Hvorfor Lean Solutions Group satser på «eksperter i sløyfen»

Hvorfor Lean Solutions Group satser på «eksperter i sløyfen»

Matt Herr

6 min lesing

Lean Solutions Group har vokst fra omtrent 700 ansatte i 2018 til over 10 000 i dag, spredt over Colombia, Guatemala, Filippinene og utover. Selskapet bygget denne skalen ved å løse et enkelt problem for freight brokerages: å redusere kostnad per last ved å flytte back-office funksjoner til nærshore arbeidsmarkeder der økonomien ga mer mening.

Ifølge CTO Alfonso Quijano har beregningen som drev denne veksten endret seg. De 40 % kostnadsarbitrasjen som opprinnelig trakk brokerages til Lean Solutions Group (LSG) er ikke lenger nok. Klienter presser nå på for 60 % eller 70 % besparelser, og de ønsker at disse gevinstene skal leveres uten å forstyrre driften. Det er her kunstig intelligens kommer inn i bildet, selv om det ikke er på den måten mange i bransjen kanskje forventer.

«AI er veldig populært for tiden, men det er ikke mange som snakker om den virkelige greia som må skje bak AI-implementeringer,» sa Quijano i et intervju med FreightWaves' Editorial Director, J.P. Hampstead.

Quijanos sentrale argument er at logistikk er for fragmentert og for variert i sine prosesser til at et enkelt AI-produkt kan betjene en bred kundebase uten betydelig tilpasning. Før LSG standardiserte sine tjenestetilbud, støttet selskapet mer enn 180 distinkte jobbfunksjoner i transport- og logistikkbransjen (mange av dem mindre variasjoner på roller som track and trace som individuelle brokerages hadde tilpasset for å passe sine egne arbeidsflyter).

Den fragmenteringen, sier Quijano, er nøyaktig det som får AI-først-løsninger fra utenfor bransjen til å vakle.

«Du kan ikke bare lage ett produkt som dekker et bredt sett av forskjellige kunder uten endring,» sa han. «Hver av dem krever en form for justering og tilpasset implementering som bryter med bred skala produktadopsjon.»

Det er en dynamikk som speiler den konkurransemessige spenningen LSG navigerte i sine tidlige dager, da rivaliserende brokerages som delte den samme tjenesteleverandøren krevde brannmurte nettverk, merkede arbeidsområder og siloerte SOPer for å beskytte sine operasjonelle identiteter. Samme instinkt gjelder nå for AI-implementeringer.

«Vi har en playbook for en av de mest massive endringsstyringsimplementeringene som bransjen har sett når det gjelder arbeidsstyrker,» sa Quijano. «Vi vet hvordan folk jobber, og hvordan arbeidet må endres for å effektivt ta i bruk AI.»

Quijano var direkte om begrensningene til store språkmodeller i logistikkoperasjoner, spesielt når selskaper forsøker å distribuere fullt autonome AI-arbeidsflyter.

«Evnen til å ta gode, høy kvalitet beslutninger er fortsatt veldig langt unna virkeligheten,» sa han, og la til at når unntak oppstår i en autonom arbeidsflyt, kan kostnadene ved uoppdaget feil eskalere fra TMS gjennom regnskap og hele veien til kunden.

Han sammenlignet problemet med en sunn fornuft-feil: en AI-chatbot som råder noen til å gå til en bilvask i stedet for å kjøre bilen som trenger vask. Anekdoten, hentet fra en viral internettrend, illustrerte hans bredere poeng at AI-utdata er probabilistisk, ikke intelligent.

«AI er ikke smart som standard,» sa Quijano. «Det er en teknologi som estimerer hva det neste ordet skal være basert på input.»

Risikoene forsterkes i skala. Når selskaper overleverer store volum av arbeid til autonome AI-agenter, ender de ofte med å bruke mye mer tid på å gjennomgå, korrigere og endre feil enn de sparte.

LSGs alternative rammeverk avviser den vanlige bransjeslanguttrykket «menneske i sløyfen», som Quijano ser på som reduktivt.

«Menneske i sløyfen har implikasjonen av en veldig smart prosess eller AI-inkludert prosess som trenger barnevakt, og at mennesker bare er der for å input 'godkjenn, godkjenn, godkjenn',» sa han. «Det er ikke måten å se på det.»

I stedet bruker LSG begrepet «eksperter i sløyfen» for å beskrive en modell der personene som tidligere utførte operasjonelle oppgaver, er trent som spesialister som er ansvarlige for å identifisere avvikssituasjoner, lære AI til å håndtere nye scenarier, tolke ytelsesmetrikker og sikre samsvar med SLAer. Det er en vesentlig endring i stillingsbeskrivelse, ikke en nedgradering til knappetrykker.

Quijano pekte på LSGs eksisterende QA-infrastruktur som grunnlaget for denne modellen. LSG bruker et team på omtrent 200 personer utplassert over klientkontoer, og disse QA-rollene blir omgjort for å revidere både AI- og menneskelig output i kontoer med aktive AI-implementeringer.

«Det er en investering du må gjøre for å sikre at AI fungerer, i hvert fall foreløpig til du når det nivået av full autonomi,» sa han. «Ingen vet, ikke engang Jensen Huang fra NVIDIA eller Sam Altman, når AI blir fullstendig autonom.»

Gjennom LeanTek AgentEdge og LeanTek Connect lanserer LSG AI-muligheter som er designet for å jobbe proaktivt sammen med operatører i stedet for å vente på å bli spurt.

Forskjellen, forklarte Quijano, er forskjellen mellom en operatør som oppdager en feil og sender et skjermbilde til ChatGPT for analyse, og en AI-følge som flagger feil i sanntid mens arbeidet utføres.

«Hva om mens du bygger lysbildet eller gjør det faktiske arbeidet, kunne den fortelle deg: 'hei, du gjorde en feil her. Her er innsikten. Dette er hvordan du kan rette det',» sa Quijano. «Det er operasjonell intelligens for oss.»

Visjonen er at dette proaktive laget skal leve der arbeidet skjer, enten det er i nettleseren, i TMS eller innebygd i den daglige operasjonelle arbeidsflyten. LSG planlegger å tilby klientene muligheten til å teste hvor godt deres operasjoner stemmer overens med dokumenterte SOPer og stillingsbeskrivelser, avdekke muligheter for å introdusere automatisering i underbetjente manuelle prosesser og koble innsikt direkte til utførelse.

Quijano spår at logistikkbransjens neste arbeidsstyrkeutfordring ikke vil ligne den forrige.

«Hvis krisen i talent før skyldtes at du rett og slett ikke kunne finne nok folk til å bli værende og gjøre track and trace og avtaleplanlegging, tror jeg at den neste krisen vil være at arbeidet du må gjøre for å få folk til å være AI-klare, vil være så mye mer enn selskaper forventer,» sa han.

LSG sier at de allerede trener tusenvis av ansatte for å fylle dette gapet. Selskapet posisjonerer seg ikke bare som en nærshore-bemanningsleverandør, men som broen mellom tradisjonelle logistikkoperasjoner og den AI-forsterkede arbeidsstyrken disse operasjonene i økende grad vil kreve.

I denne sesjonen vil eksperter dele hvor automatisering faller kort, hva operasjonell intelligens ser ut i praksis, og hvordan ledende team kombinerer AI med innebygd ekspertise for å utføre med selvtillit.