Jev: ātrāku MI lēmumu meklējumi transportā

Atjauninājums, 2026. gada 25. septembrī: kopš šī raksta publicēšanas esam ieviesuši Jev vairākās LiteTMS darbplūsmās. Lasiet rakstu Jev AI sistēmā LiteTMS: kur esam to ieviesuši, lai iepazītos ar praktiskiem piemēriem, kas saistīti ar vadītāju ziņojumiem, vietu nosaukumiem, datu importu un tērzēšanas tulkošanu, kā arī tehnisku ieskatu ar JSON un Java.

Jev ir jauns mākslīgā intelekta risinājums ar citu mērķi nekā rīkiem, ar kuriem daudzi sastopas vispirms. Sarakstē ar mākslīgā intelekta asistentu jūs uzdodat jautājumu un saņemat rakstisku atbildi vai lūdzat palīdzību e-pasta sagatavošanā. Aiz šī teksta stāv liels valodas modelis, ko bieži saīsina kā LLM. Uzņēmuma TypeSafe AI izstrādātais Jev ir paredzēts ātru, šauri definētu lēmumu pieņemšanai programmatūrā, nevis teksta ģenerēšanai.

Transporta uzņēmumam tas varētu nozīmēt palīdzību sistēmai atpazīt, kuram ziņojumam nepieciešama uzmanība vai kura lieta jānodod cilvēkam. LiteTMS mēs jau testējam dažādus scenārijus, lai noskaidrotu, kur šī pieeja varētu padarīt mūsu transporta vadības sistēmu vēl noderīgāku ikdienas darbā.

Ko Jev dara vienkāršiem vārdiem

Iedomājieties šķirošanas galdu. Saņemot informāciju, programmatūrai jāizlemj, kur to novirzīt. Jev saņem šo informāciju un atbild uz jautājumiem ar iepriekš definētām opcijām, novērtējumu vai jā/nē varbūtībām. Tas neveido sarunu un neraksta e-pastus. LangChain ievadrakstā ir izskaidrota šī atšķirība un parādīts, kā Jev var darboties līdzās modeļiem, kas ģenerē tekstu.

Lūk, uzskatāms transporta piemērs: vadītājs raksta: „Vēl aizvien esmu noliktavā. Iekraušanu sāks tikai rīt.” Sistēma varētu vaicāt, vai ziņojumā ir aprakstīta kavēšanās un vai tam nepieciešama dispečera uzmanība. Jev sniegtu novērtējumu, un programmatūra noteiktu, kā ar to rīkoties tālāk.

TypeSafe to dēvē par System One modeli: mākslīgais intelekts, kas veidots ātriem lēmumiem, ko programmatūra var izmantot tieši. Jev pašlaik ir agrīnās piekļuves stadijā. Mūsu interesi rada iespēja iekļaut nelielus, noderīgus novērtējumus darba gaitā, neliekot darbiniekam atvērt vēl vienu tērzēšanas logu.

Kur tas varētu palīdzēt transporta birojā

Šie ir potenciālie pielietojumi, nevis paziņojums par jau ieviestām Jev funkcijām LiteTMS.

Svarīgāko ziņojumu izcelšana

Iekraušanas kavēšanās, mainīta piegādes adrese un ierasts ierašanās apstiprinājums prasa atšķirīgu rīcību. Modelis varētu palīdzēt kārtot ienākošos ziņojumus pēc temata un steidzamības, vēršot biroja uzmanību uz iespējamām problēmām. Praktiskais ieguvums būtu atkarīgs no tā, vai tas pamana svarīgos izņēmumus, nepārpildot ekrānu ar liekiem brīdinājumiem.

Precizējamu situāciju pamanīšana

Piemēram, pasūtījumā norādīts rīta izkraušanas laika logs, bet vēlākā klienta ziņojumā minēta pēcpusdiena. Sistēmas novērtējums varētu atzīmēt iespējamu pretrunu pārbaudei. Tai vajadzētu vērst dispečera uzmanību uz attiecīgo informāciju, atstājot saskaņoto piegādes laiku nemainītu, līdz kāds to pārbauda.

