Por que Lean Solutions Group Está Apostando em ‘Especialistas no Loop’

Por que Lean Solutions Group Está Apostando em ‘Especialistas no Loop’

Matt Herr

6 min de leitura

A Lean Solutions Group cresceu de aproximadamente 700 funcionários em 2018 para mais de 10.000 hoje, distribuídos na Colômbia, Guatemala, Filipinas e além. A empresa construiu essa escala resolvendo um problema direto para as corretoras de frete: reduzir o custo por carga movendo as funções de back-office para mercados de mão de obra próximos, onde a economia fazia mais sentido.

De acordo com o CTO Alfonso Quijano, o cálculo que impulsionou esse crescimento mudou. A arbitragem de custos de 40% que originalmente atraiu as corretoras para a Lean Solutions Group (LSG) não é mais suficiente. Os clientes agora estão pressionando por economias de 60% ou 70%, e querem que esses ganhos sejam entregues sem interromper as operações. É aí que a inteligência artificial entra na jogada, embora não da maneira que muitos na indústria esperariam.

“A IA está em alta recentemente, mas não há muitas pessoas que estão falando sobre o que realmente precisa acontecer por trás das implementações de IA”, disse Quijano em uma entrevista com o Diretor Editorial da FreightWaves, J.P. Hampstead.

O argumento central de Quijano é que a logística é muito fragmentada e muito variada em seus processos para que qualquer produto de IA único sirva uma ampla base de clientes sem customização significativa. Antes que a LSG padronizasse suas ofertas de serviços, a empresa suportava mais de 180 funções distintas em toda a indústria de transporte e logística (muitas delas variações menores de funções como rastreamento e localização que as corretoras individuais haviam adaptado para se adequar aos seus próprios fluxos de trabalho).

Essa fragmentação, diz Quijano, é exatamente o que faz com que as soluções de IA-first de fora da indústria falhem.

“Você não pode simplesmente criar um produto que cubra um amplo conjunto de clientes diferentes sem mudança”, disse ele. “Cada um deles requer algum tipo de ajuste e implementação personalizada que quebra a adoção em larga escala do produto.”

É uma dinâmica que espelha a tensão competitiva que a LSG navegou em seus primeiros dias, quando as corretoras rivais que compartilhavam o mesmo provedor de serviços exigiam redes firewalled, espaços de trabalho com marca e SOPs isoladas para proteger suas identidades operacionais. O mesmo instinto agora se aplica às implementações de IA.

“Nós temos um playbook para uma das maiores implementações de gerenciamento de mudanças que a indústria já viu em termos de força de trabalho”, disse Quijano. “Nós sabemos como as pessoas trabalham e como o trabalho precisa mudar para adotar efetivamente a IA.”

Quijano foi direto sobre as limitações dos modelos de linguagem grandes em operações de logística, particularmente quando as empresas tentam implantar fluxos de trabalho de IA totalmente autônomos.

“A capacidade de tomar boas decisões de julgamento de alta qualidade ainda está muito distante da realidade”, disse ele, acrescentando que, quando exceções surgem em um fluxo de trabalho autônomo, o custo de erros não detectados pode se espalhar do TMS através da contabilidade e até o cliente.

Ele comparou o problema a uma falha de senso comum: um chatbot de IA aconselhando alguém a caminhar até uma lavagem de carro em vez de dirigir o carro que precisa ser lavado. A anedota, tirada de uma tendência viral na internet, ilustrou seu ponto mais amplo de que a saída da IA é probabilística, não inteligente.

“A IA não é inteligente por padrão”, disse Quijano. “É uma tecnologia que estima qual deve ser a próxima palavra com base na entrada.”

Os riscos se agravam em escala. Quando as empresas entregam grandes volumes de trabalho a agentes de IA autônomos, de acordo com Quijano, elas frequentemente acabam gastando muito mais tempo revisando, corrigindo e alterando erros do que economizaram.

O framework alternativo da LSG rejeita o jargão comum da indústria de “humano no loop”, que Quijano vê como redutivo.

“Humano no loop tem a implicação de um processo super inteligente ou um processo incluído em IA que precisa de babá e que os humanos estão apenas lá para inserir ‘aprovar, aprovar, aprovar’”, disse ele. “Não é assim que se deve olhar para isso.”

Em vez disso, a LSG usa o termo “especialistas no loop” para descrever um modelo em que as pessoas que anteriormente realizavam tarefas operacionais são treinadas como especialistas responsáveis por identificar situações atípicas, ensinar a IA a lidar com novos cenários, interpretar métricas de desempenho e garantir o alinhamento com os SLAs. É uma mudança substancial na descrição do cargo, não uma rebaixação para um operador de botões.

Quijano apontou para a infraestrutura de QA existente da LSG como a base para este modelo. A LSG usa uma equipe de aproximadamente 200 pessoas alocadas em contas de clientes, e esses papéis de QA estão sendo refeitos para auditar tanto a saída de IA quanto a saída humana em contas com implementações de IA ativas.

“É um investimento que você precisa fazer para garantir que a IA funcione, pelo menos por enquanto até você atingir esse nível de autonomia total”, disse ele. “Ninguém sabe, nem mesmo Jensen Huang da NVIDIA ou Sam Altman, quando a IA será totalmente autônoma.”

Através do LeanTek AgentEdge e LeanTek Connect, a LSG está lançando capacidades de IA projetadas para funcionar de forma proativa junto com os operadores, em vez de esperar para serem questionadas.

A distinção, Quijano explicou, é a diferença entre um operador que detecta um erro e envia um screenshot para o ChatGPT para análise, e uma IA companheira que sinaliza erros em tempo real enquanto o trabalho está sendo realizado.

“E se, enquanto você está construindo a apresentação ou fazendo o trabalho real, ela pudesse lhe dizer: ‘ei, você cometeu um erro aqui. Aqui estão as informações. É assim que você pode corrigir’”, disse Quijano. “Isso, para nós, é inteligência operacional.”

A visão é que essa camada proativa viva onde quer que o trabalho aconteça, seja no navegador, no TMS ou incorporada no fluxo de trabalho operacional diário. A LSG planeja oferecer aos clientes a capacidade de testar o quão bem suas operações se alinham com as SOPs e descrições de cargos documentadas, identificar oportunidades para introduzir automação em processos manuais não atendidos e conectar insights diretamente à execução.

Quijano prevê que o próximo desafio da força de trabalho na indústria de logística não se parecerá com o último.

“Se antes a dificuldade de talento era simplesmente não conseguir encontrar pessoas suficientes para ficar fazendo rastreamento e agendamento, acho que a próxima dificuldade será que o trabalho que você terá que fazer para preparar as pessoas para a IA será muito maior do que as empresas antecipam”, disse ele.

A LSG, disse ele, já está treinando milhares de funcionários para preencher essa lacuna. A empresa está se posicionando não apenas como um provedor de mão de obra próximo, mas como a ponte entre as operações de logística legadas e a força de trabalho aprimorada por IA que essas operações precisarão cada vez mais.

Nesta sessão, especialistas irão detalhar onde a automação falha, como a inteligência operacional se parece na prática e como as equipes líderes combinam IA com expertise incorporada para executar com confiança.