AIの導入を追求するすべての大型フリートは、共通の選択に直面する。パートナーソリューションを購入するか、技術を社内で開発するかである。Hirschbach Motor Linesはパートナールートを選択し、アイオワ州に拠点を置くこのトラック運送事業者は現在、Augmentが構築したAIエージェントを通じてドライバーコミュニケーションの自動化を進めている。

ロールアウトは仲介部門から始まり、Augieと名付けられたこのエージェントは現在、ドライバーからの情報照会、集荷到着、配荷到着という3種類のインタラクションにおいて、すべてのアウトバウンドドライバー連絡を処理している。これらはtrack-and-traceの中核要素であり、貨物ブローカーや運送事業者が荷物の輸送中に集荷、輸送中の更新、配荷といったマイルストーンを確認するプロセスである。これら3つのインタラクションは自動化可能な作業部分を占め、power-only freight（運送事業者がトラクターとドライバーのみを提供し、トレーラーは提供しない取り決め）を除くHirschbachのtrack-and-trace全体の約40%に相当する。この範囲内で、Augieはすでに同社のLogistics Solutions荷物の85%以上でドライバーにリーチし、週300件以上の集荷・配荷チェックインを自動化している。

「私にとって、初期の成功は単にAugieが処理するコールやメッセージの数ではありません」とHirschbach Motor LinesのCTOであるIvan RamirezはFreightWavesに語った。「AIが運用モデルの一部となり、定義された作業部分を確実に担えることを証明しているということです。それが最大の未知数でした。デモ環境では非常にうまく機能します。実際の環境ではどう機能するのか？ そして私たちはそれを実現しました。」

顧客はAugieの名前を変更することもできる。Hirschbachは自社のAIチームメイトをHirschieと呼んでいる。

Buy-Versus-Buildの決断

外部のAIパートナーを導入する決定は、約1年半にわたるベンダー評価の後に下された。多くの候補は洗練された音声デモを持って現れたが、それ以外はほとんど何も構築されていなかった。

「これらの企業のどこにも構築済みのものがないことは分かっていました」とRamirezは述べた。「どこも資金を調達して、さまざまなAIプラットフォームを構築する素晴らしいアイデアを持っていただけでした。私とチームにとって重要だったのは、チームそのものでした。どのチームとパートナーシップを結ぶのか？」

Augmentは3つの点で際立っていた、とRamirezは述べた。物流の経験と技術の深さを兼ね備えたチーム、track-and-traceを超えてアポイントメントスケジューリング、荷物作成、運送事業者とのコミュニケーションにまで広がるプロダクトロードマップ、そしてHirschbachがベンダーのリリーススケジュールを待つのではなく、そのロードマップを shaping できるという柔軟性である。

「固定された製品を購入して機能を待つような、従来のベンダー関係は望んでいませんでした」とRamirezは述べた。「以前それを経験し、ひどい思いをしました。私たちは一緒に学んでくれるパートナーを求めていました。」

これは、Hirschbachが社内でより多くのことができる技術チームを持ちながらも、意図的なbuild-versus-buyの決定につながった。独自のAIツールを構築するか、専門ベンダーと提携するかという問題は、運送事業者やブローカーが価値創出の迅速さと社内AIインフラの維持コストや複雑さを天秤にかける中、物流業界全体の中心的な戦略的議論となっている。

「HirschbachはAIを使ってより良く運営する運送会社であるという決定を早い段階で下しました」とRamirezは述べた。「AIインフラ企業になろうとしているわけではありません。ですから、より迅速に価値を生み出し、真の運用価値を得られる優れたパートナーを探しましょう。」

大型フリートが異なる理由

企業向け運送事業者にAIを販売することは、スタートアップ向けのニッチ市場に販売することとは全く異なると、Augmentの共同創業者兼CEOであるHarish Abbottは述べた。専用運送（dedicated operations）だけでも、複数の停車地、複数の荷物、運送状（bill of lading）の処理、施設固有の割り当てルールといった複数の複雑さの層がある。

「このすべてにおいて最初に重要なのは、人々を日々の雑務、魅力的でない作業から解放し、より創造的な作業に集中できるようにするにはどうすればよいかということです」とAbbottは述べた。

アポイントメントスケジューリングは、特に大量取引の小売ポータルを通じた場合、大型フリートが抱える最大の課題の一つであるとAbbottは述べた。

「アポイントメントを取るのは簡単ではありません。Walmartやその他の大規模ポータルでは特にそうです」とAbbottは述べた。「Power-onlyはライブロードとは全く異なり、専用運送（dedicated runs）とも全く異なります。」

