Mengapa Lean Solutions Group Bertaruh pada ‘Pakar dalam Lingkaran’

Mengapa Lean Solutions Group Bertaruh pada ‘Pakar dalam Lingkaran’

Matt Herr

Waktu baca 6 menit

Lean Solutions Group telah berkembang dari sekitar 700 karyawan pada tahun 2018 menjadi lebih dari 10.000 karyawan saat ini, tersebar di Kolombia, Guatemala, Filipina, dan seterusnya. Perusahaan membangun skala tersebut dengan memecahkan masalah yang lugas untuk pialang barang: mengurangi biaya per pengiriman dengan memindahkan fungsi back-office ke pasar tenaga kerja dekat pantai tempat ekonominya masuk akal.

Menurut CTO Alfonso Quijano, perhitungan yang mendorong pertumbuhan tersebut telah bergeser. Arbitrase biaya 40% yang awalnya menarik pialang ke Lean Solutions Group (LSG) tidak lagi cukup. Klien sekarang mendorong penghematan 60% atau 70%, dan mereka menginginkan keuntungan tersebut disampaikan tanpa mengganggu operasi. Di sinilah kecerdasan buatan masuk, meskipun tidak seperti yang diharapkan banyak orang di industri ini.

“AI sedang menjadi tren akhir-akhir ini, tetapi tidak banyak orang yang berbicara tentang hal nyata yang perlu terjadi di balik implementasi AI,” kata Quijano dalam wawancara dengan J.P. Hampstead, Editorial Director FreightWaves.

Argumen utama Quijano adalah bahwa logistik terlalu terfragmentasi dan terlalu bervariasi dalam prosesnya untuk produk AI tunggal melayani basis pelanggan yang luas tanpa penyesuaian yang signifikan. Sebelum LSG menstandarkan penawaran layanannya, perusahaan mendukung lebih dari 180 fungsi pekerjaan yang berbeda di seluruh industri transportasi dan logistik (banyak di antaranya adalah variasi kecil dari peran seperti lacak dan telusuri yang telah disesuaikan oleh pialang individu agar sesuai dengan alur kerja mereka sendiri).

Fragmentasi tersebut, kata Quijano, adalah yang menyebabkan solusi pertama AI dari luar industri gagal.

“Anda tidak dapat hanya membuat satu produk yang mencakup berbagai pelanggan tanpa perubahan,” katanya. “Masing-masing dari mereka memerlukan semacam penyesuaian dan implementasi khusus yang memecah adopsi produk skala luas.”

Ini adalah dinamika yang mencerminkan ketegangan kompetitif yang dinavigasi LSG di hari-hari awalnya, ketika pialang saingan yang menggunakan penyedia layanan yang sama menuntut jaringan terisolasi, ruang kerja bermerek, dan SOP yang terpisah untuk melindungi identitas operasional mereka. Naluri yang sama sekarang berlaku untuk penerapan AI.

“Kami memiliki buku pegangan untuk salah satu implementasi manajemen perubahan terbesar yang telah terjadi dalam industri dalam hal tenaga kerja,” kata Quijano. “Kami tahu bagaimana orang bekerja, dan bagaimana pekerjaan perlu berubah untuk secara efektif mengadopsi AI.”

Quijano blak-blakan tentang keterbatasan model bahasa besar dalam operasi logistik, terutama ketika perusahaan mencoba menerapkan alur kerja AI otonom sepenuhnya.

“Kemampuan untuk membuat keputusan penilaian berkualitas tinggi masih sangat jauh dari kenyataan,” katanya, menambahkan bahwa ketika pengecualian muncul dalam alur kerja otonom, biaya kesalahan yang tidak terdeteksi dapat merambat dari TMS melalui akuntansi dan hingga ke pelanggan.

Dia membandingkan masalah tersebut dengan kegagalan akal sehat: chatbot AI yang menyarankan seseorang untuk berjalan ke tempat cuci mobil daripada mengendarai mobil yang perlu dicuci. Anekdot tersebut, yang diambil dari tren internet viral, mengilustrasikan poin yang lebih luas bahwa keluaran AI bersifat probabilistik, bukan cerdas.

“AI tidak pintar secara default,” kata Quijano. “Ini adalah teknologi yang memperkirakan kata apa yang harus menjadi kata berikutnya berdasarkan input.”

