Jev: istraživanje bržeg donošenja AI odluka u prijevozu

Ažurirano, 25. rujna 2026.: Od objave ovog članka primijenili smo Jev u nekoliko radnih procesa u LiteTMS-u. Pročitajte Jev AI u sustavu LiteTMS: gdje smo ga upotrijebili za praktične primjere koji uključuju poruke vozača, nazive mjesta, uvoz podataka i prevođenje u chatu, uz tehnički pregled s JSON-om i Javom.

Jev predstavlja novi iskorak u području umjetne inteligencije s drugačijom svrhom od alata s kojima se većina ljudi prvo susretne. U razgovoru s AI asistentom postavljate pitanje i dobivate pisani odgovor ili tražite pomoć pri sastavljanju e-pošte. Iza takvog teksta stoji veliki jezični model, skraćeno LLM. Jev, koji je predstavio TypeSafe AI, osmišljen je za donošenje brzih, usko definiranih odluka unutar softvera, umjesto za generiranje teksta.

U prijevozničkom poslovanju to bi moglo značiti pomoć sustavu pri prepoznavanju koja poruka zahtijeva pozornost ili koji bi slučaj trebalo proslijediti čovjeku. U LiteTMS-u već testiramo različite scenarije kako bismo vidjeli gdje bi ovaj pristup mogao učiniti naš sustav za upravljanje prijevozom još korisnijim u svakodnevnom radu.

Što Jev radi, jednostavnim rječnikom

Zamislite stol za sortiranje. Informacije pristižu, a softver mora odlučiti kamo pripadaju. Jev prima te informacije i odgovara na pitanja s unaprijed definiranim opcijama, ocjenama ili da/ne vjerojatnostima. On ne vodi razgovor niti sastavlja poruke e-pošte. LangChainov uvodni članak objašnjava tu razliku i pokazuje kako Jev može funkcionirati uz modele koji generiraju tekst.

Evo slikovitog primjera iz prijevoza: vozač napiše: „Još sam u skladištu. Neće početi s utovarom do sutra.” Sustav bi mogao postaviti pitanje opisuje li poruka kašnjenje i zahtijeva li pozornost dispečera. Jev bi ponudio procjenu, a softver u kojem radi odredio bi što s njom učiniti.

TypeSafe to naziva modelom System One: umjetna inteligencija izgrađena za brze odluke koje softver može izravno upotrijebiti. Jev je u fazi ranog pristupa. Za nas je privlačna mogućnost ugradnje malih, korisnih procjena u sam radni proces, a da nitko ne mora otvarati još jedan prozor za razgovor.

Gdje može pomoći u prijevozničkom uredu

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

Isticanje važnih poruka

Kašnjenje na utovaru, promjena adrese dostave i rutinska potvrda dolaska zahtijevaju različite reakcije. Model bi mogao pomoći pri razvrstavanju dolaznih poruka prema temi i hitnosti, skrećući pažnju uredskog tima na potencijalne probleme. Ključni test bit će prepoznaje li važne iznimke bez zatrpavanja zaslona nepotrebnim upozorenjima.

Uočavanje slučajeva koji zahtijevaju pojašnjenje

Pretpostavimo da nalog sadrži jutarnji termin istovara, dok u kasnijoj poruci klijent spominje popodne. Procjena sustava mogla bi označiti mogući sukob podataka za provjeru. Trebala bi uputiti dispečera na relevantne informacije, ostavljajući dogovoreno vrijeme isporuke nepromijenjenim sve dok ga netko ne provjeri.

Prosljeđivanje dokumentacije pravoj osobi

Nakon što zaseban alat očita tekst dokumenta, Jev bi mogao pomoći u kategorizaciji njegova sadržaja: potvrda o isporuci, upit o trošku ili reklamacija. To bi moglo pomoći u usmjeravanju posla operativi ili administraciji. Očitavanje skenirane stranice i donošenje odluke kamo njezin sadržaj pripada zasebni su koraci; ovaj se primjer odnosi na drugi.

Određivanje trenutka kada čovjek treba preuzeti kontrolu

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

Brzi odgovori i dalje zahtijevaju provjeru

TypeSafe navodi prednosti u brzini i troškovima za prikladne zadatke. Te procjene proizvođača same po sebi ne garantiraju koristi za prijevozničku tvrtku. Zajamčeni format odgovora također se razlikuje od točne odluke: model i dalje može odabrati pogrešnu opciju.

Za naše predložene transportne scenarije to znači provjeru propuštenih kašnjenja, nepotrebnih eskalacija i dvosmislenih poruka, uz vrijeme odziva. Također bismo trebali procijeniti koliko konteksta zahtijeva svaka odluka. Riječ „sutra” znači malo ako sustav nema datum poruke.

Zašto testiramo Jev u sustavu 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; oni nisu popis dovršenih integracija niti izmjerenih rezultata.

Naš je cilj praktičan: pomoći uredskom timu da uoči ono što je važno i ulaže manje truda u razvrstavanje informacija prije nego što može djelovati. Svaka primjena mora opravdati svoje mjesto korisnim rezultatima, jasnim granicama i jednostavnim načinom na koji čovjek može intervenirati. Konkretna saznanja podijelit ćemo kako se ovaj rad bude razvijao.

Izvori

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

Česta pitanja

Što bi Jev mogao učiniti za prijevozničku tvrtku?

Potencijalne primjene uključuju razvrstavanje poruka, označavanje mogućih nepodudarnosti u podacima naloga i usmjeravanje predmeta pravoj osobi. Riječ je o scenarijima koje treba procijeniti, a ne o zajamčenim ishodima.

Je li Jev već dostupan kao značajka sustava LiteTMS?

Trenutačno testiramo moguće primjene. Ovaj članak ne najavljuje izdavanje korisnicima niti datum implementacije.

Bi li Jev donosio odluke umjesto dispečera?

Ovdje opisani scenariji služili bi kao podrška u radu dispečera isticanjem informacija i predlaganjem načina njihova rješavanja. Izmjene operativnih obveza zahtijevale bi odgovarajuće provjere i ljudsku kontrolu.