در T3RA Logistics، مجموعهای از AI Agent های تخصصی، مناقصات، قرار ملاقاتها، ردیابی و قیمتگذاری را مدیریت میکنند و ماهانه دهها هزار دلار صرفهجویی میکنند و نحوه اداره بار توسط یک کارگزاری 30 میلیون دلاری را تغییر میدهند."
اکثر کارگزاران حمل بار در مورد اتوماسیون صحبت میکنند. تعداد کمی میتوانند دقیقاً نشان دهند که چگونه کار میکند، چه چیزی صرفهجویی میشود و کجا متوقف میشود. در T3RA Logistics، این جزئیات نه تنها مستند شده است، بلکه ستون فقرات عملیات شرکت را تشکیل میدهد.
این کارگزاری در شمال کالیفرنیا که سالانه حدود 30 میلیون دلار بار را در خطوط سازمانی و دفاعی جابهجا میکند، بر اساس "نیروی کار دیجیتال" سیستمهای AI Agent اداره میشود که توسط رئیس و مدیر عملیاتی، موکش کومار، با دقت طراحی شده است. هدف او ساخت یک توزیعکننده هوش مصنوعی چندمنظوره نبود، بلکه مجموعهای از Agent های تخصصی بود که در وظایف خاص با مرزهای مشخص عالی عمل کنند.
کومار توضیح میدهد: "ما با گردش کارهایی شروع کردیم که بیشترین اصطکاک را برای مشتریان و بیشترین درد صندوق ورودی را برای تیم ما ایجاد میکرد. مناقصه، تنظیم قرار ملاقات، ردیابی و ساخت نرخ در بالای فهرست قرار داشتند."
نتیجه، مجموعهای از چهار Agent اصلی است که هر کدام کار خاص خود را دارند:
- Tender Agent – مناقصات را در برابر فیلدهای مورد نیاز اعتبارسنجی میکند، اسناد را به صورت متقابل بررسی میکند و بستههای پاسخ را جمعآوری میکند. فقط از محدودههای قیمتگذاری از پیش تایید شده استفاده میکند و هر چیز غیرعادی را به اپراتورهای انسانی هدایت میکند.
- Appointments Agent – ساعات و قوانین تسهیلات را میخواند، پنجرههای قرار ملاقات را پیشنهاد میکند و از طریق ایمیل یا پورتالها رزرو میکند. اگر پس از تعداد مشخصی تلاش در ایمنسازی یک جایگاه شکست بخورد، آن را تشدید میکند.
- Tracking Agent – بهروزرسانیهای وضعیت را در فواصل توافق شده ارسال میکند، واریانسها را با کدهای دلیل برچسبگذاری میکند و هنگامی که استثناها از آستانههای تعریف شده فراتر میروند، هشدار صادر میکند.
- Pricing Agent – نرخها را بر اساس خطوط تاریخی، محدودههای خاص مشتری و دادههای بازار میسازد. هرگز مذاکره نمیکند یا به جریمهها متعهد نمیشود، اما به طور چشمگیری زمان تا قیمت را کاهش میدهد.
از نظر فنی، هر Agent در بالای یک مدل زبان بزرگ تنظیم شده برای گردش کارهای لجستیک اجرا میشود، که توسط محافظهای مبتنی بر قانون و یکپارچگیهای رویداد محور در سیستم مدیریت حمل و نقل T3RA، ایمیل و پورتالها احاطه شده است. معماری بر قابلیت حسابرسی تاکید دارد: هر اقدام، تصمیم و تشدید ثبت و قابل بررسی است.
کومار میگوید: "Agent ها کارآموز نیستند. آنها همکاران با ردیابی حسابرسی هستند. شما نمیگذارید یک کارآموز بدون نظارت برچسبهای زمانی را تغییر دهد یا شما را به جریمهها متعهد کند. همان اصل در اینجا اعمال میشود."
برای قابل پیشبینی نگه داشتن امور، T3RA یک مدل چراغ راهنمایی برای تصمیمها پیادهسازی میکند. اقدامات "سبز" کاملاً خودکار و معمول هستند—مواردی مانند تایید یک بهروزرسانی وضعیت عادی یا کشیدن ساعات منتشر شده یک تسهیلات. اقدامات "زرد" نیاز به تایید انسانی با یک کلیک دارند، مانند پذیرش یک پنجره قرار ملاقات در موارد خاص. اقدامات "قرمز" کاملاً مسدود و تشدید میشوند، از جمله هرگونه تلاش برای لغو برچسبهای زمانی، مذاکره ادعاها، یا تعهد به سطوح خدماتی که جریمه دارند.
این طراحی مستقیماً از تحقیقات کومار در مورد رسیدگی به ادعاها و دسترسی به حامل سرچشمه میگیرد، جایی که هزینه یک تصمیم بد اغلب از هزینه یک تصمیم کندتر بیشتر است. از نظر او، عملیات حمل و نقل پر از دادههای پرسر و صدا هستند—شمارههای مرجع بد، رفتار ناسازگار پورتال و مناقصات ناقص—که هوش مصنوعی باید یاد بگیرد به آنها احترام بگذارد، نه نادیده بگیرد.
