Aktualizace, 25. září 2026: Od vydání tohoto článku jsme Jev zavedli do několika pracovních postupů v LiteTMS. V článku Umělá inteligence Jev v LiteTMS: kde ji využíváme v praxi najdete praktické příklady týkající se zpráv od řidičů, názvů míst, importu dat a překladu chatu, včetně technického pohledu s ukázkami JSON a Java.
Jev představuje nový směr ve vývoji umělé inteligence s jiným účelem než nástroje, se kterými se většina lidí setkává nejčastěji. V chatu s asistentem AI položíte otázku a dostanete písemnou odpověď, nebo požádáte o pomoc se sepsáním e-mailu. Za tímto textem stojí velký jazykový model, často označovaný zkratkou LLM. Jev od společnosti TypeSafe AI je naproti tomu navržen tak, aby prováděl rychlá, úzce vymezená rozhodnutí přímo uvnitř softwaru, nikoli aby generoval text.
Pro dopravní firmu to může znamenat pomoc při rozpoznání, která zpráva vyžaduje pozornost nebo který případ by měl převzít dispečer. V LiteTMS už testujeme různé scénáře, abychom zjistili, kde by tento přístup mohl náš transport management systém ještě více zefektivnit při každodenní práci.
Co Jev dělá, řečeno srozumitelně
Představte si třídicí stůl. Dorazí informace a software musí rozhodnout, kam patří. Jev tyto informace přijme a odpovídá na otázky pomocí předem definovaných možností, bodového hodnocení nebo pravděpodobností typu ano/ne. Nevytváří konverzace ani nesepisuje e-maily. Článek od LangChain tento rozdíl vysvětluje a ukazuje, jak může Jev fungovat po boku modelů, které text generují.
Zde je názorný příklad z dopravy: řidič napíše: „Stále jsem ve skladu. Nakládat začnou až zítra.“ Systém se může zeptat, zda zpráva popisuje zpoždění a zda vyžaduje pozornost dispečera. Jev dodá vyhodnocení a okolní software určí, jak s ním naložit.
TypeSafe tomu říká model typu System One: AI vytvořená pro rychlá rozhodnutí, která software může přímo použít. Jev je zatím dostupný v režimu předběžného přístupu. Pro nás je zajímavá možnost začlenit malá, užitečná vyhodnocení přímo do pracovních postupů, aniž by kdokoli musel otevírat další chatovací okno.
Kde by mohl pomoci v dopravní kanceláři
Jde o potenciální možnosti využití, nikoli o oznámení již vydaných funkcí Jev v LiteTMS.
Zvýraznění důležitých zpráv
Zpoždění nakládky, změna adresy vykládky a běžné potvrzení příjezdu vyžadují odlišné reakce. Model by mohl pomoci třídit příchozí zprávy podle předmětu a naléhavosti a upozornit dispečink na pravděpodobné problémy. Klíčovým testem bude, zda dokáže zachytit důležité výjimky, aniž by zahltil obrazovku zbytečnými upozorněními.
Odhalování případů, které vyžadují vyjasnění
Představte si objednávku s dopoledním časovým oknem vykládky, zatímco pozdější zpráva od zákazníka zmiňuje odpoledne. Systém by mohl vyhodnotit možný rozpor a označit jej ke kontrole. Měl by dispečera odkázat na příslušné informace, přičemž dohodnutý čas doručení ponechá beze změny, dokud jej někdo neověří.
Směrování dokumentů správné osobě
Jakmile text dokumentu přečte samostatný nástroj, Jev by mohl pomoci roztřídit jeho obsah: potvrzení o doručení, dotaz na poplatek nebo reklamaci. To by mohlo pomoci nasměrovat úkoly na dispečink nebo do administrativy. Přečtení naskenované stránky a rozhodnutí, kam její obsah patří, jsou dva oddělené kroky; tento příklad se týká toho druhého.
Rozpoznání chvíle, kdy má zasáhnout člověk
Některé požadavky mají jasný další krok. Jiné obsahují neúplné informace nebo se týkají sporných nákladů. Systém by na základě vyhodnocení mohl navrhnout vhodný postup řešení, včetně předání ke kontrole člověku. Praktické řešení by mělo umožnit nejasné případy snadno najít a opravit.
Rychlé odpovědi stále vyžadují kontrolu
TypeSafe uvádí výhody v rychlosti a nákladech u vhodných úloh. Tato hodnocení dodavatele však ještě neprokazují skutečný přínos pro dopravní firmu. Garantovaný formát odpovědi je navíc něco jiného než správné rozhodnutí: model může i tak vybrat špatnou možnost.
U našich navrhovaných scénářů v dopravě to znamená sledovat vedle doby odezvy také přehlédnutá zpoždění, zbytečné eskalace a nejednoznačné zprávy. Rovněž bychom museli posoudit, kolik kontextu jednotlivá rozhodnutí vyžadují. „Zítra“ neznamená téměř nic, pokud systém nezná datum odeslání zprávy.
Proč v LiteTMS testujeme model Jev
Sledujeme nové technologie a již nyní testujeme různé scénáře, ve kterých by Jev mohl pomoci učinit LiteTMS chytřejším a užitečnějším pro firmy. Výše uvedené příklady popisují směry, které stojí za prozkoumání; nejedná se o seznam hotových integrací ani o naměřené výsledky.
Náš cíl je praktický: pomoci dispečinku a kanceláři včas zachytit to podstatné a omezit úsilí při třídění informací předtím, než může tým jednat. Každé nasazení si musí obhájit své místo užitečnými výsledky, jasnými limity a jednoduchou možností zásahu člověka. S vývojem těchto prací se podělíme o konkrétní poznatky.
Zdroje
Často kladené otázky
- Co by mohl Jev přinést dopravní firmě?
- Mezi potenciální způsoby využití patří třídění zpráv, upozorňování na možné nesrovnalosti v údajích objednávek a směrování požadavků správným osobám. Jde o scénáře určené k vyhodnocení, nikoli o garantované výsledky.
- Je Jev již dostupný jako funkce v LiteTMS?
- Testujeme možné způsoby využití. Tento článek nepředstavuje oznámení o vydání funkce pro zákazníky ani termín jejího nasazení.
- Rozhodoval by Jev místo dispečera?
- Zde popsané scénáře by měly podporovat práci dispečera tím, že upozorní na důležité informace a navrhnou další postup. Jakékoli změny v provozních závazcích by vyžadovaly řádnou kontrolu a lidský dohled.
Zůstaňte v kontaktu
Udělejte si místo na kvalitní čtení.
Zvolte LiteTMS jako preferovaný zdroj a objevujte na Googlu více našich článků.
Zvolit LiteTMS na GoogluPotvrďte svou volbu na Googlu · Otevře se na nové kartě