Risikonya meningkat dalam skala. Ketika perusahaan menyerahkan volume pekerjaan yang besar ke agen AI otonom, menurut Quijano, mereka seringkali menghabiskan lebih banyak waktu untuk meninjau, memperbaiki, dan mengamandemen kesalahan daripada yang mereka hemat.

Kerangka kerja alternatif LSG menolak singkatan industri umum dari “manusia dalam lingkaran,” yang menurut Quijano bersifat reduktif.

“Manusia dalam lingkaran memiliki implikasi dari proses atau proses AI-termasuk yang cerdas yang perlu dijaga dan bahwa manusia hanya ada untuk memasukkan ‘setujui, setujui, setujui’,” katanya. “Itu bukan cara untuk melihatnya.”

Sebaliknya, LSG menggunakan istilah “pakar dalam lingkaran” untuk menggambarkan model di mana orang-orang yang sebelumnya melakukan tugas operasional dilatih sebagai spesialis yang bertanggung jawab untuk mengidentifikasi situasi outlier, mengajari AI untuk menangani skenario baru, menafsirkan metrik kinerja, dan memastikan keselarasan dengan SLA. Ini adalah perubahan substansial dalam deskripsi pekerjaan, bukan demosi ke penekan tombol.

Quijano menunjuk pada infrastruktur QA yang ada dari LSG sebagai fondasi model ini. LSG menggunakan tim sekitar 200 orang yang ditempatkan di seluruh akun klien, dan peran QA tersebut sedang dikerjakan ulang untuk mengaudit baik keluaran AI maupun manusia di akun dengan implementasi AI yang aktif.

“Ini adalah investasi yang perlu Anda lakukan untuk memastikan bahwa AI berfungsi, setidaknya untuk saat ini sampai Anda mencapai tingkat otonomi penuh,” katanya. “Tidak ada yang tahu, bahkan Jensen Huang dari NVIDIA atau Sam Altman, kapan AI akan menjadi sepenuhnya otonom.”

Melalui LeanTek AgentEdge dan LeanTek Connect, LSG meluncurkan kemampuan AI yang dirancang untuk bekerja secara proaktif bersama operator daripada menunggu untuk ditanya.

Perbedaan tersebut, jelas Quijano, adalah perbedaan antara operator yang melihat kesalahan dan mengirim tangkapan layar ke ChatGPT untuk analisis, dan pendamping AI yang menandai kesalahan secara real time saat pekerjaan sedang dilakukan.

“Bagaimana jika saat Anda membuat slide atau melakukan pekerjaan yang sebenarnya, itu dapat memberi tahu Anda, ‘hei, Anda membuat kesalahan di sini. Berikut adalah wawasan. Ini cara memperbaikinya,’” kata Quijano. “Bagi kami, itu adalah kecerdasan operasional.”

Visi tersebut adalah agar lapisan proaktif ini hidup di mana pun pekerjaan terjadi, baik itu di browser, di TMS, atau tertanam dalam alur kerja operasional harian. LSG berencana untuk menawarkan kepada klien kemampuan untuk menguji seberapa baik operasi mereka selaras dengan SOP dan deskripsi pekerjaan yang terdokumentasi, mengungkap peluang untuk memperkenalkan otomatisasi dalam proses manual yang kurang terlayani, dan menghubungkan wawasan langsung ke eksekusi.

Quijano memprediksi bahwa tantangan tenaga kerja berikutnya di industri logistik tidak akan terlihat seperti yang terakhir.

“Jika sebelumnya tekanan tenaga kerja adalah karena Anda hanya tidak dapat menemukan cukup orang untuk bertahan dalam melakukan lacak dan telusuri dan penjadwalan janji temu, saya pikir tekanan berikutnya adalah bahwa pekerjaan yang harus Anda lakukan untuk mendapatkan orang siap AI akan jauh lebih banyak daripada yang diperkirakan perusahaan,” katanya.

LSG, katanya, sudah melatih ribuan karyawan untuk mengisi kesenjangan itu. Perusahaan memposisikan dirinya bukan hanya sebagai penyedia tenaga kerja dekat pantai, tetapi sebagai jembatan antara operasi logistik warisan dan tenaga kerja yang ditingkatkan AI yang semakin membutuhkan operasi tersebut.

Dalam sesi ini, para ahli akan menguraikan di mana otomatisasi gagal, seperti apa kecerdasan operasional dalam praktiknya, dan bagaimana tim terkemuka menggabungkan AI dengan keahlian tertanam untuk mengeksekusi dengan percaya diri.