Dokumentu novirzīšana īstajam darbiniekam

Tiklīdz dokumenta tekstu ir nolasījis atsevišķs rīks, Jev varētu palīdzēt klasificēt tā saturu: piegādes apstiprinājums, jautājums par izmaksām vai pretenzija. Tas varētu palīdzēt novirzīt darbus operatīvajai nodaļai vai administrācijai. Skenētas lapas nolasīšana un lēmuma pieņemšana par satura piederību ir atsevišķi soļi; šis piemērs attiecas uz otro soli.

Brīža izvēle, kad procesā jāiesaistās cilvēkam

Dažiem pieprasījumiem ir skaidrs nākamais solis. Citos ir nepilnīga informācija vai tie attiecas uz apstrīdētām izmaksām. Sistēma varētu izmantot novērtējumu, lai ieteiktu atbilstošu apstrādes gaitu, tostarp nodošanu pārbaudei cilvēkam. Labi izstrādāta sistēma ļautu viegli atrast un izlabot neskaidros gadījumus.

Ātrām atbildēm joprojām ir nepieciešama pārbaude

TypeSafe ziņo par ātruma un izmaksu priekšrocībām piemērotos uzdevumos. Šie izstrādātāja novērtējumi vēl nepierāda ieguvumus transporta uzņēmumam. Garantēts atbildes formāts arī nav tas pats, kas pareizs lēmums: modelis joprojām var izvēlēties nepareizo variantu.

Mūsu piedāvātajos transporta scenārijos tas nozīmē papildus reakcijas laikam pārbaudīt nepamanītus kavējumus, liekas eskalācijas un divdomīgus ziņojumus. Būtu arī jānovērtē, cik daudz konteksta nepieciešams katram lēmumam. Vārds “rīt” nozīmē maz, ja sistēmai nav zināms ziņojuma nosūtīšanas datums.

Kāpēc mēs LiteTMS testējam Jev

Mēs sekojam līdzi jaunajām tehnoloģijām un jau testējam dažādus scenārijus, kuros Jev varētu palīdzēt padarīt LiteTMS viedāku un noderīgāku uzņēmumiem. Iepriekš minētie piemēri iezīmē virzienus, kurus vērts izpētīt; tie nav pabeigtu integrāciju saraksts vai izmērīti rezultāti.

Mūsu mērķis ir praktisks: palīdzēt birojam pamanīt būtisko un tērēt mazāk pūļu informācijas šķirošanai pirms rīcības. Jebkuram lietojumam sava vieta ir jānopelna ar noderīgiem rezultātiem, skaidrām robežām un vienkāršu veidu, kā cilvēkam iejaukties procesā. Darbam attīstoties, mēs dalīsimies ar konkrētiem secinājumiem.

Avoti

• TypeSafe AI: Iepazīstinām ar System One modeļiem un Jev
• LangChain: Darba vides veidošana ar Jev
• Flavio Copes: Padziļināts ieskats Jev, TypeSafe System One modelī
• heise online: MI modelis “Jev”, lai mašīnas lemtu ātrāk

Biežāk uzdotie jautājumi

Ko Jev varētu sniegt transporta uzņēmumam?

Potenciālie lietojumi ietver ziņojumu šķirošanu, iespējamo pretrunu iezīmēšanu pasūtījumu informācijā un lietu novirzīšanu īstajam darbiniekam. Tie ir izvērtējami scenāriji, nevis garantēti rezultāti.

Vai Jev jau ir pieejams kā LiteTMS funkcija?

Mēs testējam iespējamos lietojuma veidus. Šis raksts nepaziņo par funkcijas izlaišanu klientiem vai ieviešanas datumu.

Vai Jev pieņemtu lēmumus dispečera vietā?

Šeit aprakstītie scenāriji atbalstītu dispečera darbu, izceļot svarīgāko informāciju un iesakot tās apstrādes veidu. Operatīvo saistību izmaiņām būtu nepieciešama atbilstoša pārbaude un cilvēka kontrole.