‘전문가 루프’에 베팅하는 리안 솔루션 그룹의 이유

‘전문가 루프’에 베팅하는 리안 솔루션 그룹의 이유

맷 허

6분 읽기

리안 솔루션 그룹은 2018년 약 700명의 직원에서 오늘날 1만 명 이상으로 성장했으며, 콜롬비아, 과테말라, 필리핀 등을 포함한 여러 지역에 걸쳐 있습니다. 이 회사는 운송 중개업체를 위한 간단한 문제 해결을 통해 이러한 규모를 구축했습니다. 즉, 근해 노동 시장으로 백오피스 기능을 이전하여 경제적으로 더 합리적인 곳으로 부하당 비용을 줄이는 것입니다.

CTO 알폰소 키하노에 따르면 이러한 성장을 이끌었던 계산법이 바뀌었습니다. 원래 리안 솔루션 그룹(LSG)에 중개업체를 끌어들인 40%의 비용 차익은 더 이상 충분하지 않습니다. 고객은 이제 운영을 방해하지 않고도 60% 또는 70%의 절감을 원합니다. 이것이 인공지능이 등장하는 지점이지만, 업계의 많은 사람들이 예상하는 방식과는 다릅니다.

“최근 AI가 유행하고 있지만, AI 구현 뒤에 실제로 일어나야 할 일에 대해 이야기하는 사람은 많지 않습니다.” 키하노는 FreightWaves 편집국장 J.P. 햄프스테드와의 인터뷰에서 말했습니다.

키하노의 핵심 주장은 물류가 너무 파편화되어 있고 프로세스가 너무 다양하여 단일 AI 제품이 상당한 맞춤 설정 없이 광범위한 고객 기반을 지원할 수 없다는 것입니다. LSG가 서비스 제공을 표준화하기 전에는 운송 및 물류 산업 전반에 걸쳐 180개 이상의 뚜렷한 직무 기능을 지원했습니다(개별 중개업체가 자체 워크플로에 맞게 조정된 추적 및 추적과 같은 역할의 많은 변형).

키하노는 이 파편화가 외부 산업의 AI 우선 솔루션이 실패하는 정확한 이유라고 말합니다.

“고객 각각의 요구 사항에 맞게 수정 및 맞춤 구현이 필요한 수정이 없으면 광범위한 제품 채택을 만들 수 없습니다.”라고 그는 말했습니다. “각각은 어떤 종류의 수정 및 맞춤 구현이 필요하며, 이는 광범위한 제품 채택을 깨뜨립니다.”

이는 LSG가 초기 단계에서 동일한 서비스 제공업체를 공유하는 경쟁 중개업체가 운영 정체성을 보호하기 위해 방화벽 네트워크, 브랜드 워크스페이스 및 격리된 SOP를 요구했던 초기 경쟁 긴장을 헤쳐나간 것과 유사한 역학 관계입니다. 동일한 본능이 이제 AI 배포에도 적용됩니다.

“우리는 업계에서 가장 광범위한 작업력 변경 관리를 위한 플레이북을 보유하고 있습니다.” 키하노는 말했습니다. “사람들이 어떻게 일하는지, 그리고 AI를 효과적으로 채택하기 위해 작업이 어떻게 변경되어야 하는지 알고 있습니다.”

키하노는 회사가 완전 자율 AI 워크플로를 배포하려고 할 때 물류 운영에서 대규모 언어 모델의 한계를 솔직하게 밝혔습니다.

“좋은 고품질 판단을 내릴 수 있는 능력은 여전히 현실에서 상당히 떨어져 있습니다.” 그는 TMS를 통해 회계 및 고객까지 오류가 감지되지 않은 상태로 캐스케이드될 수 있는 자율 워크플로에서 예외가 발생할 때 비용이 급증할 수 있다고 덧붙였습니다.

그는 이를 상식의 실패에 비유했습니다. AI 챗봇이 누군가에게 세탁할 차를 운전하는 대신 세차장으로 걸어갈 것을 조언하는 것입니다. 바이럴 인터넷 트렌드에서 나온 일화는 AI의 출력이 지능이 아닌 확률적이라는 그의 더 넓은 주장을 설명했습니다.

