Toda gran flota que persigue la IA se enfrenta a una decisión familiar: comprar una solución de un socio o desarrollar la tecnología internamente. Hirschbach Motor Lines eligió la ruta de la asociación, y el transportista de camiones con sede en Iowa ahora está automatizando la comunicación con conductores a través de un agente de IA creado por Augment.

La implementación comenzó en el área de corretaje, donde el agente — llamado Augie — ahora gestiona toda la comunicación saliente con conductores en tres tipos de interacciones: solicitudes de información del conductor, llegadas de recogida y llegadas de entrega. Estos son componentes fundamentales del track-and-trace, el proceso mediante el cual los corredores de carga y los transportistas confirman los hitos de estado del envío — recogidas, actualizaciones en tránsito y entregas — a lo largo del recorrido de una carga. En conjunto, estas tres interacciones representan la porción automatizable del trabajo, contabilizando aproximadamente el 40% del volumen total de track-and-trace de Hirschbach, excluyendo la carga power-only — acuerdos en los que un transportista proporciona solo el tractocamión y el conductor, no el remolque. Dentro de esa porción, Augie ya está llegando a los conductores en más del 85% de las cargas de Logistics Solutions del transportista y automatizando más de 300 check-ins de recogida y entrega por semana.

"Para mí, el éxito inicial no se trata simplemente del número de llamadas o mensajes que Augie gestiona", dijo Ivan Ramirez, CTO de Hirschbach Motor Lines, a FreightWaves. "Se trata de que estamos demostrando que la IA puede convertirse en parte del modelo operativo y ser responsable de una porción definida del trabajo de manera confiable. Esa era la gran incógnita: funciona muy bien en entornos de demostración. ¿Cómo funciona realmente en entornos reales? Y ya lo hemos logrado."

Los clientes también pueden renombrar a Augie. Hirschbach se refiere a su compañero de IA como Hirschie.

La decisión de comprar versus construir

La decisión de incorporar un socio de IA externo siguió a aproximadamente un año y medio de evaluación de proveedores. Muchos contendientes llegaron con demostraciones de voz pulidas pero poco más construido.

"Sabía que ninguno de estos tipos tenía nada construido", dijo Ramirez. "Todos habían ido y recaudado un montón de dinero y tenían esta gran idea sobre cómo iban a construir estas diferentes plataformas de IA. Para mí y nuestro equipo, se trataba realmente del equipo. ¿Con qué equipo vamos a asociarnos?"

Augment se distinguió en tres aspectos, según Ramirez: un equipo que combinaba experiencia en logística con profundidad tecnológica, una hoja de ruta de productos que se extendía más allá del track-and-trace hacia la programación de citas, la creación de cargas y la comunicación con transportistas, y la disposición a permitir que Hirschbach diera forma a esa hoja de ruta en lugar de esperar el calendario de lanzamientos de un proveedor.

"No queríamos una relación tradicional con un proveedor en la que compráramos un producto fijo y esperáramos por las funciones", dijo Ramirez. "Ya lo hemos hecho antes y ha sido una experiencia horrible. Queríamos un socio dispuesto a aprender junto a nosotros."

Eso llevó a una decisión deliberada de construir versus comprar, a pesar de que Hirschbach cuenta con un equipo tecnológico capaz de hacer más internamente. La cuestión de si desarrollar herramientas de IA propias o asociarse con proveedores especializados se ha convertido en un debate estratégico central en toda la industria logística, ya que los transportistas y corredores sopesan la rapidez para generar valor frente al costo y la complejidad de mantener una infraestructura de IA interna.

"Tomamos la decisión desde el principio de que Hirschbach es una empresa de transporte que usa IA para operar mejor", dijo Ramirez. "No estamos intentando convertirnos en una empresa de infraestructura de IA. Así que busquemos un muy buen socio donde podamos llegar al valor mucho más rápido y obtener un valor operativo real."

Por qué las grandes flotas son diferentes

Vender IA a un transportista empresarial no se parece en nada a venderla a un nicho favorable para startups, según Harish Abbott, cofundador y CEO de Augment. Solo las operaciones dedicadas ya conllevan múltiples capas de complejidad: múltiples paradas, múltiples cargas, manejo de conocimientos de embarque y reglas de asignación específicas por instalación.

"Lo primero en todo esto es: ¿cómo sacamos a la gente del trabajo ocupado del día a día, el trabajo poco atractivo, para que puedan liberarse y hacer un trabajo más creativo?", dijo Abbott.

La programación de citas es uno de los mayores puntos de dolor que las grandes flotas plantean, según Abbott, particularmente a través de portales minoristas de alto volumen.

