Warum Lean Solutions Group auf „Experten im Loop“ setzt

Warum Lean Solutions Group auf „Experten im Loop“ setzt

Matt Herr

6-minütige Lektüre

Lean Solutions Group ist von etwa 700 Mitarbeitern im Jahr 2018 auf über 10.000 heute gewachsen, verteilt auf Kolumbien, Guatemala, die Philippinen und darüber hinaus. Das Unternehmen hat diese Skalierung erreicht, indem es ein einfaches Problem für Frachtbroker gelöst hat: die Reduzierung der Kosten pro Ladung durch Verlagerung von Back-Office-Funktionen in Nearshore-Arbeitsmärkte, wo die Wirtschaftlichkeit besser war.

Laut CTO Alfonso Quijano hat sich die Berechnung, die dieses Wachstum ermöglichte, verschoben. Die 40 % Kostenersparnis, die ursprünglich Broker zu Lean Solutions Group (LSG) lockte, sind nicht mehr ausreichend. Kunden fordern nun 60 % oder 70 % Einsparungen und wollen diese Gewinne erzielt haben, ohne den Betrieb zu stören. Hier kommt künstliche Intelligenz ins Spiel, wenn auch nicht in der Weise, wie es viele in der Branche erwarten würden.

„KI ist in letzter Zeit sehr gefragt, aber es gibt nicht viele, die über die eigentlichen Dinge sprechen, die hinter KI-Implementierungen passieren müssen“, sagte Quijano in einem Interview mit FreightWaves’ Editorial Director, J.P. Hampstead.

Quijanos zentrales Argument ist, dass die Logistik zu fragmentiert und in ihren Prozessen zu unterschiedlich ist, als dass ein einzelnes KI-Produkt einen breiten Kundenstamm ohne erhebliche Anpassung bedienen könnte. Bevor LSG sein Dienstleistungsangebot standardisierte, unterstützte das Unternehmen mehr als 180 verschiedene Arbeitsfunktionen in der Transport- und Logistikbranche (viele davon kleinere Variationen von Rollen wie Sendungsverfolgung und Terminplanung, die einzelne Broker an ihre eigenen Arbeitsabläufe angepasst hatten).

Diese Fragmentierung, so Quijano, ist genau das, was KI-first-Lösungen von außerhalb der Branche zum Scheitern bringt.

„Man kann nicht einfach ein Produkt erstellen, das eine breite Palette unterschiedlicher Kunden abdeckt, ohne Änderungen vorzunehmen“, sagte er. „Jeder von ihnen erfordert eine Art von Anpassung und benutzerdefinierter Implementierung, die eine flächendeckende Produktakzeptanz verhindert.“

Es ist eine Dynamik, die die Wettbewerbsspannung widerspiegelt, mit der LSG in seinen frühen Tagen konfrontiert war, als rivalisierende Broker, die denselben Dienstleister nutzten, Firewalled-Netzwerke, markenspezifische Arbeitsbereiche und Silos für SOPs forderten, um ihre betrieblichen Identitäten zu schützen. Derselbe Instinkt gilt nun auch für KI-Implementierungen.

„Wir verfügen über ein Regelwerk für eine der größten Change-Management-Implementierungen, die die Branche in Bezug auf Arbeitskräfte gesehen hat“, sagte Quijano. „Wir wissen, wie Menschen arbeiten und wie die Arbeit geändert werden muss, um KI effektiv zu übernehmen.“

Quijano war direkt über die Einschränkungen großer Sprachmodelle in Logistikoperationen, insbesondere wenn Unternehmen versuchen, vollständig autonome KI-Workflows einzusetzen.

„Die Fähigkeit, gute, hochwertige Entscheidungen zu treffen, ist immer noch weit von der Realität entfernt“, sagte er und fügte hinzu, dass die Kosten für nicht erkannte Fehler in einem autonomen Workflow vom TMS über die Buchhaltung bis hin zum Kunden eskalieren können, wenn Ausnahmen auftreten.

Er verglich das Problem mit einem gesundem Menschenverstand-Fehler: ein KI-Chatbot rät jemandem, mit dem Auto zur Autowäsche zu fahren, anstatt mit dem Auto, das gewaschen werden muss. Die Anekdote, die aus einem viralen Internet-Trend stammt, veranschaulichte seinen breiteren Punkt, dass die KI-Ausgabe probabilistisch und nicht intelligent ist.

