なぜLean Solutions Groupは「ループ内エキスパート」に賭けているのか

なぜリーン・ソリューションズ・グループは「ループ内エキスパート」に賭けているのか

マット・ハァー

6 分読み

リーン・ソリューションズ・グループは、2018 年にはおよそ 700 人の従業員から、今日ではコロンビア、グアテマラ、フィリピン、そしてそれらを超えて 10,000 人以上に成長しました。同社は、フレート・ブローカー企業向けの荷物あたりのコストを削減するために、バックオフィス機能をニアショア労働市場に移行するという、シンプルな問題を解決することで、この規模を築き上げました。ニアショア労働市場では、経済的により理にかなっていました。

CTO のアルフォンソ・キハーノ氏によると、その成長を支えた計算方法は変化しています。元々、フレート・ブローカー企業をリーン・ソリューションズ・グループ (LSG) に惹きつけた 40% のコスト・アービトラージだけではもはや十分ではありません。クライアントは今、業務を混乱させることなく、60% または 70% の節約を求めています。それが人工知能 (AI) が登場する場面です。ただし、業界の多くの人が予想するような方法ではありません。

「AI は最近、非常に人気がありますが、AI 実装の背後で実際に起こるべきことについて話している人は多くありません」とキハーノ氏は、FreightWaves の編集ディレクターである J.P. Hampstead 氏とのインタビューで述べています。

キハーノ氏の中心的な主張は、物流は細分化されており、プロセスも多様であるため、単一の AI 製品が、大きなカスタマイズなしに幅広い顧客基盤にサービスを提供することはできないということです。LSG がサービス提供を標準化する前に、同社は輸送および物流業界の 180 種類以上の職務をサポートしていました (その多くは、個々のブローカー企業が独自のワークフローに合わせて調整したトラック＆トレースのような役割のわずかなバリエーションでした)。

キハーノ氏によると、その細分化こそが、業界外からの AI 優先ソリューションがうまくいかない原因です。

「幅広い顧客をカバーする単一の製品を作成するだけでは、変更なしでは不可能です」と彼は述べています。「それぞれに何らかの種類の調整とカスタム実装が必要であり、大規模な製品の採用を妨げます。」

これは、LSG が初期の頃に競争的な緊張を乗り越えた状況を反映しています。同じサービスプロバイダーを共有する競合ブローカー企業は、独自の運用アイデンティティを保護するために、ファイアウォールされたネットワーク、ブランド化されたワークスペース、サイロ化された SOP を要求しました。同じ本能が、今や AI の導入にも当てはまります。

「当社は、業界で最も大規模な従業員規模の変更管理の実装のためのプレイブックを保持しています」とキハーノ氏は述べています。「私たちは、人々がどのように働き、AI を効果的に採用するために仕事がどのように変化する必要があるかを理解しています。」

キハーノ氏は、特に企業が完全に自律型の AI ワークフローを導入しようとする際に、物流業務における大規模言語モデルの制限について率直に述べています。

「優れた高品質の判断を下す能力は、まだ現実から遠いところです」と彼は述べています。自律型ワークフローで例外が発生した場合、TMS から会計、そして顧客まで、検出されないエラーのコストが波及する可能性があると彼は付け加えています。

彼は、この問題を常識の欠如に例えています。AI チャットボットが、洗車が必要な車を運転するのではなく、車を洗うために歩くようにアドバイスすることです。この逸話は、インターネットのトレンドから引用されたものであり、AI の出力は確率的であり、知的ではないという彼のより広範なポイントを説明しています。

「AI はデフォルトで賢くありません」とキハーノ氏は述べています。「それは、入力に基づいて次の単語を予測する技術です。」

リスクは規模が大きくなるにつれて増幅されます。キハーノ氏によると、企業が大量の作業を自律型の AI エージェントに委ねると、多くの場合、節約した時間よりも、レビュー、修正、およびエラーの修正に費やす時間が増えることになります。

LSG の代替フレームワークは、「ループ内ヒューマン」という業界の一般的な略語を拒否しています。キハーノ氏は、この表現は、バベッティングを必要とするスマートなプロセスや AI を含めたプロセスを示唆しており、人間は単に「承認、承認、承認」を入力するだけであるという還元的な意味合いがあると考えています。彼は、そう見るべきではありません。

代わりに、LSG は「ループ内エキスパート」という用語を使用して、以前に運用タスクを実行していた人々が、外れ値の状況を特定し、AI に新しいシナリオを処理する方法を教え、パフォーマンス指標を解釈し、SLA との整合性を確保する責任を負う専門家として訓練されるモデルを説明しています。これは、ボタンを押す人への降格ではなく、職務記述の重要な変更です。

キハーノ氏は、LSG の既存の QA インフラストラクチャが、このモデルの基盤であると指摘しています。LSG は、クライアントアカウントに配置されたおよそ 200 人のチームを使用しており、これらの QA 役割は、AI と人間の両方の出力を監査するために、AI の実装がアクティブなアカウントで再構築されています。

「AI が機能するように、少なくとも完全な自律性を達成するまで、投資する必要があるものです」と彼は述べています。「AI が完全に自律的になるのはいつなのか、NVIDIA の Jensen Huang や Sam Altman でさえ知りません。」

LeanTek AgentEdge と LeanTek Connect を通じて、LSG は、クエリされるのを待つのではなく、積極的にオペレーターと一緒に動作するように設計された AI 機能のリリースを開始しています。

キハーノ氏は、この違いは、間違いを発見して ChatGPT に分析するためのスクリーンショットを送信するオペレーターと、作業中にリアルタイムでエラーをフラグし、修正方法に関する洞察を提供する AI コンパニオンとの違いであると説明しています。

「スライドの作成や実際の作業をしているときに、そこに間違いがある場合に、どのように修正できるかについての洞察とともに、それを教えてくれるとしたらどうでしょうか」とキハーノ氏は述べています。「それは、私たちにとってオペレーションインテリジェンスです。」

この積極的なレイヤーは、ブラウザ内、TMS 内、または日々の運用ワークフローに組み込まれている場所など、作業が行われる場所で機能するようになるというビジョンです。LSG は、クライアントが自社の業務が文書化された SOP および職務記述とどの程度一致しているかをテストする機能、未対応のマニュアルプロセスで自動化の機会を特定する機能、および洞察を直接実行に接続する機能を提供することを目指しています。

キハーノ氏は、物流業界の次の労働力に関する課題は、前回とは異なって見えると予測しています。

「以前の才能不足は、トラック＆トレースやアポイントメントのスケジュールを維持するために十分な人が周りにいなかったことが原因でしたが、次の不足は、人々を AI 準備にするために取り組まなければならない仕事が、企業が予想するよりもはるかに多くなることです」と彼は述べています。

LSG は、そのギャップを埋めるために、すでに数千人の従業員を訓練していると述べています。同社は、ニアショアの人材提供業者としてだけでなく、レガシー物流業務と、それらの業務がますます必要とする AI 拡張された労働力の間の架け橋としての地位を確立することを目指しています。

このセッションでは、自動化がどこで失敗するか、運用インテリジェンスが実際にどのようなものか、そして主要なチームが AI と組み込みの専門知識を組み合わせて自信を持って実行する方法を専門家が解説します。