"No es fácil hacer citas, especialmente en estos grandes portales como Walmart y otros", dijo Abbott. "Power-only es muy diferente de la carga en vivo, muy diferente de las rutas dedicadas."

La mayor oportunidad, según él, es vincular los datos de citas con las horas de servicio y la planificación de conductores para que las flotas puedan visualizar toda la red en lugar de una cita a la vez.

El problema de datos detrás del 20% restante

Aproximadamente del 70% al 80% de los envíos de Hirschbach llegan a través de EDI — Electronic Data Interchange, el formato de mensajería estandarizado ampliamente utilizado en la industria del transporte para transacciones estructuradas entre socios comerciales — ya estructurados para la automatización. El resto llega en formatos menos ordenados: correos electrónicos de oferta, archivos PDF, o un conocimiento de embarque entregado directamente a un conductor en una ruta dedicada.

"¿Cómo los introduces en el sistema, asignados al código de cliente correcto, con un alto grado de certeza para que los humanos no tengan que ingresarlos, pero también más rápido?", dijo Abbott. "Así todo es demora. Los cargos accesorios se vinculan a ese envío muy temprano en lugar de la búsqueda de culpables que ocurre después de que se entrega una carga."

Ramirez señaló el mensaje de estado EDI 214 — un conjunto de transacciones estándar utilizado en toda la industria para reportar hitos de envío como recogidas, llegadas y entregas — como un ejemplo de la ineficiencia que la IA está diseñada para eliminar.

"Si miro mis transacciones EDI, la mayor parte del 214, ahí es donde está el mayor gasto", dijo Ramirez. "Ya les estoy dando toda esta información. ¿Por qué me piden esta información otra vez? … Somos un negocio de bajos márgenes. Estoy intentando encontrar una manera, y la IA es la respuesta perfecta para esto. Es lo que absolutamente necesitamos hacer. Dejemos que la IA lo maneje y lo olvidaremos."

Abbott dijo que los casos de uso estrechos y específicos — no un despliegue amplio de IA — son lo que gana la confianza de un operador.

"Si esparces la IA por todas partes como 'mira esto genial que va a hacer mejor la vida de todos', el operador piensa: 'Bien, mi vida no ha cambiado. Sigo haciendo lo mismo'", dijo Abbott. "Para los operadores, tienes que ser extremadamente específico: 'Oye, estás pasando este tiempo en X y ahora dejemos que la IA o Augie se encarguen'. Y ellos lo ven."

El agente de IA que Hirschbach quiere para la retención de conductores

El próximo caso de uso que Hirschbach planea activar es un asistente de IA posicionado entre los conductores y sus líderes de conductores, atendiendo consultas rutinarias para que los líderes puedan concentrarse en las conversaciones que realmente mantienen a los conductores. La retención de conductores ha sido durante mucho tiempo uno de los desafíos operativos más persistentes de la industria del transporte por camión, con transportistas de todo el sector invirtiendo fuertemente en reclutamiento y retención en medio de escaseces recurrentes de conductores y alta rotación.

"La mayor queja que recibimos ahora mismo de nuestros conductores es 'no puedo contactar a mi líder de conductores'", dijo Ramirez. "Soy líder de conductores. Tengo entre 50 y 60 conductores que atiendo. No puedo estar disponible para todos en todo momento para responder esas llamadas."

"He escuchado algunas de estas conversaciones que los líderes de conductores tienen con sus conductores. En gran parte, son literalmente psicólogos", dijo Ramirez. "Muchas de estas conversaciones no están relacionadas con la carga. Son conversaciones de 30 minutos sobre su familia, su paga, 'necesito más millas'. Esas son las conversaciones que queremos que nuestros líderes de conductores tengan con nuestros conductores porque así es como se retiene a más conductores."

La visión a más largo plazo va más allá de responder preguntas después de los hechos. Abbott describió un modelo donde el agente anticipa un retraso y reprograma una cita antes de que un cliente tenga que preguntar dónde está una carga.

"Lo que sería genial es que antes de que llegue el correo electrónico del cliente, nosotros nos comuniquemos con el cliente o la instalación y digamos: 'Oye, este conductor va con retraso. Estoy reprogramando la cita. Ya está'", dijo Abbott. "Se trata de anticipar excepciones y ser proactivo al respecto, a diferencia de hoy, en todos nuestros casos de uso de IA es muy reactivo."

Ese tipo de reprogramación proactiva ayuda a ambas partes de la carga, según él, ya que un almacén que sabe que un camión va con retraso puede reasignar la mano de obra que tenía programada para descargarlo.

"La retención de conductores es algo muy importante para todos", dijo Ramirez. "No puedo esperar para llegar a ese caso de uso."