为什么Lean Solutions Group押注“专家在环”

为什么Lean Solutions Group押注“专家在环”

Matt Herr

6分钟读

Lean Solutions Group从2018年的大约700名员工发展到今天的10,000多名员工，分布在哥伦比亚、危地马拉、菲律宾及其他地区。该公司通过解决货运经纪商的一个简单问题——通过将后端职能转移到经济上更有意义的近岸劳动力市场，降低每批货物的成本——实现了这种规模的增长。

根据首席技术官Alfonso Quijano的说法，推动这种增长的计算公式已经发生了变化。最初吸引货运经纪商来到Lean Solutions Group (LSG) 的40%的成本套利已经不够了。客户现在正在寻求60%或70%的节省，并且希望在不扰乱运营的情况下实现这些收益。这就是人工智能进入图景的地方，但不是许多业内人士所期望的方式。

“人工智能最近非常流行，但很少有人谈论人工智能实施背后真正需要发生的事情，”Quijano在与FreightWaves编辑主任J.P. Hampstead的采访中说。

Quijano的核心论点是，由于流程的多样性和碎片化，任何单一的人工智能产品都无法为广泛的客户群提供服务，而无需进行大量定制。在LSG标准化其服务提供之前，该公司支持了运输和物流行业中180多种不同的工作职能（其中许多都是跟踪和溯源等角色的细微变化，这些角色由各个货运经纪商定制以适应他们自己的工作流程）。

Quijano说，正是这种碎片化导致了来自行业外部的人工智能优先解决方案失败。

“你不能创建一个产品来覆盖广泛的不同客户，而无需进行更改，”他说。“他们中的每一个都需要某种类型的调整和自定义实施，这会破坏大规模的产品采用。”

这是一个动态，反映了LSG在其早期所经历的竞争紧张局势，当时共享同一服务提供商的竞争性货运经纪商要求建立防火墙网络、品牌工作区和孤立的SOP，以保护其运营身份。同样的本能现在也适用于人工智能部署。

“我们拥有行业有史以来最大规模的工作力变更管理实施的蓝图，”Quijano说。“我们知道人们如何工作，以及为了有效采用人工智能，工作需要如何改变。”

Quijano坦率地指出，在公司尝试部署完全自治的人工智能工作流程时，大型语言模型在物流运营中的局限性。

“它做出良好高质量判断决策的能力仍然离现实很远，”他说，并补充说，当自主工作流程中出现异常时，未被检测到的错误的成本可能会从运输管理系统蔓延到会计，并最终影响到客户。

他将这个问题比作常识的失败：一个人工智能聊天机器人建议某人步行去洗车店，而不是驾驶需要清洗的汽车。这个轶事，源自一个病毒式互联网趋势，说明了他的更广泛的观点，即人工智能的输出是概率性的，而不是智能的。

“人工智能默认情况下并不聪明，”Quijano说。“它是一种根据输入估计下一个单词应该是什么的技术。”

风险随着规模扩大而加剧。当公司将大量工作交给自主的人工智能代理时，Quijano说，他们通常会花费更多的时间来审查、纠正和修改错误，而不是节省的时间。

LSG的替代框架拒绝了“人环”的常见行业术语，Quijano认为这种术语具有简化性。

“人环意味着一个非常聪明或包含人工智能的过程，需要照看，而人类只是在那里输入‘批准、批准、批准’，”他说。“这并不是看待它的方式。”

相反，LSG使用“专家在环”来描述一种模式，在这种模式下，以前执行运营任务的人员被培训为专家，负责识别异常情况、教人工智能处理新场景、解释绩效指标并确保与SLA保持一致。这是一种实质性的工作描述变化，而不是降级到按钮推动者。

Quijano指出LSG现有的QA基础设施是该模型的基石。LSG在客户帐户中部署了大约200人的团队，这些QA角色正在被重新设计为审计具有主动人工智能实施的帐户中人工智能和人工输出。

“这是你需要做的投资，以确保人工智能起作用，至少在达到完全自主的那种程度之前，”他说。“没有人知道，甚至包括英伟达的Jensen Huang或OpenAI的Sam Altman，人工智能何时会完全自主。”

通过LeanTek AgentEdge和LeanTek Connect，LSG正在推出旨在主动与操作员并肩工作而不是等待被查询的人工智能功能。

Quijano解释说，这种区别在于操作员发现错误并向ChatGPT发送屏幕截图进行分析，以及人工智能伴侣在工作执行过程中实时标记错误。

“如果当你在构建幻灯片或实际工作时，它可以告诉你‘嘿，你在这里犯了一个错误。这里有一些见解。你该如何纠正它’，”Quijano说。“对我们来说，这就是运营智能。”

该愿景是，这种主动层将存在于工作发生的地方，无论是在浏览器中、在运输管理系统或嵌入在日常运营工作流程中。LSG计划为客户提供测试其运营与记录的SOP和工作描述的对齐程度、发现机会以在服务不足的手动流程中引入自动化以及将见解直接连接到执行的能力。

Quijano预测，物流行业的下一个劳动力挑战将不会像上一个那样。

“如果以前人才短缺是因为你找不到足够的人员来留下来进行跟踪和排程，我认为下一个短缺将是完成人工智能准备工作需要做的工作将比公司预期的多得多，”他说。

LSG表示，该公司已经在培训数千名员工来填补这一空白。该公司将自己定位为不仅仅是近岸人员配备提供商，而是连接遗留物流运营和这些运营日益需要的人工智能增强型劳动力之间的桥梁。

在本期会议中，专家将深入探讨自动化在哪些方面有所不足、运营智能在实践中是什么样子，以及领先团队如何将人工智能与嵌入式专业知识相结合以自信执行。