„KI ist nicht standardmäßig intelligent“, sagte Quijano. „Es ist eine Technologie, die schätzt, welches Wort als nächstes kommen sollte, basierend auf der Eingabe.“

Die Risiken verstärken sich im großen Maßstab. Wenn Unternehmen große Mengen an Arbeit an autonome KI-Agenten übergeben, verbringen sie laut Quijano oft mehr Zeit damit, Fehler zu überprüfen, zu korrigieren und zu ändern, als sie durch Automatisierung gespart haben.

LSGs alternative Rahmenwerk lehnt die gängige Branchenabkürzung „Mensch im Loop“ ab, die Quijano als reduzierend ansieht.

„Mensch im Loop hat die Implikation eines sehr intelligenten Prozesses oder eines KI-integrierten Prozesses, der Babysitting benötigt, und dass Menschen nur da sind, um ‚genehmigen, genehmigen, genehmigen‘ einzugeben“, sagte er. „Das ist nicht die Art und Weise, wie man es betrachten sollte.“

Stattdessen verwendet LSG den Begriff „Experten im Loop“, um ein Modell zu beschreiben, bei dem die Personen, die zuvor operative Aufgaben ausgeführt haben, zu Spezialisten ausgebildet werden, die für die Identifizierung von Ausreißersituationen, das Lehren der KI, neue Szenarien zu bewältigen, die Interpretation von Leistungsmetriken und die Sicherstellung der Übereinstimmung mit SLAs verantwortlich sind. Es handelt sich um eine substanzielle Änderung der Stellenbeschreibung, nicht um eine Herabstufung zum Knopfdrücker.

Quijano wies auf LSGs bestehende QA-Infrastruktur als Grundlage für dieses Modell hin. LSG verwendet ein Team von etwa 200 Personen, die über Client-Konten verteilt sind, und diese QA-Rollen werden um die Überprüfung sowohl der KI- als auch der menschlichen Ausgaben in Konten mit aktiven KI-Implementierungen neu gestaltet.

„Es ist eine Investition, die Sie tätigen müssen, um sicherzustellen, dass die KI funktioniert, zumindest vorerst, bis Sie dieses Niveau der vollständigen Autonomie erreichen“, sagte er. „Niemand weiß, nicht einmal Jensen Huang von NVIDIA oder Sam Altman, wann die KI vollständig autonom sein wird.“

Durch LeanTek AgentEdge und LeanTek Connect führt LSG KI-Funktionen ein, die darauf ausgelegt sind, proaktiv zusammen mit den Betreibern zu arbeiten, anstatt auf Abfragen zu warten.

Der Unterschied, erklärte Quijano, liegt zwischen einem Betreiber, der einen Fehler entdeckt und einen Screenshot an ChatGPT zur Analyse sendet, und einem KI-Begleiter, der Fehler in Echtzeit während der Ausführung der Arbeit kennzeichnet.

„Was wäre, wenn es während des Erstellens der Folie oder während der eigentlichen Arbeit sagen könnte: ‚Hey, Sie haben hier einen Fehler gemacht. Hier sind die Erkenntnisse. So können Sie ihn korrigieren‘“, sagte Quijano. „Das ist für uns operative Intelligenz.“

Die Vision ist, dass diese proaktive Ebene dort stattfindet, wo die Arbeit stattfindet, sei es im Browser, im TMS oder in den täglichen operativen Workflow eingebettet. LSG plant, Kunden die Möglichkeit zu bieten, zu testen, wie gut ihre Abläufe mit dokumentierten SOPs und Stellenbeschreibungen übereinstimmen, Möglichkeiten zur Einführung von Automatisierung in unterversorgten manuellen Prozessen aufzudecken und Erkenntnisse direkt mit der Ausführung zu verbinden.

Quijano sagt voraus, dass die nächste Herausforderung für die Logistikbranche nicht wie die letzte aussehen wird.

„Wenn es vorher ein Fachkräftemangel gab, weil man einfach nicht genug Leute finden konnte, die bei der Sendungsverfolgung und Terminplanung blieben, denke ich, dass der nächste Engpass darin bestehen wird, dass die Arbeit, die man tun muss, um Menschen auf KI vorzubereiten, so viel größer sein wird, als die Unternehmen antizipieren“, sagte er.

LSG positioniert sich selbst, so Quijano, nicht nur als Nearshore-Personalvermittler, sondern als die Brücke zwischen den Legacy-Logistikoperationen und der KI-erweiterten Belegschaft, die diese Operationen zunehmend erfordern werden.

In dieser Sitzung werden Experten erläutern, wo Automatisierung versagt, wie operative Intelligenz in der Praxis aussieht und wie führende Teams KI mit eingebetteter Expertise kombinieren, um mit Zuversicht zu arbeiten.