„Jev AI“ sistemoje „LiteTMS“: kur jį pritaikėme

„LiteTMS“ darbo procesuose įdiegėme „Jev“ - dirbtinio intelekto modelį iš TypeSafe AI. Jis padeda pastebėti vairuotojų pranešimus, į kuriuos reikia atkreipti dėmesį, patikrinti, ar du vietovardžiai reiškia tą patį miestą, pasiūlyti, kaip perskaityti importuojamą failą, ir išvengti pranešimų vertimo, jei jie jau parašyti gavėjo kalba. Tai nedideli vertinimai transporto valdymo sistemoje, o ne naujas pokalbių asistentas biurui.

Jei šis pavadinimas jums naujas, mūsų pirmajame straipsnyje apie „Jev“ paaiškinta jo esmė. Tekstą kuriantis DI rengia atsakymą į užklausą. Tuo tarpu „Jev“ sukurtas atsakyti į konkretesnį klausimą, pavyzdžiui: „Ar į šį pranešimą reikia atsakyti?“ Tada „LiteTMS“ panaudoja šį vertinimą atitinkamame darbo procese.

Vairuotojų pranešimai, į kuriuos verta atkreipti dėmesį

Vairuotojas gali atsiųsti įprastą būsenos atnaujinimą, užduoti klausimą arba pranešti apie problemą. Biuro darbuotojams nereikėtų vertinti kiekvienos žinutės kaip vienodai skubios. Vairuotojų pokalbių lange įdiegėme „Jev“ patikrą, kuri surūšiuoja gaunamus pranešimus pagal temą ir įvertina, ar dispečeriui reikia imtis veiksmų. Sistema veikia su tekstiniais pranešimais ir balso žinutėmis, kai jų garsas paverčiamas tekstu.

Pavyzdžiui, pranešimas „Nuleido vilkiko padangą“ skiriasi nuo „Atvykau“. Žinutė, įvertinta kaip reikalaujanti veiksmų, gali būti rodoma dėmesio reikalaujančių užduočių lange, o transporto priemonės gedimas taip pat gali sugeneruoti skubų pranešimą. Biuro darbuotojai visada gali perskaityti pokalbį, atsakyti ir pažymėti klausimą kaip išspręstą. „Jev“ nesiunčia atsakymo vairuotojui ir nepriima sprendimų, kaip šalinti gedimą.

Pranešimo apie nuleistą padangą atveju DI vertinimas JSON formatu gali atrodyti taip:

{
  "input": { "driver_message": "I have a flat tyre and cannot continue." },
  "jev_assessment": {
    "category": "vehicle_problem",
    "needs_action_probability": 0.94
  }
}

„LiteTMS“ nuskaito kategoriją ir veiksmų būtinumo balą. Transporto priemonės problema su tokiu aukštu įverčiu gali būti pažymėta kaip skubi, todėl biuras žino, kad reikia reaguoti.

Vietovardžiai užsakymuose ir transporto dokumentuose

Dokumente gali būti įrašyta „Köln“, o užsakyme - „Cologne“. Pažodinis teksto palyginimas mato du skirtingus žodžius, nors abu nurodo tą patį miestą. Įdiegėme „Jev“ patikrą būtent šiam klausimui spręsti: užsakymų priėmimo procese su DI pagalba ir tikrinant vietoves CMR dokumentuose.

Priimant užsakymą, ši funkcija padeda pasirinkti iš siūlomų vietų arba palikti neaiškų sutapimą peržiūrai. Tikrinant CMR, patikimas atsakymas, kad tai tas pats miestas, gali panaikinti įspėjimą dėl vietovardžių neatitikimo, kuris priešingu atveju būtų pažymėtas. Atskiras DI etapas nuskaito dokumentą, o „Jev“ įvertina, ar vietovardžiai sutampa.

Dviejų miestų pavadinimų atveju vertinimas gali atrodyti taip:

{
  "input": { "document_place": "Köln", "order_city": "Cologne" },
  "jev_assessment": { "same_city_probability": 0.92 }
}

Aukštas to paties miesto tikimybės balas leidžia panaikinti vietovardžių neatitikimą. Kitos CMR patikros dalys lieka atskiros.

