Dlaczego Lean Solutions Group Stawia na „Ekspertów w Pętli”

Dlaczego Lean Solutions Group Stawia na „Ekspertów w Pętli”

Matt Herr

6 minut czytania

Lean Solutions Group rozrosła się z około 700 pracowników w 2018 roku do ponad 10 000 dziś, rozproszonych w Kolumbii, Gwatemali, na Filipinach i poza nimi. Firma osiągnęła taką skalę, rozwiązując proste zadanie dla brokerów frachtowych: obniżenie kosztu ładunku poprzez przeniesienie funkcji back-office do rynków pracy w pobliżu, gdzie ekonomia miała więcej sensu.

Według dyrektora ds. technologii Alfonso Quijano, rachunek, który napędzał ten wzrost, uległ zmianie. Arbitraż kosztów w wysokości 40%, który pierwotnie przyciągnął brokerów do Lean Solutions Group (LSG), nie jest już wystarczający. Klienci teraz naciskają na oszczędności w wysokości 60% lub 70%, i oczekują, że te zyski zostaną osiągnięte bez zakłócania działalności. Właśnie wtedy wchodzi sztuczna inteligencja, choć nie w sposób, w jaki wielu w branży by się tego spodziewało.

„Sztuczna inteligencja jest obecnie bardzo modna, ale niewiele osób mówi o prawdziwych rzeczach, które muszą się wydarzyć za implementacjami sztucznej inteligencji” – powiedział Quijano w wywiadzie z J.P. Hampstead, dyrektorem redakcyjnym FreightWaves.

Centralnym argumentem Quijano jest to, że logistyka jest zbyt podzielona i zbyt zróżnicowana w swoich procesach, aby jakikolwiek pojedynczy produkt AI mógł służyć szerokiej bazie klientów bez znacznego dostosowania. Zanim LSG ustandaryzowała swoje oferty usługowe, firma wspierała ponad 180 odrębnych funkcji zawodowych w branży transportowej i logistycznej (wiele z nich to drobne wariacje na temat ról takich jak śledzenie i lokalizacja, które poszczególni brokerzy dostosowali do własnych przepływów pracy).

Quijano twierdzi, że to właśnie ta fragmentacja powoduje, że rozwiązania AI-first od firm zewnętrznych zawieszają się.

„Nie można po prostu stworzyć jednego produktu, który obejmuje szeroki zestaw różnych klientów bez zmian” – powiedział. „Każdy z nich wymaga jakiegoś rodzaju poprawek i niestandardowej implementacji, która uniemożliwia szeroką adopcję produktu.”

Jest to dynamika, która odzwierciedla konkurencyjną napięcie, z jakim LSG borykało się we wczesnych dniach, kiedy rywalizujący brokerzy korzystający z tego samego dostawcy usług żądali sieci firewalled, obszarów roboczych z marką i silosów SOP, aby chronić swoje tożsamości operacyjne. Ta sama intuicja dotyczy teraz wdrożeń AI.

„Posiadamy podręcznik dla jednej z największych implementacji zarządzania zmianą, jakie branża widziała pod względem sił roboczej” – powiedział Quijano. „Wiemy, jak ludzie pracują i jak praca musi się zmienić, aby skutecznie wdrożyć sztuczną inteligencję.”

Quijano był otwarty na ograniczenia dużych modeli językowych w operacjach logistycznych, zwłaszcza gdy firmy próbują wdrożyć w pełni autonomiczne przepływy pracy AI.

„Jego zdolność do podejmowania dobrych, wysokiej jakości decyzji oceniających jest wciąż bardzo daleko od rzeczywistości” – powiedział, dodając, że gdy pojawiają się wyjątki w autonomicznym przepływie pracy, koszt niewykrytych błędów może rozprzestrzenić się od TMS przez księgowość i aż do klienta.

Podobieństwo do awarii zdrowego rozsądku: chatbot AI radzi komuś, aby poszedł na mycie samochodu, zamiast jechać samochodem, który wymaga mycia. Anegdota, zaczerpnięta z wirusowego trendu w internecie, zilustrowała jego szerszy punkt widzenia, że ​​wyjście AI jest probabilistyczne, a nie inteligentne.

„Sztuczna inteligencja nie jest inteligentna domyślnie” – powiedział Quijano. „To technologia, która szacuje, jakie powinno być następne słowo w oparciu o dane wejściowe.”

