---
title: LiteTMS'te Jev AI: Hangi noktalarda devreye aldık
description: TypeSafe'in Jev AI modelinin LiteTMS'te sürücü mesajlarını, konumları ve içe aktarmaları nasıl değerlendirdiğini JSON ve Java örnekleriyle keşfedin.
slug: where-jev-helps-in-litetms
locale: tr
date: 2026-09-24
updated: 2026-09-25
category: technology
tags: jev, ai, transport, driver-chat, data-import
author: LiteTMS Team
draft: false
---

[TypeSafe AI](https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=litetms.eu) tarafından geliştirilen bir yapay zekâ modeli olan Jev'i LiteTMS'in çeşitli iş akışlarına entegre ettik. Acil müdahale gerektiren sürücü mesajlarını tespit etmeye, iki farklı yer adının aynı şehri ifade edip etmediğini kontrol etmeye, içe aktarılan bir dosyanın nasıl okunacağını önermeye ve halihazırda okuyucunun dilinde olan bir mesajı gereksiz yere çevirmekten kaçınmaya yardımcı olabilir. Bunlar bir nakliye yönetim sistemi içindeki küçük değerlendirmelerdir; ofis için yeni bir sohbet asistanı değildir.

İsmi ilk defa duyuyorsanız, [ilk Jev makalemiz](/en/blog/jev-ai-decisions-transport) bu yaklaşımı açıklıyor. Metin üreten bir yapay zekâ, verilen bir komuta yanıt yazar. Jev ise "Bu mesaj bir yanıt gerektiriyor mu?" gibi daha dar ve odaklanmış bir soruyu yanıtlamak üzere tasarlanmıştır. LiteTMS daha sonra bu değerlendirmeyi ilgili iş akışında kullanır.

## Yakından incelenmesi gereken sürücü mesajları

Bir sürücü rutin bir durum güncellemesi gönderebilir, soru sorabilir veya bir problem bildirebilir. Ofisin her mesaja aynı aciliyetle yaklaşması gerekmez. Sürücü sohbetine, gelen iletileri konularına göre ayıran ve dispeçerin harekete geçmesi gerekip gerekmediğini değerlendiren bir Jev kontrolü ekledik. Bu kontrol, yazılı mesajların yanı sıra metne dönüştürülmüş ses kayıtlarıyla da çalışabilir.

Örneğin, "Çekicinin lastiği patladı" mesajı "Boşaltma yerine ulaştım" mesajından farklıdır. Müdahale gerektirdiği değerlendirilen bir ileti, dikkat gerektirenler görünümünde gösterilebilir; bir araç problemi aynı zamanda acil bir bildirim de tetikleyebilir. Ofis ekibi yazışmayı okuyabilir, yanıt verebilir ve konuyu çözüldü olarak işaretleyebilir. Jev, sürücüye doğrudan cevap göndermez veya arızanın nasıl çözüleceğine karar vermez.

Lastik patlaması bildiren bir mesaj için yapay zekâ değerlendirmesi JSON formatında şu şekilde görünebilir:

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

LiteTMS, kategoriyi ve aksiyon puanını okur. Bu kadar yüksek puanlı bir araç problemi acil olarak gösterilir, böylece ofis ekibi derhal yanıt vermesi gerektiğini anlar.

## Siparişlerdeki ve taşıma belgelerindeki yer adları

Bir belgede "Köln" yazarken siparişte "Cologne" yazıyor olabilir. Birebir metin karşılaştırması yapıldığında, her ikisi de aynı şehri belirtmesine rağmen iki farklı kelime olarak algılanır. Yapay zekâ destekli sipariş girişinde ve CMR belgelerindeki yer kontrollerinde tam olarak bu duruma yönelik bir Jev kontrolü ekledik.

Sipariş girişi sırasında önerilen yerler arasından seçim yapmaya veya şüpheli bir eşleşmeyi inceleme için bekletmeye yardımcı olabilir. CMR kontrolü sırasında ise kesin bir aynı şehir yanıtı, aksi halde uyarı verecek olan *yer adı uyuşmazlığı* durumunu ortadan kaldırabilir. Belgeyi ayrı bir yapay zekâ adımı okur; Jev ise yer adlarının birbiriyle eşleşip eşleşmediğini değerlendirir.