Importuojami failai su nežinomomis stulpelių antraštėmis

Duomenų perkėlimas į naują sistemą dažnai prasideda nuo skaičiuoklės lentelės. Viename faile nurodytas „registracijos numeris“, kitame - „valstybinis numeris“, o trečiame antraštės apskritai sunkiai atpažįstamos. „LiteTMS“ iš pradžių naudoja įprastas atitikimo taisykles. Kai pagal šias taisykles lieka spragų, „Jev“ gali pasiūlyti, kokie įrašai yra faile ir kurie stulpeliai atitinka atitinkamus laukus.

Pasiūlymai pažymimi kaip sugeneruoti DI, o failą importuojantis darbuotojas gali peržiūrėti laukų susiejimą prieš sukuriant įrašus. Šį sprendimą pritaikėme bendrajame importo vedlyje, taip pat CRM sandorių ir krovinių importe. Susijusi patikra gali atpažinti įmonę, kuri jau yra partnerių sąraše, net jei jos pavadinimas parašytas kiek kitaip, ir padeda išvengti dubliuotų įrašų, kai atitikimas pakankamai tikėtinas.

Tarkime, importuojamoje transporto parko lentelėje valstybiniams numeriams naudojama antraštė „Unit ref.“, o įmonės vidiniams transporto priemonių kodams - „Internal ID“. Pavyzdinės reikšmės padeda „Jev“ atskirti šiuos du stulpelius. Kai įprastos antraščių taisyklės neleidžia priskirti registracijos numerio lauko, vertinimas gali atrodyti taip:

{
  "input": {
    "columns": {
      "col_0": { "header": "Unit ref.", "examples": ["WX 4821A", "PO 7619K"] },
      "col_1": { "header": "Internal ID", "examples": ["FLEET-17", "FLEET-42"] }
    },
    "field_to_match": "registration_number"
  },
  "jev_assessment": { "column": "col_0", "probability": 0.93 }
}

Tada „LiteTMS“ gali pasiūlyti pirmąjį stulpelį registracijos numeriams. Prieš importuodamas įrašus, biuro darbuotojas peržiūri šį susiejimą. Jei nė vienas stulpelis netinka, „Jev“ gali pasirinkti „none“ ir palikti lauką susieti vartotojui, užuot priverstinai priskyręs netinkamą reikšmę.

Nedidelė patikra prieš verčiant pokalbius

Kartais pranešimas jau būna parašytas ta kalba, kuria kalba jį skaitantis asmuo. Prieš paleisdama pilną pokalbio vertimą, „LiteTMS“ gali paprašyti „Jev“ tai patikrinti. Jei kalba nustatoma patikimai, sistema parodo originalų pranešimą, o jei atsakymas neaiškus, pranešimas nukreipiamas įprastu vertimo keliu. Taip sprendimas išlieka saugus: skaitytojas vis tiek gauna vertimą, kai sistema negali užtikrintai jo praleisti.

Pavyzdžiui, vairuotojas rašo: „Jestem na miejscu, czekam na załadunek“ (tai reiškia „Esu vietoje, laukiu pakrovimo“). Lenkų kalbą naudojančiam skaitytojui patikra gali pateikti tokį įvertinimą:

{
  "input": {
    "message": "Jestem na miejscu, czekam na załadunek.",
    "reader_language": "pl"
  },
  "jev_assessment": { "language": "pl", "probability": 0.96 }
}

Aptikta kalba sutampa su skaitytojo kalba, todėl „LiteTMS“ gali rodyti originalą. Anglų kalbą naudojančiam skaitytojui tą patį lenkišką pranešimą vis tiek reikia išversti. Trumpas atsakymas, pavyzdžiui, „OK“, suteikia mažiau informacijos: kai kalbos neįmanoma patikimai atpažinti, lieka prieinamas įprastas vertimo kelias.

Kaip „Jev“ vertinimas integruojamas į „LiteTMS“

„Jev“ suteikia „LiteTMS“ naudingą signalą, o biuro darbuotojai išlaiko visišką darbo kontrolę. Integracijos yra įdiegtos sistemoje ir veikia įjungus platformos sprendimų lygmenį, atsižvelgiant į įmonės nustatymus. Jei „Jev“ nepasiekiamas, įprasti pokalbių, dokumentų ir importo procesai tęsiasi be trukdžių.

