Jev: utforsking av raskere AI-beslutninger i transport

Oppdatering, 25. september 2026: Siden vi publiserte denne artikkelen, har vi tatt i bruk Jev i flere arbeidsflyter i LiteTMS. Les Jev AI i LiteTMS: her har vi tatt det i bruk for praktiske eksempler med sjåførmeldinger, stedsnavn, dataimport og chatoversettelse, samt en teknisk gjennomgang med JSON og Java.

Jev er en ny utvikling innen kunstig intelligens med et annet formål enn verktøyene de fleste først støter på. I en samtale med en AI-assistent stiller du et spørsmål og får et skriftlig svar, eller ber om hjelp til å utforme en e-post. Bak denne teksten ligger en stor språkmodell, ofte forkortet til LLM. Jev, utviklet av TypeSafe AI, er laget for å ta raske, snevert definerte beslutninger inne i programvare i stedet for å generere tekst.

For en transportbedrift kan det bety å hjelpe et system med å gjenkjenne hvilke meldinger som krever oppfølging, eller hvilke saker som bør sendes videre til et menneske. I LiteTMS tester vi allerede ulike scenarier for å se hvor denne tilnærmingen kan gjøre transportstyringssystemet vårt enda mer nyttig i det daglige arbeidet.

Hva Jev gjør, forklart på en enkel måte

Tenk på det som et sorteringsbord. Informasjon kommer inn, og programvaren må avgjøre hvor den hører hjemme. Jev mottar denne informasjonen og svarer på spørsmål med forhåndsdefinerte alternativer, poengsummer eller ja/nei-sannsynligheter. Den skriver ikke en samtale og forfatter ikke en e-post. LangChains introduksjon forklarer dette skillet og viser hvordan Jev kan fungere sammen med modeller som genererer tekst.

Her er et illustrerende transporteksempel: En sjåfør skriver: «Er fortsatt på lageret. De begynner ikke å laste før i morgen.» Et system kan spørre om meldingen beskriver en forsinkelse, og om den krever befrakterens oppmerksomhet. Jev gir en vurdering, og den omkringliggende programvaren avgjør hva som skal gjøres videre.

TypeSafe kaller dette en System One-modell: kunstig intelligens bygget for raske beslutninger som programvare kan utnytte direkte. Jev er i tidlig tilgang. Det tiltalende for oss er muligheten til å legge inn små, nyttige vurderinger rett i arbeidsflyten, uten at noen trenger å åpne en ny chat.

Hvor det kan hjelpe på et transportkontor

Dette er potensielle bruksområder, ikke en kunngjøring om lanserte Jev-funksjoner i LiteTMS.

Løfte frem viktige meldinger

En forsinkelse ved lasting, en endret leveringsadresse og en rutinemessig ankomstbekreftelse krever ulik oppfølging. En modell kan bidra til å sortere innkommende meldinger etter tema og hastegrad, slik at potensielle problemer løftes frem for kontoret. Den avgjørende testen vil være om den fanger opp viktige avvik uten å oversvømme skjermen med unødvendige varsler.

Oppdage saker som krever avklaring

Tenk deg at en ordre har et lossetidsvindu om formiddagen, mens en senere kundemelding nevner ettermiddagen. En vurdering kan flagge en mulig konflikt for gjennomgang. Den bør henvise befrakteren tilbake til den relevante informasjonen, og la den avtalte leveringstiden stå uendret til noen har kontrollert den.

Rute dokumenter til rett person

Når dokumenttekst først er lest inn av et eget verktøy, kan Jev bidra til å kategorisere innholdet: en leveringsbekreftelse, et spørsmål om et gebyr eller en reklamasjon. Dette kan bidra til å styre oppgavene videre til drift eller administrasjon. Å lese en skannet side og å avgjøre hvor innholdet hører hjemme er to separate trinn; dette eksempelet gjelder det andre.

Avgjøre når et menneske bør ta over

Enkelte henvendelser har et opplagt neste steg. Andre inneholder ufullstendig informasjon eller gjelder en omstridt kostnad. Et system kan bruke en vurdering til å foreslå riktig behandlingsmåte, inkludert manuell vurdering. En hensiktsmessig utforming gjør det enkelt å finne og korrigere usikre tilfeller.

Raske svar må fortsatt kontrolleres

TypeSafe rapporterer om fordeler med hensyn til hastighet og kostnader på egnede oppgaver. Leverandørens egne målinger dokumenterer likevel ikke hva en transportbedrift faktisk vil oppnå. Et garantert svarformat er dessuten noe annet enn en korrekt beslutning: modellen kan fremdeles velge feil alternativ.

For våre foreslåtte transportscenarioer betyr det at vi må kontrollere oversette forsinkelser, unødige eskaleringer og tvetydige meldinger, i tillegg til responstid. Vi må også vurdere hvor mye kontekst hver beslutning krever. «I morgen» betyr lite dersom systemet ikke kjenner datoen meldingen ble sendt.

Hvorfor vi tester Jev hos LiteTMS

Vi holder oss oppdatert på ny teknologi og tester allerede ulike scenarioer der Jev kan bidra til å gjøre LiteTMS smartere og mer nyttig for bedriftene. Eksemplene over beskriver retninger som er verdt å utforske; de er ikke en liste over ferdige integrasjoner eller dokumenterte resultater.

Målet vårt er praktisk: hjelpe kontoret med å fange opp det som betyr noe, og bruke mindre tid på å sortere informasjon før man kan handle. Enhver løsning må gjøre seg fortjent til plassen gjennom nyttige resultater, klare begrensninger og en enkel måte for et menneske å gripe inn på. Vi vil dele konkrete funn etter hvert som dette arbeidet utvikler seg.

Kilder

• 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

Ofte stilte spørsmål

Hva kan Jev gjøre for et transportselskap?

Potensielle bruksområder omfatter sortering av meldinger, varsling om mulige konflikter i ordreinformasjon og ruting av saker til rett person. Dette er scenarioer som skal vurderes, ikke garanterte resultater.

Er Jev allerede tilgjengelig som en funksjon i LiteTMS?

Vi tester mulige bruksområder. Denne artikkelen er ingen lansering for kunder eller en kunngjøring av en lanseringsdato.

Vil Jev ta beslutninger i stedet for en befrakter?

Scenarioene som beskrives her, vil støtte befrakterens arbeid ved å løfte frem informasjon og foreslå hvordan den bør håndteres. Endringer i operative forpliktelser vil kreve grundig kontroll og menneskelig styring.