“AI는 기본적으로 똑똑하지 않습니다.” 키하노는 말했습니다. “입력을 기반으로 다음 단어가 무엇이어야 하는지 추정하는 기술입니다.”

위험은 규모가 커질수록 더욱 심화됩니다. 키하노에 따르면 회사가 자율 AI 에이전트에 많은 양의 작업을 넘겨주면 종종 오류를 검토, 수정 및 수정하는 데 시간을 훨씬 더 많이 소비하게 됩니다.

LSG의 대안 프레임워크는 키하노가 단순화된 것으로 보는 "루프 내 인간"이라는 업계의 일반적인 약어를 거부합니다.

“루프 내 인간은 프로세스나 AI가 보호가 필요하고 인간이 단순히 '승인, 승인, 승인'을 입력하는 매우 스마트한 프로세스나 AI 포함 프로세스를 암시합니다.” 그는 말했습니다. “그렇게 보는 것은 아닙니다.”

대신 LSG는 이전에 운영 작업을 수행했던 사람들이 이상 상황을 식별하고 AI가 새로운 시나리오를 처리하도록 가르치고 성능 지표를 해석하고 SLA와 일치하는 것을 책임지는 전문가를 설명하는 "루프 내 전문가"라는 용어를 사용합니다. 이는 하향 조정이 아닌 직무 설명의 실질적인 변화입니다.

키하노는 LSG의 기존 QA 인프라가 이 모델의 기반이라고 지적했습니다. LSG는 고객 계정에 배포된 약 200명의 팀을 사용하며, 이러한 QA 역할은 AI 구현이 활성화된 계정에서 AI와 인간의 출력을 모두 감사하도록 재작업되고 있습니다.

“AI가 작동하도록 보장하기 위해 투자해야 할 투자입니다. 적어도 완전한 자율성을 달성할 때까지입니다.” 그는 말했습니다. “NVIDIA의 Jensen Huang이나 Sam Altman조차 AI가 완전히 자율적이 될 때를 알지 못합니다.”

LeanTek AgentEdge 및 LeanTek Connect를 통해 LSG는 운영자와 쿼리 대기 대신 적극적으로 함께 작동하도록 설계된 AI 기능을 출시하고 있습니다.

키하노는 설명에 따르면 운영자가 오류를 발견하고 분석을 위해 ChatGPT에 스크린샷을 보내는 것과 작업이 수행되는 동안 실시간으로 오류를 플래그하는 AI 동반자의 차이점입니다.

“슬라이드를 만들거나 실제 작업을 수행하는 동안 '이봐요, 여기 실수를 했어요. 통찰력은 다음과 같습니다. 수정하는 방법은 다음과 같습니다.'라고 말할 수 있다면, 그것이 우리에게 운영 지능입니다.” 키하노는 말했습니다.

이러한 사전 예방 계층은 브라우저, TMS 또는 일상적인 운영 워크플로에 포함된 곳에서든 작업이 발생하는 곳에 존재할 것이라는 비전입니다. LSG는 고객에게 문서화된 SOP 및 직무 설명과 운영의 일치 정도를 테스트하고, 지원되지 않는 수동 프로세스에서 자동화 기회를 파악하고, 통찰력을 실행에 직접 연결하는 기능을 제공할 계획입니다.

키하노는 물류 산업의 다음 인력 과제가 이전 과제와는 다를 것이라고 예측합니다.

“이전에는 추적 및 약속 예약과 같은 작업을 수행하기 위해 충분한 인력을 찾는 데 어려움이 있었지만, 다음에는 AI를 준비하기 위해 사람들을 훈련하는 데 필요한 작업이 회사들이 예상하는 것보다 훨씬 더 많을 것입니다.” 그는 말했습니다.

LSG는 이미 수천 명의 직원을 훈련하여 이 격차를 메우고 있습니다. 이 회사는 단순한 근해 인력 제공업체가 아니라 레거시 물류 운영과 점점 더 필요하게 될 AI 증강 인력 간의 다리 역할을 하는 위치를 점하고 있습니다.

이 세션에서는 자동화가 실패하는 지점을 분석하고, 운영 지능이 실제로 어떻게 보이는지 살펴보고, 선두 팀이 AI와 내장된 전문 지식을 결합하여 자신 있게 실행하는 방법을 알아봅니다.