Jev: nopeampia tekoälypäätöksiä kuljetusalalle

Päivitys 25. syyskuuta 2026: Tämän artikkelin julkaisemisen jälkeen olemme ottaneet Jevin käyttöön useissa LiteTMS:n työnkuluissa. Lue artikkelista Jev-tekoäly LiteTMS:ssä: mihin olemme ottaneet sen käyttöön käytännön esimerkkejä kuljettajaviesteistä, paikkakuntien nimistä, tiedontuonneista ja chat-käännöksistä sekä teknisempi katsaus JSON- ja Java-esimerkkeineen.

Jev on uusi kehitysaskel tekoälyssä, ja sen käyttötarkoitus poikkeaa useimmille tutuista työkaluista. Tekoälyavustajan kanssa keskusteltaessa kysytään kysymys ja saadaan kirjallinen vastaus, tai pyydetään apua sähköpostin luonnosteluun. Tällaisen tekstin taustalla toimii suuri kielimalli, usein lyhennettynä LLM. TypeSafe AI:n kehittämä Jev on sen sijaan suunniteltu tekemään ohjelmiston sisällä nopeita, tarkasti rajattuja päätöksiä tekstin tuottamisen sijaan.

Kuljetusliikkeelle tämä voi tarkoittaa järjestelmää, joka tunnistaa automaattisesti, mikä viesti vaatii huomiota tai mikä tapaus pitää ohjata ihmiselle. LiteTMS:llä testaamme jo erilaisia tilanteita selvittääksemme, missä kohdin tämä lähestymistapa voisi tehdä toiminnanohjausjärjestelmästämme entistä hyödyllisemmän arjen työssä.

Mitä Jev tekee selkokielellä

Kuvittele lajittelupöytä. Tietoa saapuu, ja ohjelmiston on päätettävä, mihin se kuuluu. Jev vastaanottaa tämän tiedon ja vastaa kysymyksiin ennalta määritellyillä vaihtoehdoilla, pisteytyksillä tai kyllä/ei-todennäköisyyksillä. Se ei käy keskustelua eikä kirjoita sähköposteja. LangChainin esittely avaa tätä eroa ja havainnollistaa, miten Jev voi toimia rinnakkain tekstiä tuottavien mallien kanssa.

Havainnollinen esimerkki kuljetusalalta: kuljettaja kirjoittaa: "Vieläkin varastolla. Lastaus aloitetaan vasta huomenna." Järjestelmä voi kysyä, kertooko viesti viivästyksestä ja vaatiiko se ajojärjestelijän huomiota. Jev antaa arvion, ja ympäröivä ohjelmisto päättää, mitä tiedolla tehdään.

TypeSafe kutsuu tätä System One -malliksi: tekoälyksi, joka on rakennettu nopeisiin päätöksiin suoraan ohjelmistojen hyödynnettäväksi. Jev on varhaisen pääsyn vaiheessa. Meille sen suurin arvo on mahdollisuus tuoda pieniä, hyödyllisiä tilannearvioita suoraan työnkulkuun ilman, että kenenkään tarvitsee avata uutta chat-ikkunaa.

Miten se voisi auttaa kuljetustoimistossa

Nämä ovat mahdollisia käyttökohteita, eivät ilmoitus LiteTMS:ään jo julkaistuista Jev-toiminnoista.

Tärkeiden viestien nostaminen esiin

Lastausviivästys, muuttunut toimitusosoite ja rutiininomainen saapumisvahvistus vaativat kukin erilaisen toimenpiteen. Malli voisi auttaa lajittelemaan saapuvat viestit aiheen ja kiireellisyyden mukaan nostaen todennäköiset ongelmat ajojärjestelyn huomioon. Todellinen koe on se, havaitseeko järjestelmä olennaiset poikkeamat täyttämättä näyttöä turhilla hälytyksillä.

Selvitystä vaativien tapausten havaitseminen

Kuvitellaan tilanne, jossa kuljetustilauksessa on aamuinen purkuaika, mutta asiakkaan myöhemmässä viestissä mainitaankin iltapäivä. Arviointi voisi merkitä mahdollisen ristiriidan tarkistettavaksi. Sen tulisi ohjata ajojärjestelijä asiaankuuluvan tiedon äärelle pitäen sovitun toimitusajan ennallaan, kunnes joku tarkistaa sen.

