Jev: decisiones más rápidas con IA en el transporte

Jev es un nuevo avance en IA con un propósito distinto al de las herramientas con las que la mayoría de la gente entra en contacto por primera vez. En una conversación con un asistente de IA, uno formula una pregunta y recibe una respuesta escrita, o pide ayuda para redactar un correo. Detrás de ese texto hay un modelo de lenguaje extenso, conocido habitualmente por sus siglas en inglés, LLM. Jev, presentado por TypeSafe AI, está diseñado para tomar decisiones rápidas y acotadas dentro del propio software en lugar de generar texto.

Para una empresa de transporte, esto podría suponer ayudar a un sistema a identificar qué mensaje requiere atención o qué caso debe derivarse a una persona. En LiteTMS ya estamos probando distintos escenarios para comprobar en qué puntos este enfoque puede hacer que nuestro sistema de gestión de transporte resulte más útil en el trabajo diario.

Qué hace Jev, explicado de forma sencilla

Piense en una mesa de clasificación. Llega información y el software debe decidir adónde corresponde. Jev recibe esa información y responde a preguntas mediante opciones predefinidas, puntuaciones o probabilidades de sí/no. No redacta una conversación ni compone un correo electrónico. La presentación de LangChain explica esta distinción y muestra cómo Jev puede funcionar junto a modelos dedicados a la generación de texto.

He aquí un ejemplo ilustrativo en el transporte: un conductor escribe «Sigo en el almacén. No empezarán a cargar hasta mañana». El sistema podría consultar si el mensaje describe un retraso y si requiere la atención del gestor de tráfico. Jev aportaría una evaluación; el software que lo integra determinaría qué hacer con ella.

TypeSafe lo denomina modelo de Sistema Uno: una IA creada para tomar decisiones rápidas que el software puede aprovechar de forma directa. Jev se encuentra en fase de acceso anticipado. El atractivo para nosotros radica en la posibilidad de incorporar evaluaciones puntuales y útiles al flujo de trabajo, sin obligar a nadie a abrir otra ventana de chat.

Dónde podría ayudar en la oficina de transporte

Se trata de aplicaciones potenciales, no del anuncio de funciones ya operativas de Jev en LiteTMS.

Priorizar los mensajes importantes

Un retraso en la carga, un cambio de dirección de entrega y una confirmación rutinaria de llegada requieren respuestas distintas. Un modelo podría ayudar a clasificar los mensajes entrantes por asunto y urgencia, destacando los posibles problemas ante el equipo de tráfico. La prueba de fuego residirá en comprobar si detecta las excepciones importantes sin saturar la pantalla con alertas innecesarias.

Detectar casos que requieren aclaración

Supongamos que un pedido incluye una franja de descarga por la mañana, mientras que un mensaje posterior del cliente menciona la tarde. Una evaluación podría señalar ese posible conflicto para su revisión. Debería remitir al gestor de tráfico a la información pertinente, manteniendo sin cambios la hora de entrega acordada hasta que alguien lo compruebe.

Dirigir la documentación a la persona adecuada

Una vez que una herramienta independiente ha leído el texto del documento, Jev podría ayudar a categorizar su contenido: un comprobante de entrega, una consulta sobre un cargo o una reclamación. Esto permitiría derivar la tarea a operaciones o a administración. Leer una página escaneada y decidir adónde corresponde su contenido son pasos distintos; este ejemplo atañe al segundo.

Decidir cuándo debe intervenir una persona

Algunas solicitudes tienen un paso siguiente muy claro. Otras contienen información incompleta o hacen referencia a un coste en disputa. El sistema podría servirse de una evaluación para sugerir la vía de gestión adecuada, incluida la revisión humana. Un diseño eficaz permitiría localizar y corregir con facilidad los casos dudosos.

Las respuestas rápidas siguen requiriendo verificación

TypeSafe destaca ventajas de velocidad y coste en tareas adecuadas. Esas valoraciones del proveedor no demuestran los beneficios reales para una empresa de transporte. Además, garantizar el formato de la respuesta no equivale a tomar una decisión acertada: el modelo aún puede seleccionar la opción incorrecta.

En los supuestos de transporte que planteamos, esto implica controlar los retrasos no detectados, las derivaciones innecesarias y los mensajes ambiguos, además del tiempo de respuesta. También tendríamos que evaluar cuánto contexto necesita cada decisión. Decir «mañana» aporta poco si el sistema desconoce la fecha del mensaje.

Por qué estamos probando Jev en LiteTMS

Nos mantenemos al día con las nuevas tecnologías y ya estamos evaluando diversos casos en los que Jev podría contribuir a que LiteTMS sea más inteligente y útil para las empresas. Los ejemplos anteriores describen vías de trabajo que merece la pena explorar; no constituyen una lista de integraciones finalizadas ni de resultados contrastados.

Nuestro objetivo es práctico: ayudar a la oficina a detectar lo que importa y dedicar menos esfuerzo a clasificar la información antes de actuar. Cualquier aplicación debe justificar su utilidad mediante resultados tangibles, límites claros y un método sencillo para que una persona pueda intervenir. Compartiremos conclusiones concretas a medida que avance este trabajo.

Fuentes

• TypeSafe AI: Introducing System One Models & Jev
• LangChain: Building a Harness with Jev
• Flavio Copes: A deep dive into Jev, TypeSafe's System One model
• heise online: AI model “Jev” to make machines decide faster

Preguntas frecuentes

¿Qué podría hacer Jev por una empresa de transporte?

Entre sus posibles usos destacan clasificar mensajes, advertir sobre posibles discrepancias en los datos de las órdenes y derivar cada caso al responsable correspondiente. Son casos de uso en fase de evaluación, no funciones garantizadas.

¿Está ya disponible Jev dentro de LiteTMS?

Estamos evaluando posibles aplicaciones prácticas. Este artículo no anuncia su lanzamiento para clientes ni una fecha de implantación.

¿Tomaría Jev decisiones en lugar del gestor de tráfico?

Los escenarios aquí descritos servirían de apoyo al trabajo del gestor de tráfico, señalando la información clave y sugiriendo cómo resolverla. Cualquier modificación en los compromisos operativos requeriría las validaciones oportunas y la supervisión humana.