Jev: istraživanje bržeg donošenja odluka uz AI u transportu

Ažurirano, 25. septembra 2026: Od objavljivanja ovog članka, implementirali smo Jev u nekoliko LiteTMS radnih procesa. Pročitajte Jev AI u LiteTMS-u: gdje smo ga primijenili za praktične primjere koji uključuju poruke vozača, nazive mjesta, uvoz podataka i prevođenje četa, uz tehnički pregled sa JSON-om i Javom.

Jev je novina u razvoju vještačke inteligencije s drugačijom svrhom od alata s kojima se većina ljudi prvo susretne. U razgovoru s AI asistentom postavite pitanje i dobijete pisani odgovor, ili zatražite pomoć pri sastavljanju e-maila. Iza tog teksta stoji veliki jezički model, često skraćeno LLM. Jev, koji je predstavio TypeSafe AI, osmišljen je za donošenje brzih, usko definisanih odluka unutar softvera, umjesto za generisanje teksta.

Za transportnu kompaniju to bi moglo značiti pomoć sistemu da prepozna koja poruka zahtijeva pažnju ili koji slučaj treba proslijediti čovjeku. U LiteTMS-u već testiramo različite scenarije kako bismo vidjeli gdje ovaj pristup može učiniti naš sistem za upravljanje transportom korisnijim u svakodnevnom radu.

Šta Jev radi, jednostavnim jezikom

Zamislite pult za sortiranje. Informacije pristižu, a softver treba odlučiti gdje pripadaju. Jev prima te informacije i odgovara na pitanja s unaprijed definisanim opcijama, ocjenama ili da/ne vjerovatnoćama. On ne vodi razgovor niti sastavlja e-mail. LangChainov uvod objašnjava ovu razliku i pokazuje kako Jev može raditi zajedno s modelima koji generišu tekst.

Evo slikovitog primjera iz transporta: vozač napiše: „Još sam u skladištu. Neće početi utovar do sutra.” Sistem bi mogao postaviti pitanje opisuje li poruka kašnjenje i zahtijeva li pažnju dispečera. Jev bi dao procjenu, a softver u pozadini bi odredio šta s njom učiniti.

TypeSafe ovo naziva modelom Sistema jedan (System One): AI stvoren za brze odluke koje softver može direktno iskoristiti. Jev je u fazi ranog pristupa. Za nas je privlačna mogućnost uvođenja malih, korisnih procjena direktno u radni tok, a da pritom niko ne mora otvarati novi čet.

Gdje bi mogao pomoći u transportnoj kancelariji

Ovo su potencijalne primjene, a ne najava već objavljenih funkcionalnosti Jeva u LiteTMS-u.

Isticanje važnih poruka

Kašnjenje na utovaru, promijenjena adresa isporuke i rutinska potvrda dolaska zahtijevaju različite reakcije. Model bi mogao pomoći u razvrstavanju dolaznih poruka prema temi i hitnosti, skrećući pažnju kancelarije na potencijalne probleme. Koristan test bio bi provjeriti može li prepoznati važne izuzetke bez pretrpavanja ekrana nepotrebnim obavještenjima.

Uočavanje slučajeva koji zahtijevaju pojašnjenje

Pretpostavimo da nalog sadrži jutarnji termin istovara, dok kasnija poruka klijenta spominje poslijepodne. Procjena bi mogla označiti mogući konflikt za pregled. Sistem bi trebao uputiti dispečera nazad na relevantne informacije, ostavljajući dogovoreno vrijeme isporuke nepromijenjenim dok ga neko ne provjeri.

Prosljeđivanje dokumentacije pravoj osobi

Nakon što zaseban alat očita tekst dokumenta, Jev bi mogao pomoći u kategorizaciji njegovog sadržaja: potvrda o isporuci, upit o trošku ili reklamacija. To bi moglo pomoći u usmjeravanju posla operativi ili administraciji. Čitanje skenirane stranice i odlučivanje gdje njen sadržaj pripada zasebni su koraci; ovaj primjer se odnosi na drugi korak.

Odlučivanje kada čovjek treba preuzeti kontrolu

Neki zahtjevi imaju jasan sljedeći korak. Drugi sadrže nepotpune informacije ili se odnose na sporni trošak. Sistem bi mogao iskoristiti procjenu kako bi predložio odgovarajući način rješavanja, uključujući pregled od strane čovjeka. Korisno rješenje omogućilo bi jednostavno pronalaženje i ispravljanje nesigurnih slučajeva.

Brzi odgovori i dalje zahtijevaju provjeru

TypeSafe navodi prednosti u brzini i troškovima za prikladne zadatke. Te procjene dobavljača ne dokazuju stvarne dobitke za transportnu kompaniju. Zagarantovani format odgovora takođe se razlikuje od tačne odluke: model i dalje može izabrati pogrešnu opciju.

Za naše predložene transportne scenarije to znači provjeru propuštenih kašnjenja, nepotrebnih eskalacija i dvosmislenih poruka, uz samo vrijeme odziva. Takođe bismo morali procijeniti koliko konteksta zahtijeva svaka odluka. „Sutra” znači malo ako sistemu nedostaje datum slanja poruke.

Zašto testiramo Jev u sistemu LiteTMS

Pratimo nove tehnologije i već testiramo različite scenarije u kojima bi Jev mogao pomoći da LiteTMS postane pametniji i korisniji za poslovanje. Gore navedeni primjeri opisuju smjerove vrijedne istraživanja; to nije lista završenih integracija niti izmjerenih rezultata.

Naš cilj je praktičan: pomoći kancelariji da uoči ono što je važno i uloži manje truda u sortiranje informacija prije nego što preduzme korake. Svaka primjena mora opravdati svoje mjesto korisnim rezultatima, jasnim granicama i jednostavnim načinom na koji čovjek može intervenisati. Podijelićemo konkretne nalaze kako se ovaj rad bude razvijao.

Izvori

• TypeSafe AI: Predstavljanje System One modela i alata Jev
• LangChain: Izrada okruženja uz Jev
• Flavio Copes: Detaljan uvid u Jev, TypeSafeov System One model
• heise online: AI model „Jev” za brže donošenje odluka mašina

Često postavljana pitanja

Šta bi Jev mogao učiniti za transportnu kompaniju?

Potencijalne upotrebe uključuju razvrstavanje poruka, označavanje mogućih neslaganja u podacima o nalogu i usmjeravanje predmeta pravoj osobi. To su scenariji za procjenu, a ne zagarantovani rezultati.

Da li je Jev već dostupan kao funkcija u LiteTMS-u?

Trenutno testiramo moguće primjene. Ovaj članak ne najavljuje dostupnost korisnicima niti datum uvođenja.

Da li bi Jev donosio odluke umjesto dispečera?

Scenariji opisani ovdje podržavali bi rad dispečera isticanjem informacija i predlaganjem načina postupanja. Promjene operativnih obaveza zahtijevale bi odgovarajuće provjere i ljudsku kontrolu.