より大きな機会は、アポイントメントデータを労働時間規制（hours-of-service）やドライバー計画に結びつけ、フリートが一度に1つのアポイントメントではなくネットワーク全体を把握できるようにすることだと彼は述べた。

残り20%の背後にあるデータ課題

Hirschbachの荷物の約70%〜80%は、EDI（Electronic Data Interchange、取引パートナー間の構造化トランザクションに使用される標準化メッセージフォーマットで、運送業界全体で広く使用されている）を通じて到着し、すでに自動化に適した構造になっている。残りはより複雑な形式で到着する。入札メール、PDF、または専用運送中にドライバーに直接手渡される運送状である。

「それらをどのようにシステムに取り込み、正しい顧客コードに割り当て、人間が入力することなく、しかもより速く、高い確実性で処理するか？」とAbbottは述べた。「そうすれば、すべてがデマレージ（detention）に関連付けられます。付帯サービス（Accessorials）はすべて荷物の配達後の責任のなすり付けではなく、非常に早い段階でその荷物に紐付けられます。」

Ramirezは、AIが排除すべき非効率性の例として、EDI 214ステータスメッセージ（業界全体で集荷、到着、配荷などの出荷マイルストーンを報告するために使用される標準トランザクションセット）を挙げた。

「EDIトランザクションを見ると、214の最大部分が最大の費用箇所です」とRamirezは述べた。「私はすでにあなたたちにこれらの情報をすべて提供しています。なぜ再びこれらの情報のために連絡してくるのですか？……私たちは低マージンのビジネスです。方法を見つけようとしており、AIはこの問題に対する完璧な答えです。これは私たちが絶対にやらなければならないことです。AIに任せて、忘れてしまいましょう。」

広範なAIロールアウトではなく、絞り込まれた具体的なユースケースこそが運用担当者の信頼を得るとAbbottは述べた。

「AIをあちこちに散りばめて、『これがクールなもので、みんなの生活を良くするでしょう』と言っても、運用担当者は『なるほど、私の生活は何も変わっていない。まだ同じことをしている』と感じます」とAbbottは述べた。「運用担当者に対しては、極めて具体的でなければなりません。『あなたはXにこれだけの時間を費やしています。ではAIまたはAugieに任せましょう。』すると彼らはそれを実感します。」

ドライバー定着のためにHirschbachが求めるAIエージェント

Hirschbachが次に有効化する予定のユースケースは、ドライバーとドライバーリーダーの間に位置するAIアシスタントであり、日常的な質問に対応することで、リーダーがドライバーを定着させるために本当に必要な会話に時間をかけられるようにするものだ。ドライバーの定着は、トラック運送業界において長年最も根深い運用課題の一つであり、深刻なドライバー不足と高い離職率の中、業界全体の運送事業者が採用と定着に多額の投資を行っている。

「現在ドライバーから寄せられる最大の不満は『ドライバーリーダーに連絡がつかない』ということです」とRamirezは述べた。「私はドライバーリーダーです。50〜60人のドライバーを担当しています。すべての人のために、あらゆる時間帯で電話に対応することはできません。」

「ドライバーリーダーとドライバーの会話をいくつか聞いたことがありますが、多くの場合、彼らは文字通り心理カウンセラーです」とRamirezは述べた。「これらの会話の多くは貨物に関係ありません。家族、給与、『もっと走行マイルが必要だ』といった30分間の会話です。そうした会話こそ、ドライバーリーダーにドライバーと行ってもらいたいものです。それがドライバーをより定着させる方法だからです。」

長期的なビジョンは、事後的な質問への回答にとどまらない。Abbottは、エージェントが遅延を予測し、顧客が荷物の所在を問い合わせる前にアポイントメントを再スケジュールするモデルを描写した。

「顧客からのメールが来る前に、顧客または施設に連絡して、『このドライバーは遅れています。アポイントメントを再スケジュールしました。完了です』と言えれば素晴らしいでしょう」とAbbottは述べた。「これは例外を予測し、それに対して主体的に行動するということです。今日のすべてのAIユースケースは非常に反応型です。」

この種の主体的な再スケジューリングは、荷物の両側に利益をもたらすと彼は述べた。トラックが遅れていることを把握している倉庫は、荷降ろしのために予定していた労働力を再配分できるからだ。

「ドライバーの定着は誰にとっても大きな課題です」とRamirezは述べた。「そのユースケースに早く取り組みたいです。」