Bu iki şehir adı için değerlendirme şu şekilde görünebilir:

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

Yüksek aynı şehir puanı, yer adı uyuşmazlığını ortadan kaldırabilir. CMR kontrolünün diğer kısımları bundan bağımsız kalır.

## Alışılmadık sütun başlıklarına sahip içe aktarma dosyaları

Bilgileri yeni bir sisteme aktarmak genellikle bir elektronik tabloyla başlar. Bir dosyada "tescil numarası", diğerinde "plaka" yazabilir; bir diğerinde ise anlaşılması zor başlıklar bulunabilir. LiteTMS öncelikle standart eşleştirme kurallarını kullanır. Bu kuralların yetersiz kaldığı noktalarda Jev, dosyanın ne tür kayıtlar içerdiğini ve hangi sütunların hangi alanlara ait olduğunu önerebilir.

Öneriler yapay zekâ destekli olarak işaretlenir ve dosyayı içe aktaran kişi, kayıtları oluşturmadan önce bu sütun eşleştirmelerini gözden geçirebilir. Bu yaklaşımı hem genel içe aktarma sihirbazına hem de CRM fırsat ve yük içe aktarma işlemlerine entegre ettik. Benzer bir kontrol, farklı bir yazıma sahip olsa bile cari listesinde zaten kayıtlı olan bir şirketi tanıyabilir ve eşleşmeden yeterince emin olunduğunda mükerrer kayıtların önüne geçebilir.

İçe aktarılan bir filo tablosunda araç plakaları için "Unit ref.", şirketin kendi araç kodları içinse "Internal ID" başlığının kullanıldığını varsayalım. Örnek değerler, Jev'in bu iki sütunu birbirinden ayırt etmesine yardımcı olur. Standart başlık kuralları plaka alanını boş bıraktığında, değerlendirme şu şekilde görünebilir:

```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 ardından plaka numaraları için ilk sütunu önerebilir. Ofis ekibi kayıtları içe aktarmadan önce bu eşleştirmeyi inceler. Hiçbir sütun uygun değilse Jev, zorlama bir eşleştirme yapmak yerine "none" seçeneğini belirterek alanı kullanıcının manuel eşleştirmesine bırakır.

## Sohbet çevirisinden önce ufak bir kontrol

Bazen bir mesaj, onu okuyan kişinin dilinde zaten yazılmış olur. LiteTMS, tam bir sohbet çevirisi çalıştırmadan önce Jev'den bunu kontrol etmesini isteyebilir. Yüksek olasılıklı bir eşleşme, sistemin orijinal mesajı göstermesini sağlar; belirsiz bir yanıt ise mesajı olağan çeviri sürecine yönlendirir. Bu da kararı dar bir çerçevede tutar: Sistem çeviriyi atlama konusunda emin olamadığında okuyucu yine de çeviriyi alır.

Örneğin bir sürücünün “Vardım ve yükleme için bekliyorum” anlamına gelen “Jestem na miejscu, czekam na załadunek” yazdığını düşünelim. Lehçe kullanan bir okuyucu için bu kontrol şu değerlendirmeyi üretebilir:

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

Algılanan dil okuyucunun diliyle eşleşir, böylece LiteTMS orijinal mesajı gösterebilir. İngilizce kullanan bir okuyucu için aynı Lehçe mesajın yine de çevrilmesi gerekir. “OK” gibi kısa bir yanıt daha az bilgi verir: Dil güvenilir şekilde tespit edilemediğinde, her zamanki çeviri süreci devreye girmeye devam eder.

## Jev değerlendirmesi LiteTMS ile nasıl bütünleşir

Jev, LiteTMS'e faydalı bir sinyal sunarken ofis de işin kontrolünü elinde tutar. Entegrasyonlar yerleşik olarak gelir ve şirket ayarlarına bağlı olarak platformun karar katmanı etkinleştirildiğinde çalışır. Jev kullanılamaz durumdaysa her zamanki sohbet, belge ve içe aktarma iş akışları işlemeye devam eder.

## Teknik bir bakış: TypeSafe Jev, JSON ve Java

Arka planda nelerin gerçekleştiğini görmek isteyen okuyucular için başlangıç noktası gönderdiğimiz sorudur. [TypeSafe'in hızlı başlangıç kılavuzunun](https://docs.typesafe.ai/introduction/quickstart?utm_source=litetms.eu) gösterdiği gibi, bir istek değerlendirilecek bilgiyi içeren `state` ve yapılacak değerlendirmeleri içeren `questions` alanlarını barındırır. Bir `noul` sorusu, bir ifadenin geçerli olma olasılığını temsil eden 0 ile 1 arasında bir sayı döndürür. Bir `choice` sorusu ise adlandırılmış seçenekler arasından seçim yapar; mesajın kategorisini de bu şekilde sorgularız.

OpenRouter entegrasyonumuzda yapılandırılan model tanımlayıcısını kullanan eylem sorusu tek başına şu şekildedir:

```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."
    }
  }
}
```

Yanıtın ilgili kısmı şu şekilde görünebilir:

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

Uygulama `answers.needs_action.noul` değerini okur ve bir kural uygular. LiteTMS, sürücü mesajının dikkat gerektirmesi için `0.55` eylem eşiğini kullanır. JSON çözümlendikten sonra aynı kontrol Java dilinde şu şekilde yazılabilir:

```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, değeri eşikle karşılaştırmadan önce kullanılabilir olup olmadığını denetler. LiteTMS'te kategori değerlendirmesi kuralın diğer parçasını tamamlar: Dikkat gerektiren bir araç arızası aynı zamanda acil bir uyarı niteliği de taşır. Model mesajı değerlendirir, uygulama ise yapılacak eylemi belirler. Yanıt eksikse normal sohbet iş akışı devam eder.

Eşik değeri bir sonraki adımda ne olacağına bağlıdır. Bir içe aktarma sütunu önerisi için LiteTMS, en az `0.60` olasılığa sahip seçilmiş bir sütunu kabul eder; çeviriyi atlamak ise okuyucunun dilinin en az `0.90` olasılıkla seçilmesini gerektirir. Dolayısıyla `0.85` değerinde bir puan, bir kişinin inceleyeceği sütun önerisini destekleyebilir ancak sohbet çevirisini atlamak için yeterli değildir. Her kural, söz konusu kararın doğuracağı sonucu yansıtır.

## SSS

### Jev AI kim tarafından geliştirildi?

TypeSafe AI, Jev'i yapılandırılmış kararlar için bir Sistem Bir (System One) modeli olarak geliştirdi. LiteTMS, bu modeli sürücü mesajı değerlendirmesi ve yer adı eşleştirme gibi belirli iş akışlarına entegre eder.

### Jev AI LiteTMS içinde ne için kullanılır?

Jev; sürücü mesajlarının önceliklendirilmesine, sipariş kabulündeki aynı şehir kontrollerine, CMR yer kontrollerine, içe aktarma önerilerine ve sohbet çevirisinden önce aynı dil kontrolüne bağlıdır. Her bir özelliğin bir çalışma alanında etkin olup olmadığını platform ve şirket ayarları belirler.

### Jev sürücülere yanıt verir mi veya CMR belgelerini onaylar mı?

Hayır. Sürücü mesajını dikkat çekmesi için işaretleyebilir ve iki yer adının aynı şehre işaret edip etmediğini değerlendirebilir. Mesajla bir personel ilgilenir ve aynı şehir sonucu tüm CMR belgesini onaylamış sayılmaz.

### Jev belirsiz bir sonuç verirse veya kullanılamazsa ne olur?

LiteTMS mevcut iş akışını korur. Örneğin belirsiz bir dil kontrolü normal sohbet çevirisi yolunu kullanırken, belirsiz bir içe aktarma önerisi eşleştirmeyi bir personelin incelemesine bırakır.