Ogni grande flotta che punta sull'AI arriva prima o poi allo stesso bivio: acquistare una soluzione di un partner oppure sviluppare la tecnologia internamente. Hirschbach Motor Lines ha scelto la strada della partnership, e il vettore su gomma con sede in Iowa sta ora automatizzando la comunicazione con gli autisti attraverso un agente AI sviluppato da Augment.

Il rollout è iniziato sul lato brokerage, dove l'agente — chiamato Augie — gestisce ora tutte le comunicazioni outbound verso gli autisti in tre tipi di interazione: richieste di informazioni sugli autisti, arrivi al ritiro e arrivi alla consegna. Si tratta di componenti fondamentali del track-and-trace, il processo con cui broker e vettori confermano le tappe dello stato della spedizione — ritiri, aggiornamenti in transito e consegne — lungo tutto il percorso di un carico. Insieme, queste tre interazioni rappresentano la parte automatizzabile del lavoro, pari a circa il 40% del volume complessivo di track-and-trace di Hirschbach, escluso il power-only freight — accordi in cui un vettore fornisce solo il trattore e l'autista, non il rimorchio. All'interno di questa quota, Augie sta già raggiungendo gli autisti su oltre l'85% dei carichi di Logistics Solutions del vettore e automatizzando più di 300 check-in di ritiro e consegna alla settimana.

"Per me, il successo iniziale non riguarda semplicemente il numero di chiamate o messaggi gestiti da Augie", ha detto Ivan Ramirez, CTO di Hirschbach Motor Lines, a FreightWaves. "Riguarda il fatto che stiamo dimostrando che l'AI può diventare parte del modello operativo e assumere in modo affidabile una parte definita del lavoro. Questo era il grande punto interrogativo: nei contesti demo funziona molto bene. Come funziona davvero negli ambienti reali? E ci siamo arrivati."

I clienti possono anche rinominare Augie. Nel caso di Hirschbach, si riferiscono al loro teammate AI come Hirschie.

La decisione tra acquisto e sviluppo alla base della comunicazione AI con gli autisti

La decisione di coinvolgere un partner AI esterno è arrivata dopo circa un anno e mezzo di valutazione dei fornitori, molti dei quali si presentavano con demo vocali rifinite e poco altro di concreto.

"Sapevo che nessuno di questi aveva davvero costruito qualcosa", ha detto Ramirez. "Avevano tutti appena raccolto un sacco di soldi e avevano questa grande idea su come avrebbero sviluppato queste diverse piattaforme AI. Per me e per il nostro team, la questione era davvero il team. Con quale team volevamo collaborare?"

Augment si è distinto su tre fronti, ha detto Ramirez: un team che univa esperienza logistica e profondità tecnologica, una roadmap di prodotto che andava oltre il track-and-trace fino alla pianificazione degli appuntamenti, alla creazione dei carichi e alla comunicazione con i vettori, e la disponibilità a lasciare che Hirschbach contribuisse a definire quella roadmap invece di attendere i tempi di rilascio del fornitore.

"Non volevamo una relazione tradizionale con un fornitore, in cui acquistiamo un prodotto fisso e aspettiamo le funzionalità", ha detto Ramirez. "Lo abbiamo fatto in passato ed è stata un'esperienza orribile. Volevamo un partner disposto a imparare insieme a noi."

Questo ha portato a una decisione ponderata tra sviluppo interno e acquisto, nonostante Hirschbach disponga di un team tecnologico in grado di fare di più internamente.

"Abbiamo preso presto la decisione che Hirschbach è un'azienda di trasporti che usa l'AI per operare meglio", ha detto Ramirez. "Non stiamo cercando di diventare un'azienda di infrastrutture AI. Quindi cerchiamo un ottimo partner con cui arrivare al valore molto più velocemente e ottenere un vero valore operativo."

Perché le grandi flotte sono diverse

Vendere AI a un vettore enterprise è completamente diverso dal venderla in una nicchia favorevole alle startup, secondo Harish Abbott, cofondatore e CEO di Augment. Le sole operazioni dedicate comportano più livelli di complessità: più fermate, più carichi, gestione della bill of lading e regole di assegnazione specifiche per struttura.

"La prima cosa in tutto questo è: come facciamo a togliere le persone dalle attività quotidiane, dal lavoro poco glamour, così che possano essere liberate per svolgere un lavoro più creativo", ha detto Abbott.

La pianificazione degli appuntamenti è uno dei principali punti dolenti che le grandi flotte portano sul tavolo, ha detto Abbott, in particolare attraverso portali retail ad alto volume.