Techninis žvilgsnis: „TypeSafe Jev“, JSON ir „Java“

Skaitytojams, norintiems pamatyti, kas vyksta po gaubtu, tinkamiausias pradžios taškas yra mūsų siunčiama užklausa. Kaip nurodyta „TypeSafe“ greitojo starto vadove, užklausą sudaro state (vertinama informacija) ir questions (atliktini vertinimai). Klausimas noul grąžina skaičių nuo 0 iki 1, reiškiantį tikimybę, kad teiginys yra teisingas. Klausimas choice pasirenka vieną iš įvardytų variantų - būtent taip teiraujamės apie pranešimo kategoriją.

Štai atskiras veiksmų klausimas, kuriame naudojamas modelio identifikatorius, sukonfigūruotas mūsų „OpenRouter“ integracijoje:

{
  "model": "typesafe/jev-1.13",
  "state": {
    "driver_message": "I have a flat tyre and cannot continue."
  },
  "questions": {
    "needs_action": {
      "type": "noul",
      "instructions": "The dispatcher must act on driver_message today: reply, give instructions, inform the customer or arrange help. Routine updates and thanks need no action."
    }
  }
}

Atitinkama atsakymo dalis gali atrodyti taip:

{
  "answers": {
    "needs_action": {
      "type": "noul",
      "noul": 0.94
    }
  }
}

Programa nuskaito answers.needs_action.noul ir pritaiko taisyklę. „LiteTMS“ naudoja 0.55 veiksmų slenkstį vairuotojo pranešimams, į kuriuos reikia atkreipti dėmesį. Iškodavus JSON, tą pačią patikrą galima užrašyti „Java“ kalba:

Double probability = 0.94; // Value from answers.needs_action.noul
boolean needsAttention = probability != null
    && Double.isFinite(probability)
    && probability >= 0.55
    && probability <= 1.0;

if (needsAttention) {
    System.out.println("Flag the message for dispatcher review");
}

Kodas patikrina, ar reikšmė tinkama naudoti, prieš lygindamas ją su slenksčiu. „LiteTMS“ sistemoje kategorijos įvertinimas suteikia kitą taisyklės dalį: transporto priemonės gedimas, reikalaujantis dėmesio, taip pat atitinka skubaus įspėjimo kriterijus. Modelis įvertina pranešimą, o programa nustato veiksmą. Jei atsakymo nėra, tęsiasi įprasta pokalbių eiga.

Slenkstis priklauso nuo to, koks veiksmas atliekamas toliau. Importo stulpelio siūlymui „LiteTMS“ priima pasirinktą stulpelį, kurio tikimybė ne mažesnė kaip 0.60, o vertimui praleisti reikalaujama, kad skaitytojo kalba būtų pasirinkta su mažiausiai 0.90 tikimybe. Todėl 0.85 įvertinimas gali būti pakankamas stulpelio siūlymui, kurį peržiūri žmogus, tačiau jo neužtenka norint praleisti pokalbio vertimą. Kiekviena taisyklė atspindi konkretaus sprendimo pasekmes.

DUK

Kas sukūrė „Jev AI“?

„TypeSafe AI“ sukūrė „Jev“ kaip „System One“ modelį struktūrizuotiems sprendimams priimti. „LiteTMS“ integruoja jį į konkrečius darbo procesus, tokius kaip vairuotojų pranešimų vertinimas ir vietovių pavadinimų sutaprinimas.

Kam „Jev AI“ naudojamas „LiteTMS“ sistemoje?

„Jev“ naudojamas vairuotojų pranešimų rūšiavimui, to paties miesto patikroms priimant užsakymus ir CMR vietovių tikrinimui, importo pasiūlymams bei tos pačios kalbos patikrai prieš pokalbio vertimą. Platformos ir įmonės nustatymai lemia, ar konkreti funkcija yra aktyvi darbo erdvėje.

Ar „Jev“ atsako vairuotojams arba tvirtina CMR dokumentus?

Ne. Jis gali pažymėti vairuotojo pranešimą kaip reikalaujantį dėmesio ir įvertinti, ar du vietovių pavadinimai nurodo tą patį miestą. Pranešimą apdoroja žmogus, o patvirtinimas dėl to paties miesto nepatvirtina viso CMR dokumento.

Kas nutinka, jei „Jev“ pateikia neaiškų atsakymą arba yra nepasiekiamas?

„LiteTMS“ išlaiko esamą darbo eigą. Pavyzdžiui, esant neaiškiam kalbos patikrinimui, naudojamas įprastas pokalbių vertimo kelias, o neaiškus importo siūlymas palieka stulpelių susiejimą peržiūrėti žmogui.