pravilo odražava posljedice te pojedine odluke.

## FAQ

### Tko je razvio Jev AI?

TypeSafe AI razvio je Jev kao model tipa System One za strukturirane odluke. LiteTMS ga integrira u specifične radne procese kao što su procjena poruka vozača i uspoređivanje naziva mjesta.

### Za što se Jev AI koristi u LiteTMS-u?

Jev je povezan s trijažom poruka vozača, provjerom istog grada pri unosu naloga i provjerama mjesta na CMR-u, prijedlozima pri uvozu te provjerom istog jezika prije prijevoda u chatu. Postavke platforme i tvrtke određuju je li pojedina funkcionalnost aktivna u radnom prostoru.

### Odgovara li Jev vozačima ili odobrava CMR dokumente?

Ne. Može označiti poruku vozača koja zahtijeva pozornost i procijeniti odnose li se dva naziva mjesta na isti grad. Poruku rješava čovjek, a potvrda istog grada ne verificira cjelokupni CMR dokument.

### Što se događa ako je Jev nesiguran ili nedostupan?

LiteTMS zadržava postojeći radni proces. Primjerice, nesigurna provjera jezika šalje poruku na uobičajeni prijevod u chatu, dok nesiguran prijedlog pri uvozu prepušta mapiranje osobi na pregled.