"Non è facile fissare appuntamenti, soprattutto in questi grandi portali come Walmart e altri", ha detto Abbott. "Il power-only è molto diverso dal live load, molto diverso dalle tratte dedicate."

L'opportunità più ampia, ha aggiunto, è collegare i dati sugli appuntamenti all'orario di servizio e alla pianificazione degli autisti, così che le flotte possano vedere l'intera rete invece di un appuntamento alla volta.

Il problema dei dati dietro il restante 20%

Circa il 70% all'80% delle spedizioni di Hirschbach arriva tramite EDI — Electronic Data Interchange, il formato standardizzato di messaggistica ampiamente utilizzato nel settore dei trasporti per le transazioni strutturate tra partner commerciali — già strutturato per l'automazione. Il resto arriva in formati più disordinati: email di tender, PDF o una bill of lading consegnata direttamente a un autista su una tratta dedicata.

"Come li inserisci nel sistema, assegnandoli al codice cliente corretto, con un alto grado di certezza, in modo che non siano le persone a farlo ma che sia anche più veloce?", ha detto Abbott. "Quindi tutto è detention. Gli accessorial sono tutti collegati a quella spedizione molto presto, invece di rimpalli di responsabilità che avvengono dopo che un carico è stato consegnato."

Ramirez ha indicato il messaggio di stato EDI 214 come esempio dell'inefficienza che l'AI dovrebbe eliminare.

"Se guardo le mie transazioni EDI, la parte più grande del 214 è lì che si trova la spesa maggiore", ha detto Ramirez. "Vi sto già dando tutto questo materiale. Perché state chiedendo di nuovo queste informazioni? … Siamo un business a basso margine. Sto cercando di trovare una soluzione, e l'AI è una risposta perfetta per queste cose. Sono le cose che dobbiamo assolutamente fare. Lasciamo che sia l'AI a gestirle e ce ne dimentichiamo."

Abbott ha detto che sono i casi d'uso ristretti e specifici, non un rollout AI generalizzato, a conquistare la fiducia di un operatore.

"Se dissemini l'AI ovunque dicendo 'ecco queste cose interessanti e renderanno la vita migliore a tutti', l'operatore pensa: 'Ok, la mia vita non è cambiata. Sto facendo ancora le stesse cose'", ha detto Abbott. "Per gli operatori bisogna essere estremamente specifici: 'Ehi, stai spendendo questo tempo per X, ora lasciamo che sia l'AI o Augie a occuparsene.' E lo vedono."

L'agente AI che Hirschbach vuole per la retention degli autisti

Il prossimo caso d'uso che Hirschbach intende attivare è un assistente AI collocato tra gli autisti e i loro driver leader, che gestisca le domande di routine così che i responsabili possano concentrarsi sulle conversazioni che trattengono davvero gli autisti.

"La principale lamentela che riceviamo dai nostri autisti in questo momento è: 'Non riesco a mettermi in contatto con il mio driver leader'", ha detto Ramirez. "Io sono un driver leader. Ho da 50 a 60 autisti che gestisco. Non posso essere disponibile per tutti, in ogni momento, per rispondere a quelle chiamate."

"Ho ascoltato alcune di queste conversazioni che i driver leader hanno con i loro autisti. In gran parte, sono letteralmente psicologi", ha detto Ramirez. "Molte di queste conversazioni non riguardano il trasporto. Sono conversazioni di 30 minuti sulla famiglia, sulla retribuzione, 'Ho bisogno di più miglia'. Sono questo tipo di conversazioni che vogliamo che i nostri driver leader abbiano con i loro autisti, perché è così che si trattiene un numero maggiore di autisti."

La visione a più lungo termine va oltre il rispondere alle domande dopo il fatto. Abbott ha descritto un modello in cui l'agente anticipa un ritardo e riprogramma un appuntamento prima ancora che un cliente debba chiedere dove si trovi un carico.

"Sarebbe interessante se, prima che arrivi l'email del cliente, noi contattassimo il cliente o la struttura e dicessimo: 'Ehi, questo autista è in ritardo. Sto riprogrammando l'appuntamento. È fatto'", ha detto Abbott. "Si tratta di anticipare le eccezioni e di essere davvero proattivi, invece di oggi, in tutti i nostri casi d'uso per l'AI, siamo molto reattivi."

Questo tipo di riprogrammazione proattiva aiuta entrambe le parti del carico, ha aggiunto, perché un magazzino che sa che un camion è in ritardo può riallocare la manodopera che aveva previsto per lo scarico.

"La retention degli autisti è una cosa importante per tutti", ha detto Ramirez. "Non vedo l'ora di arrivare a quel caso d'uso."