Чому Lean Solutions Group робить ставку на «експертів у ланцюгу»

Чому Lean Solutions Group робить ставку на «експертів у ланцюгу»

Метт Герр

6 хвилин на читання

Lean Solutions Group виросла від приблизно 700 співробітників у 2018 році до понад 10 000 сьогодні, розкиданих по Колумбії, Гватемалі, Філіппінах та за їхніми межами. Компанія досягла такого масштабу, вирішуючи просте завдання для брокерів вантажів: зменшення вартості завантаження шляхом перенесення функцій бек-офісу до наближених ринків праці, де економіка була більш вигідною.

Згідно з технічним директором Альфонсо Кійано, розрахунок, який забезпечив це зростання, змінився. 40% економічної вигоди, яка спочатку приваблювала брокерів до Lean Solutions Group (LSG), більше недостатня. Клієнти тепер прагнуть до 60% або 70% економії та хочуть отримати ці вигоди без порушення операцій. Ось де вступає штучний інтелект, хоча і не так, як багато хто в галузі очікує.

«Штучний інтелект зараз у тренді, але небагато людей говорять про справжні речі, які потрібно зробити за впровадженнями штучного інтелекту», – сказав Кійано в інтерв’ю з J.P. Hampstead, головним редактором FreightWaves.

Центральним аргументом Кійано є те, що логістика надто фрагментована та надто різноманітна у своїх процесах, щоб будь-який окремий продукт штучного інтелекту міг обслуговувати широку клієнтську базу без значної кастомізації. До того, як LSG стандартизувала свої пропозиції щодо послуг, компанія підтримувала понад 180 різних функцій роботи в транспортно-логістичній галузі (багато з яких були незначними варіаціями ролей, таких як відстеження та простежування, які окремі брокери адаптували для відповідності своїм власним робочим процесам).

Кійано каже, що саме ця фрагментація є причиною того, що AI-first рішення від зовнішніх компаній не справляються.

«Ви не можете просто створити один продукт, який охоплює широкий спектр різних клієнтів, без змін», – сказав він. «Кожен з них потребує певного типу налаштувань та індивідуальної реалізації, що руйнує широкомасштабне впровадження продукту».

Це динаміка, яка відображає конкурентну напругу, з якою LSG стикалася у свої ранні роки, коли конкуруючі брокери, які використовували одного й того ж постачальника послуг, вимагали мереж із брандмауерами, робочих просторів із брендингом та ізольованих SOPs для захисту своїх операційних ідентичностей. Такий самий інстинкт зараз застосовується до розгортання штучного інтелекту.

«Ми маємо посібник для однієї з найбільших впроваджень управління змінами, які галузь бачила з точки зору робочої сили», – сказав Кійано. «Ми знаємо, як працюють люди та як робота повинна змінитися, щоб ефективно впровадити штучний інтелект».

Кійано відверто говорив про обмеження великих мовних моделей у логістичних операціях, особливо коли компанії намагаються розгорнути повністю автономні робочі процеси штучного інтелекту.

«Його здатність приймати добрі, якісні рішення все ще далека від реальності», – сказав він, додавши, що коли виникають винятки в автономному робочому процесі, вартість невиявлених помилок може каскадувати від TMS через бухгалтерський облік і до клієнта.

Він порівняв цю проблему з відсутністю здорового глузду: чат-бот зі штучним інтелектом радить комусь піти пішки до автомийки, а не їхати на машині, яку потрібно мити. Анекдот, взятий з вірусного інтернет-тренду, проілюстрував його ширшу думку про те, що вихід штучного інтелекту ймовірнісний, а не інтелектуальний.

«Штучний інтелект не розумний за замовчуванням», – сказав Кійано. «Це технологія, яка оцінює, яке слово має бути наступним на основі вхідних даних».

Ризики посилюються у масштабі. Коли компанії передають великі обсяги роботи автономним агентам штучного інтелекту, згідно з Кійано, вони часто витрачають набагато більше часу на перегляд, виправлення та виправлення помилок, ніж вони заощаджують.

Альтернативна структура LSG відкидає загальноприйнятий галузевий жаргон «людина в ланцюгу», який, на думку Кійано, є редуктивним.

«Людина в ланцюгу має натяк на дуже розумний процес або процес, що включає штучний інтелект, який потребує догляду, і люди просто там, щоб вводити «затвердити, затвердити, затвердити», – сказав він. «Це не те, як на це дивитися».

Замість цього LSG використовує термін «експерти в ланцюгу», щоб описати модель, в якій люди, які раніше виконували операційні завдання, навчаються як фахівці, відповідальні за виявлення виняткових ситуацій, навчання штучного інтелекту обробляти нові сценарії, інтерпретацію показників ефективності та забезпечення відповідності SLA. Це суттєва зміна в описі роботи, а не пониження до натискача кнопок.

Кійано вказав на існуючу в LSG інфраструктуру контролю якості як основу для цієї моделі. LSG використовує команду приблизно з 200 людей, розгорнутих по рахунках клієнтів, і ці ролі контролю якості переглядаються для аудиту як виходів штучного інтелекту, так і людських виходів у облікових записах з активними впровадженнями штучного інтелекту.

«Це інвестиція, яку потрібно зробити, щоб забезпечити роботу штучного інтелекту, принаймні на даний час, поки ви не досягнете цього рівня повної автономії», – сказав він. «Ніхто не знає, навіть Дженсен Хуанг з NVIDIA або Сем Альтман, коли штучний інтелект стане повністю автономним».

Через LeanTek AgentEdge та LeanTek Connect LSG запускає можливості штучного інтелекту, розроблені для роботи проактивно разом з операторами, а не чекаючи на запит.

Кійано пояснив, що різниця полягає між оператором, який помічає помилку та надсилає знімок екрана в ChatGPT для аналізу, і компаньйоном зі штучним інтелектом, який у реальному часі виявляє помилки під час виконання роботи.

«Що, якщо під час створення слайду або під час фактичного виконання роботи він міг би сказати вам: «Гей, ви зробили тут помилку. Ось висновки. Ось як ви можете це виправити», – сказав Кійано. «Для нас це оперативний інтелект».

Бачення полягає в тому, щоб цей проактивний шар існував там, де відбувається робота, будь то в браузері, в TMS або вбудований у щоденний операційний робочий процес. LSG планує запропонувати клієнтам можливість перевірити, наскільки добре їхні операції відповідають задокументованим SOPs та описам робочих місць, виявити можливості для впровадження автоматизації в невирішені ручні процеси та безпосередньо підключати висновки до виконання.

Кійано прогнозує, що наступний виклик робочої сили в логістичній галузі не буде схожим на попередній.

«Якщо раніше дефіцит талантів був пов’язаний з тим, що просто неможливо було знайти достатньо людей, які б залишалися та займалися відстеженням та плануванням зустрічей, то наступний дефіцит буде пов’язаний з тим, що робота, яку вам доведеться робити, щоб підготувати людей до роботи зі штучним інтелектом, буде набагато більшою, ніж компанії очікують», – сказав він.

LSG, за його словами, вже навчає тисячі співробітників, щоб заповнити цю прогалину. Компанія позиціонує себе не лише як постачальника наближеної робочої сили, але й як міст між спадковими логістичними операціями та робочою силою, посиленою штучним інтелектом, яка буде їм все більше потрібна.

На цій сесії експерти розберуть, де автоматизація не справляється, як виглядає оперативний інтелект на практиці та як провідні команди поєднують штучний інтелект із вбудованою експертизою для виконання з впевненістю.