Ryzyko kumuluje się na dużą skalę. Kiedy firmy przekazują duże ilości pracy autonomicznym agentom AI, według Quijano, często spędzają znacznie więcej czasu na przeglądaniu, korygowaniu i poprawianiu błędów, niż zaoszczędzili.

Alternatywna ramka LSG odrzuca powszechny skrót w branży „człowiek w pętli”, który Quijano uważa za redukcjonistyczny.

„Człowiek w pętli ma implikację, że jest to bardzo inteligentny proces lub proces AI-included, który wymaga opieki, a ludzie są tam tylko po to, aby zatwierdzić, zatwierdzić, zatwierdzić” – powiedział. „To nie jest sposób na to, żeby na to patrzeć.”

Zamiast tego LSG używa terminu „eksperci w pętli”, aby opisać model, w którym osoby, które wcześniej wykonywały zadania operacyjne, są szkolone jako specjaliści odpowiedzialni za identyfikowanie nietypowych sytuacji, uczenie AI, jak radzić sobie z nowymi scenariuszami, interpretowanie wskaźników wydajności i zapewnianie zgodności z SLA. To znacząca zmiana w opisie stanowiska, a nie degradacja do naciśkania przycisków.

Quijano wskazał na istniejącą infrastrukturę QA LSG jako podstawę tego modelu. LSG wykorzystuje zespół składający się z około 200 osób rozmieszczonych w kontach klientów, a te role QA są przeprojektowywane, aby audytować zarówno wyjście AI, jak i wyjście człowieka w kontach z aktywnymi implementacjami AI.

„To inwestycja, którą musisz zrobić, aby zapewnić, że sztuczna inteligencja działa, przynajmniej na razie, dopóki nie osiągniesz tego poziomu pełnej autonomii” – powiedział. „Nikt nie wie, nawet Jensen Huang z NVIDIA ani Sam Altman, kiedy sztuczna inteligencja stanie się w pełni autonomiczna.”

Za pośrednictwem LeanTek AgentEdge i LeanTek Connect, LSG wprowadza możliwości AI zaprojektowane do pracy proaktywnie u boku operatorów, a nie czekania na zapytanie.

Quijano wyjaśnił, że rozróżnienie polega na różnicy między operatorem, który zauważa błąd i wysyła zrzut ekranu do ChatGPT w celu analizy, a towarzyszem AI, który na bieżąco sygnalizuje błędy podczas wykonywania pracy.

„Co, jeśli podczas budowania slajdu lub wykonywania rzeczywistej pracy, mógłby ci powiedzieć: „hej, popełniłeś tu błąd. Oto spostrzeżenia. Oto jak możesz to naprawić?” – powiedział Quijano. „Dla nas to inteligencja operacyjna.”

Wizja polega na tym, aby ta proaktywna warstwa znajdowała się tam, gdzie wykonywana jest praca, niezależnie od tego, czy jest to w przeglądarce, w TMS, czy osadzona w codziennym przepływie pracy operacyjnej. LSG planuje zaoferować klientom możliwość przetestowania, jak dobrze ich operacje są zgodne z udokumentowanymi SOP i opisami stanowisk, ujawniania możliwości wprowadzenia automatyzacji w niedostatecznie obsadzonych procesach ręcznych oraz łączenia spostrzeżeń bezpośrednio z realizacją.

Quijano przewiduje, że kolejne wyzwanie kadrowe w branży logistycznej nie będzie wyglądać jak ostatnie.

„Jeśli wcześniej niedobór talentów wynikał z faktu, że po prostu nie można było znaleźć wystarczającej liczby osób, które utrzymają się przy śledzeniu i planowaniu spotkań, to myślę, że kolejne niedobory będą wynikały z tego, że praca, którą będziesz musiał wykonać, aby przygotować ludzi do AI, będzie o wiele większa, niż firmy przewidują” – powiedział.

LSG, jak powiedział, już szkoli tysiące pracowników, aby wypełnić tę lukę. Firma pozycjonuje się nie tylko jako dostawca pracy w pobliżu, ale także jako pomost między tradycyjnymi operacjami logistycznymi a siłą roboczą wzbogaconą o sztuczną inteligencję, której te operacje będą coraz bardziej wymagały.

W tym sesji eksperci przedstawią, gdzie automatyzacja zawodzi, jak wygląda inteligencja operacyjna w praktyce i jak wiodące zespoły łączą sztuczną inteligencję z osadzoną wiedzą specjalistyczną, aby realizować z pewnością.