---
title: Jev AI v sistemu LiteTMS: kje vse smo ga vključili v delo
description: Oglejte si, kako model TypeSafe Jev AI sistemu LiteTMS pomaga ocenjevati sporočila voznikov, kraje in uvoze, s primeri v JSON in Javi ter razlago delovanja.
slug: where-jev-helps-in-litetms
locale: sl
date: 2026-09-24
updated: 2026-09-25
category: technology
tags: jev, ai, transport, driver-chat, data-import
author: LiteTMS Team
draft: false
---

Model umetne inteligence Jev podjetja [TypeSafe AI](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu) smo vgradili v več delovnih tokov sistema LiteTMS. Pomaga lahko prepoznati sporočila voznikov, ki zahtevajo pozornost, preveriti, ali se dve krajevni imeni nanašata na isto mesto, predlagati branje uvozne datoteke ter preprečiti prevajanje sporočil, ki so že v jeziku bralca. Gre za majhne presoje znotraj sistema za upravljanje prevozov (TMS), ne za novega klepetalnega pomočnika v pisarni.

Če vam je to ime novo, [naš prvi članek o modelu Jev](/en/blog/jev-ai-decisions-transport) pojasnjuje celotno idejo. Umetna inteligenca za generiranje besedila sestavi odgovor na poziv. Jev pa je zasnovan za odgovarjanje na ožja vprašanja, kot je na primer »Ali to sporočilo zahteva odgovor?«. LiteTMS nato to presojo uporabi znotraj ustreznega delovnega toka.

## Sporočila voznikov, ki si zaslužijo več pozornosti

Voznik lahko pošlje rutinsko obvestilo, zastavi vprašanje ali prijavi težavo. Pisarni ni treba vsakega sporočila obravnavati kot enako nujnega. V klepet z vozniki smo dodali preverjanje z modelom Jev, ki dohodna sporočila razvrsti po temi in oceni, ali mora dispečer ukrepati. Deluje lahko tako s pisnimi sporočili kot z glasovnimi sporočili, ko je njihov govor prepisan v besedilo.

Na primer, sporočilo »Tovornjak ima prazno pnevmatiko« se precej razlikuje od »Prispel sem«. Sporočilo, ki je ocenjeno kot takšno, ki zahteva ukrepanje, se lahko prikaže v pogledu zadev, ki zahtevajo pozornost; težava z vozilom lahko sproži tudi nujno obvestilo. V pisarni lahko še vedno preberejo celoten pogovor, odgovorijo in zadevo označijo kot rešeno. Jev vozniku ne pošilja odgovora in ne odloča, kako naj se okvara odpravi.

Za sporočilo o prazni pnevmatiki je presoja z umetno inteligenco v formatu JSON videti takole:

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

LiteTMS prebere kategorijo in oceno potrebe po ukrepanju. Težava z vozilom s tako visoko oceno se lahko prikaže kot nujna, zato v pisarni takoj vedo, da se je treba odzvati.

## Krajevna imena v naročilih in prevoznih dokumentih

V dokumentu lahko na primer piše »Köln«, v naročilu pa »Cologne«. Dobesedna primerjava besedila v tem primeru zazna dve različni besedi, čeprav obe poimenujeta isto mesto. Za to specifično vprašanje smo dodali preverjanje z modelom Jev pri prevzemu naročil s pomočjo umetne inteligence in pri preverjanju krajev v dokumentih CMR.

Pri prevzemu naročil lahko pomaga pri izbiri med predlaganimi kraji ali pa negotovo ujemanje prepusti v ročni pregled. Pri preverjanju tovornega lista CMR lahko zanesljiv odgovor o istem mestu odpravi opozorilo o *neujemanju krajevnih imen*, ki bi bilo sicer označeno kot neskladje. Ločen korak umetne inteligence prebere dokument, Jev pa oceni, ali se imeni krajev ujemata.

Za dve imeni mest je presoja lahko videti takole:

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

Visoka ocena ujemanja mest lahko razreši neujemanje krajevnih imen. Drugi deli preverjanja tovornega lista CMR ostajajo ločeni.

## Uvozne datoteke z neznanimi naslovi stolpcev

Prenašanje podatkov v nov sistem se pogosto začne s preglednico. V eni datoteki piše »registrska številka«, v drugi »tablica«, v tretji pa so naslovi stolpcev, ki jih je težko prepoznati. LiteTMS najprej uporabi običajna pravila ujemanja. Kjer ta pravila ne zadostujejo, lahko Jev predlaga, za kakšno vrsto zapisov gre v datoteki in kateri stolpci ustrezajo določenim poljem.

Predlogi so označeni kot podprti z umetno inteligenco, oseba, ki uvaža datoteko, pa lahko pred ustvarjanjem zapisov pregleda preslikavo polj. Ta pristop smo povezali s splošnim čarovnikom za uvoz ter z uvozom poslov v CRM in tovora. Sorodno preverjanje lahko prepozna podjetje, ki je kljub drugačnemu zapisu že na seznamu partnerjev, kar pomaga preprečiti podvojene vnose, ko je ocena ujemanja dovolj zanesljiva.

