在T3RA Logistics,一組窄型AI代理負責處理投標、預約、追蹤和定價,每月節省數萬美元,並重塑這家3,000萬美元經紀公司的貨運營運方式。
大多數貨運經紀人談論自動化。但很少人能精確展示它如何運作、節省什麼以及止於何處。在T3RA Logistics,這些細節不僅被記錄下來——它們構成了公司營運的支柱。
這家北加州經紀公司每年在企業和國防線路上運輸約3,000萬美元的貨物,依靠總裁兼營運長Mukesh Kumar精心設計的「數位勞動力」——代理式AI系統運作。他的目標不是建立通用型AI調度員,而是建立一組在特定任務上表現出色且界限清晰的窄型代理。
「我們從對客戶造成最多摩擦、對我們團隊造成最多收件匣痛苦的工作流程開始,」Kumar解釋道。「投標、預約設定、追蹤和費率建立位居清單之首。」
結果是一組包含四個核心代理的系統,每個都有自己的工作:
- 投標代理——根據必填欄位驗證投標、交叉檢查文件並組裝回應包。它僅使用預先批准的定價區間,並將任何異常情況轉給人工操作員。
- 預約代理——讀取設施營業時間和規則、提議預約時段,並透過電子郵件或入口網站預訂。如果經過固定次數的嘗試後仍無法確保時段,它會將問題升級。
- 追蹤代理——在約定的時間間隔發送狀態更新、用原因代碼標記差異,並在例外情況超出定義的閾值時發出警報。
- 定價代理——根據歷史線路、客戶專屬區間和市場資料建立費率。它從不協商或承諾罰款,但大幅降低了報價時間。
從技術上講,每個代理都在針對物流工作流程調整的大型語言模型之上執行,周圍環繞著基於規則的護欄,以及事件驅動的整合到T3RA的運輸管理系統、電子郵件和入口網站。該架構強調可稽核性:每個行動、決策和升級都被記錄並可審查。
「代理不是實習生,」Kumar說。「它們是有稽核軌跡的同事。你不會讓實習生在沒有監督的情況下更改時間戳記或讓你承擔罰款。同樣的原則適用於此。」
為了保持可預測性,T3RA實施了決策的交通燈模式。「綠色」行動是完全自動化和例行的——例如確認正常狀態更新或提取設施公布的營業時間。「黃色」行動需要一鍵式人工批准,例如接受邊緣案例的預約時段。「紅色」行動被完全阻止並升級,包括任何試圖覆蓋時間戳記、協商索賠或承諾帶有罰款的服務水平的嘗試。
這種設計直接源自Kumar對索賠處理和承運商外展的研究,在這些領域,錯誤決策的成本往往超過較慢決策的成本。在他看來,航運營運充滿了雜訊資料——錯誤的參考號碼、不一致的入口網站行為和不完整的投標——AI必須學會尊重而不是忽視。
「貨運中的資料現實是混亂的,」他說。「假裝資料乾淨的代理會產生幻覺。我們教導我們的代理在不確定時承認,並升級而不是猜測。」
可衡量的影響是顯著的。在代理部署前後線路的並列比較中,T3RA報告:
- 每次裝載的接觸次數減少了兩位數,特別是在預約排程和文件檢查方面。
- 準時全量績效得到改善,下班時間裝載的錯過確認次數更少。
- 例外率明顯下降,因為例行更新得到一致處理,升級情況得到更好的記錄。
- 大約兩個全職等效工時從收件匣管理轉移到更高價值的工作,例如解決升級的例外情況和培養客戶關係。
定價代理尤為突出。透過自動化費率組裝並將人工干預限制在真正的邊緣案例,它在許多線路上將報價週期時間從數小時縮短到幾分鐘。T3RA僅將定價工作流程帶來的生產力提升歸功於每月約40,000美元,以及利潤率從約11%提升到15%。
這些數字不僅僅是內部成果;它們塑造了客戶體驗經紀公司的方式。更快、更準確的報價幫助T3RA在不犧牲紀律的情況下爭取業務量。更好的追蹤和預約管理減少了「我的卡車在哪裡?」的電話並建立信任。
將T3RA系統與通用自動化區分開來的是代理專業化和治理的結合。每個代理都有:
- 明確定義的範圍。
- 一組與法律和商業風險一致的紅線。
- 可觀察的成功指標(每次裝載的接觸次數、例外率、回應時間)。
- 一位負責其行為和更新的人工負責人。
Kumar將此視為其他中端市場貨運經紀人的藍圖。他認為,運輸數千萬美元貨物的組織不需要建立客製化基礎模型或聘請AI研究人員團隊。相反,他們可以從一小組範圍明確的代理開始,然後從那裡擴展。
「在第一週,您繪製單一工作流程並定義紅黃綠規則,」他說。「到第四週,您可以在選定的線路上以清晰的KPI執行受監督的代理。」
這種循序漸進的方法將T3RA轉變為貨運營運中代理式AI的早期範例——不是科幻自主性的意義上,而是作為融入經紀公司核心流程的實用數位同事組。
對Kumar來說,真正的創新不僅僅是程式碼,而是系統思維、領域專業知識和護欄設計的結合。
「貨運不會獎勵聰明的一次性技巧,」他說。「它獎勵每天出現、記錄所做之事並使明天的工作更輕鬆的系統。」
隨著更多物流組織應對成本上升、產能緊縮和勞動力限制,T3RA的代理堆疊提供了一個具體的視角,說明AI如何悄悄地從內到外重塑經紀公司——一次一個工作流程。