Asiakirjojen ohjaaminen oikealle henkilölle

Kun erillinen työkalu on lukenut asiakirjan tekstin, Jev voisi auttaa luokittelemaan sen sisällön: toimitusvahvistus, kysely veloituksesta tai reklamaatio. Tämä voisi auttaa ohjaamaan työn joko ajojärjestelyyn tai hallintoon. Skannatun sivun lukeminen ja sen sisällön kohdentaminen oikeaan paikkaan ovat erillisiä vaiheita; tämä esimerkki koskee jälkimmäistä.

Sen valitseminen, milloin ihmisen tulee puuttua peliin

Joissakin pyynnöissä seuraava vaihe on selvä. Toiset taas sisältävät puutteellisia tietoja tai koskevat kiistanalaista kustannusta. Järjestelmä voisi arvioinnin perusteella ehdottaa sopivaa käsittelytapaa, mukaan lukien manuaalista tarkistusta. Toimivassa toteutuksessa epävarmat tapaukset on helppo löytää ja korjata.

Nopeat vastaukset vaativat yhä tarkistusta

TypeSafe raportoi nopeus- ja kustannushyödyistä soveltuvissa tehtävissä. Nämä toimittajan omat arviot eivät kuitenkaan vielä kerro kuljetusliikkeen saavuttamista hyödyistä. Taattu vastausmuoto on myös eri asia kuin oikea päätös: malli voi silti valita väärän vaihtoehdon.

Kaavailemissamme kuljetusalan käyttökohteissa tämä tarkoittaa huomaamatta jääneiden viivästysten, turhien eskalointien ja monitulkintaisten viestien tarkistamista vasteajan ohella. Meidän olisi myös arvioitava, kuinka paljon kontekstia kukin päätös vaatii. Ilmaus ”huomenna” tarkoittaa vähän, jos järjestelmästä puuttuu viestin päiväys.

Miksi testaamme Jeviä LiteTMS:ssä

Pysymme uuden teknologian kärjessä ja testaamme jo erilaisia skenaarioita, joissa Jev voisi auttaa tekemään LiteTMS-järjestelmästä älykkäämmän ja yrityksille hyödyllisemmän. Yllä olevat esimerkit kuvaavat tutkimisen arvoisia suuntia; ne eivät ole luettelo valmiista integraatioista tai mitatuista tuloksista.

Tavoitteemme on käytännöllinen: auttaa toimistoa huomaamaan olennaiset asiat ja käyttämään vähemmän vaivaa tiedon lajitteluun ennen toimiin ryhtymistä. Jokaisen sovelluksen on ansaittava paikkansa tuottamalla hyödyllisiä tuloksia, asettamalla selkeät rajat ja tarjoamalla suoraviivainen tapa ihmiselle puuttua tilanteeseen. Jaamme konkreettisia havaintoja työn edetessä.

Lähteet

• 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

Usein kysytyt kysymykset

Mitä Jev voisi tehdä kuljetusliikkeen hyväksi?

Mahdollisia käyttökohteita ovat viestien lajittelu, tilaustietojen mahdollisten ristiriitojen havaitseminen ja asioiden ohjaaminen oikealle henkilölle. Nämä ovat arvioitavia skenaarioita, eivät taattuja lopputuloksia.

Onko Jev jo saatavilla LiteTMS:n ominaisuutena?

Testaamme mahdollisia sovelluksia. Tämä artikkeli ei ole ilmoitus julkaisusta asiakkaille tai käyttöönottoajankohdasta.

Tekisikö Jev päätöksiä ajojärjestelijän puolesta?

Tässä kuvatut käyttötilanteet tukisivat ajojärjestelijän työtä korostamalla tietoja ja ehdottamalla toimintatapoja. Operatiivisten sitoumusten muutokset vaatisivat aina asianmukaiset tarkistukset ja ihmisen hallinnan.