Recimo, da uvožena preglednica voznega parka uporablja oznako »Unit ref.« za registrske tablice in »Internal ID« za interne kode vozil v podjetju. Vzorčne vrednosti pomagajo modelu Jev razlikovati med obema. Ko običajna pravila za naslove stolpcev pustijo polje za registracijo prazno, je presoja lahko videti takole:

```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 lahko nato predlaga prvi stolpec za registrske številke. Pisarna pred uvozom zapisov pregleda to preslikavo. Če noben stolpec ne ustreza, lahko Jev izbere »none«, s čimer polje prepusti ročni preslikavi uporabnika, namesto da bi izsilil napačno ujemanje.

## Hitro preverjanje pred prevajanjem klepeta

Včasih je sporočilo že napisano v jeziku osebe, ki ga bere. Preden zažene celoten prevod v klepetu, lahko LiteTMS preveri to pri modelu Jev. Zanesljivo ujemanje sistemu omogoča, da prikaže izvirno sporočilo; negotov odgovor pa ga pošlje po običajni prevajalski poti. Tako ostane odločitev ozko opredeljena: bralec prevod še vedno prejme, kadar ga sistem ne more z gotovostjo preskočiti.

Vzemimo primer voznika, ki napiše »Jestem na miejscu, czekam na załadunek«, kar pomeni »Prispel sem in čakam na naklad«. Za bralca, ki uporablja poljščino, lahko preverjanje vrne naslednjo oceno:

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

Zaznani jezik se ujema z bralčevim jezikom, zato lahko LiteTMS prikaže izvirnik. Za bralca, ki uporablja angleščino, je isto poljsko sporočilo še vedno treba prevesti. Kratek odgovor, kot je »OK«, ponuja manj informacij: če jezika ni mogoče zanesljivo prepoznati, ostane na voljo običajna prevajalska pot.

## Kako se ocena Jev vklaplja v LiteTMS

Jev sistemu LiteTMS posreduje koristen signal, medtem ko ima pisarna še naprej popoln nadzor nad delom. Integracije so vgrajene in se izvedejo, ko je aktivirana odločitvena plast platforme, odvisno od nastavitev podjetja. Če Jev ni na voljo, se običajni poteki dela za klepet, dokumente in uvoz nemoteno nadaljujejo.

## Tehnični pregled: TypeSafe Jev, JSON in Java

Za bralce, ki želijo videti delovanje v ozadju, je primerno izhodišče vprašanje, ki ga pošljemo. Kot prikazuje [TypeSafe's quickstart](https://docs.typesafe.ai/introduction/quickstart?utm_source=litetms.eu), zahtevek vsebuje polje `state` z informacijami za oceno in `questions` z ocenami, ki jih je treba opraviti. Vprašanje vrste `noul` vrne število med 0 in 1, ki predstavlja verjetnost, da trditev drži. Vprašanje vrste `choice` izbira med poimenovanimi možnostmi, kar uporabljamo za poizvedovanje o kategoriji sporočila.

Tukaj je samostojno vprašanje o potrebnem ukrepanju, ki uporablja identifikator modela, nastavljen v naši integraciji z OpenRouter:

```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."
    }
  }
}
```

Ustrezni del odgovora je lahko videti takole:

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

Aplikacija prebere `answers.needs_action.noul` in uveljavi pravilo. LiteTMS za opozorilo pri voznikovih sporočilih uporablja prag ukrepanja `0.55`. Po dekodiranju zapisa JSON lahko isto preverjanje v Javi zapišemo takole:

```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");
}
```

Koda pred primerjavo s pragom preveri, ali je vrednost sploh uporabna. V sistemu LiteTMS ocena kategorije prispeva drugi del pravila: težava z vozilom, ki zahteva ukrepanje, se hkrati uvrsti med nujna opozorila. Model oceni sporočilo, aplikacija pa določi ukrep. Če odgovor manjka, se nadaljuje običajni potek klepeta.

Prag je odvisen od naslednjega koraka. Pri predlogu stolpca za uvoz LiteTMS sprejme izbrani stolpec z verjetnostjo vsaj `0.60`; za preskok prevoda pa mora biti bralčev jezik izbran z verjetnostjo vsaj `0.90`. Ocena `0.85` tako zadostuje za predlog stolpca, ki ga nato pregleda oseba, vendar ne zadošča za preskok prevoda v klepetu. Vsako pravilo odraža posledice posamezne odločitve.

## Pogosta vprašanja

### Kdo je razvil Jev AI?

Podjetje TypeSafe AI je model Jev razvilo kot model prvega sistema (System One) za strukturirane odločitve. LiteTMS ga vključuje v specifične delovne poteke, kot sta ocenjevanje voznikovih sporočil in primerjava krajevnih imen.

### Za kaj se Jev AI uporablja v sistemu LiteTMS?

Jev je povezan s triažo sporočil voznikov, preverjanjem ujemanj mest pri vnosu naročil in preverjanju krajev na CMR, s predlogi pri uvozu podatkov ter s preverjanjem enakega jezika pred prevajanjem klepeta. Nastavitve platforme in podjetja določajo, ali je posamezna funkcija v delovnem okolju aktivna.

### Ali Jev odgovarja voznikom ali potrjuje dokumente CMR?

Ne. Voznikovo sporočilo lahko označi kot pomembno ter oceni, ali se dve krajevni imeni nanašata na isto mesto. Sporočilo vedno obravnava človek, ujemanje mest pa ne potrdi celotnega dokumenta CMR.

### Kaj se zgodi, če je Jev negotov ali ni na voljo?

LiteTMS ohrani obstoječi potek dela. Negotovo preverjanje jezika na primer uporabi običajno prevajalsko pot klepeta, negotov predlog uvoza pa prepusti preslikavo v pregled uporabniku.