او میگوید: "واقعیت داده در حمل بار آشفته است. Agent هایی که وانمود میکنند تمیز است، توهم خواهند داشت. ما به Agent های خود آموختیم که وقتی مطمئن نیستند اعتراف کنند و به جای حدس زدن، تشدید کنند."
تاثیر قابل اندازهگیری قابل توجه است. در مقایسههای جنبه به جنبه خطوط قبل و بعد از استقرار Agent، T3RA گزارش میدهد:
- کاهش دو رقمی در تماسها به ازای هر بار، به ویژه در برنامهریزی قرار ملاقات و بررسی اسناد.
- بهبود عملکرد به موقع و کامل، با تاییدیههای از دست رفته کمتر برای بارهای خارج از ساعات کاری.
- کاهش قابل توجه در نرخ استثناها، زیرا بهروزرسانیهای معمول به طور مداوم مدیریت میشوند و تشدیدها بهتر مستند میشوند.
- تقریباً دو ساعت معادل تمام وقت از مدیریت صندوق ورودی به کار با ارزش بالاتر مانند حل استثناهای تشدید شده و پرورش روابط با مشتری منتقل شد.
Pricing Agent برجسته است. با خودکارسازی مونتاژ نرخها و محدود کردن مداخله انسانی به موارد واقعاً خاص، زمان چرخه قیمتگذاری را از ساعتها به دقایق در بسیاری از خطوط کاهش داده است. T3RA تقریباً 40,000 دلار در ماه افزایش بهرهوری را فقط به گردش کار قیمتگذاری نسبت میدهد، همراه با افزایش حاشیه از حدود 11٪ به 15٪.
این اعداد فقط بردهای داخلی نیستند؛ آنها شکل میدهند که مشتریان چگونه کارگزاری را تجربه میکنند. قیمتهای سریعتر و دقیقتر به T3RA کمک میکنند تا برای حجم بدون قربانی کردن نظم رقابت کند. ردیابی و مدیریت قرار ملاقات بهتر تماسهای "کامیون من کجاست؟" را کاهش میدهد و اعتماد ایجاد میکند.
آنچه سیستم T3RA را از اتوماسیون عمومی جدا میکند، ترکیب تخصص Agent و حاکمیت است. هر Agent دارای:
- یک محدوده به وضوح تعریف شده.
- مجموعهای از خطوط قرمز هماهنگ با ریسک قانونی و تجاری.
- معیارهای قابل مشاهده برای موفقیت (تماسها به ازای هر بار، نرخ استثنا، زمان پاسخ).
- یک مالک انسانی مسئول رفتار و بهروزرسانیهای آن.
کومار این را به عنوان یک طرح برای سایر کارگزاران حمل بار بازار میانی میبیند. او استدلال میکند که یک سازمان که دهها میلیون دلار بار را جابهجا میکند، نیازی به ساخت مدلهای پایه سفارشی یا استخدام تیمهایی از محققان هوش مصنوعی ندارد. در عوض، آنها میتوانند با یک مجموعه کوچک از Agent های با محدوده خوب شروع کنند و از آنجا گسترش دهند.
او میگوید: "در هفته اول، شما یک گردش کار واحد را نقشهبرداری میکنید و قوانین قرمز-زرد-سبز را تعریف میکنید. تا هفته چهارم، میتوانید یک Agent تحت نظارت را که در تولید بر روی خطوط انتخاب شده با KPI های واضح اجرا میشود، داشته باشید."
این رویکرد گام به گام T3RA را به یک نمونه اولیه از AI Agent در عملیات حمل بار تبدیل کرده است—نه به معنای استقلال علمی تخیلی، بلکه به عنوان مجموعهای عملی از همکاران دیجیتال که در فرآیندهای اصلی کارگزاری بافته شدهاند.
برای کومار، نوآوری واقعی فقط کد نیست، بلکه ترکیبی از تفکر سیستمی، تخصص دامنه و طراحی محافظ است.
او میگوید: "حمل بار به هکهای باهوش یک بار پاداش نمیدهد. به سیستمهایی پاداش میدهد که هر روز حاضر میشوند، کاری که انجام دادهاند را مینویسند و کار فردا را آسانتر میکنند."
همانطور که سازمانهای لجستیک بیشتری با هزینههای در حال افزایش، ظرفیت در حال تنگ شدن و محدودیتهای نیروی کار دست و پنجه نرم میکنند، مجموعه Agent T3RA نگاهی ملموس به چگونگی تغییر شکل آرام یک کارگزاری توسط هوش مصنوعی از درون به بیرون ارائه میدهد—یک گردش کار در یک زمان.
