每家追逐 AI 的大型车队最终都会遇到同样的选择：购买合作伙伴方案，还是在内部开发技术。Hirschbach Motor Lines 选择了前者，这家总部位于爱荷华州的卡车承运商现在正通过 Augment 开发的 AI 代理来自动化司机沟通。

此次上线首先从经纪业务端开始。在该场景中，名为 Augie 的代理现在负责所有面向司机的外呼，覆盖三类交互：司机信息请求、提货到达和送达到达。这些是 track-and-trace 的核心组成部分，track-and-trace 是货运经纪人和承运商在整票运输过程中确认货物状态里程碑——提货、运输中更新和送达——的流程。合计来看，这三类交互代表了工作中可自动化的部分，约占 Hirschbach 整体 track-and-trace 业务量的 40%，不包括 power-only 货运——即承运商只提供牵引车和司机，而不提供挂车的安排。在这部分业务中，Augie 已经在该承运商 Logistics Solutions 货量中超过 85% 的线路上触达司机，并且每周自动化超过 300 次提货和送达签到。

“对我来说，早期成功并不只是 Augie 处理了多少通电话或消息，”Hirschbach Motor Lines 的 CTO Ivan Ramirez 告诉 FreightWaves。“更重要的是，我们正在证明 AI 可以成为运营模式的一部分，并可靠地承担一部分明确的工作。这曾是最大的未知数：它在演示环境里表现得非常好。它在真实环境中到底如何运作？而我们已经把它做到了。”

客户也可以为 Augie 更名。在 Hirschbach 的案例中，他们将自己的 AI 同事称为 Hirschie。

AI 司机沟通背后的买还是建决策

引入外部 AI 合作伙伴的决定，源于大约一年半的供应商评估。许多候选方带着精美的语音演示出现，但实际完成的东西很少。

“我知道这些人没有任何已建成的东西，”Ramirez 说。“他们都只是筹了很多钱，然后有一个很棒的想法，准备如何构建这些不同的 AI 平台。对我和我们的团队来说，关键在于团队。我们要和哪个团队合作？”

Ramirez 说，Augment 在三个方面脱颖而出：其团队兼具物流经验和技术深度；其产品路线图不仅限于 track-and-trace，还延伸到预约安排、货量创建和承运商沟通；以及愿意让 Hirschbach 参与塑造这一路线图，而不是等待供应商的发布节奏。

“我们不想要一种传统的供应商关系，即我们购买一个固定产品，然后等待功能上线，”Ramirez 说。“我们以前经历过那样的情况，体验非常糟糕。我们希望找到一个愿意和我们一起学习的合作伙伴。”

这促成了一个明确的先建还是先买的决定，尽管 Hirschbach 拥有能够在内部承担更多工作的技术团队。

“我们很早就做出决定：Hirschbach 是一家使用 AI 来更好运营的运输公司，”Ramirez 说。“我们不是要变成一家 AI 基础设施公司。所以，让我们去找一个非常好的合作伙伴，这样我们就能更快地获得价值，并取得真正的运营价值。”

为什么大型车队不同

Augment 联合创始人兼首席执行官 Harish Abbott 表示，将 AI 销售给企业级承运商，与销售给更适合初创公司的细分市场完全不同。仅仅是专线运营就包含多层复杂性：多个停靠点、多票货物、提单处理，以及针对特定设施的分配规则。

“这一切的第一件事是：我们如何让人们摆脱日常琐事和那些不起眼的工作，让他们腾出时间去做更有创造性的工作，”Abbott 说。

Abbott 说，预约安排是大型车队面临的最大痛点之一，尤其是在高流量零售门户中。

“安排预约并不容易，尤其是在 Walmart 和其他这类大型门户里，”Abbott 说。“power-only 与 live load 非常不同，与专线运行也非常不同。”

他表示，更大的机会在于把预约数据与工时限制和司机规划连接起来，让车队能够看到整个网络，而不是一次只看一个预约。

剩余 20% 背后的数据问题

Hirschbach 约有 70% 到 80% 的货运通过 EDI 到达，且已具备自动化所需的结构。其余部分则更为杂乱：招标邮件、PDF，或者在专线运行中直接交给司机的提单。

“你如何把它们录入系统，分配到正确的客户代码，并且以很高的确定性完成，这样就不需要人工录入，同时还能更快？”Abbott 说。“所以一切都与 detention 有关。所有附加费用都要在很早阶段就与该票货物关联起来，而不是在货物送达后才互相推诿。”

Ramirez 以 EDI 214 状态消息为例，说明 AI 旨在消除的低效环节。

“如果我看我的 EDI 交易，214 的最大部分就是成本最高的地方，”Ramirez 说。“我已经把这些信息都给你们了。为什么你们还要再来索要这些信息？……我们是一个低利润行业。我正在想办法，而 AI 正好能解决这些问题。这些是我们绝对需要做的事情。就让 AI 来处理，我们就不用再管它了。”

Abbott 说，赢得运营方信任的不是大范围铺开的 AI 项目，而是狭窄、明确的用例。

“如果你把 AI 到处撒开，说‘这里有一些很酷的东西，它会让每个人的生活更好’，运营方会说，‘好吧，我的生活并没有改变。我还是在做同样的事。’”Abbott 说。“对运营方来说，你必须非常具体：‘嘿，你在 X 上花了这么多时间，现在让 AI 或 Augie 来处理。’他们就会看到效果。”

Hirschbach 希望用于司机留任的 AI 代理

Hirschbach 计划启用的下一个场景，是一个位于司机与其司机主管之间的 AI 助手，用于处理常规问题，让主管把时间投入到真正能留住司机的对话中。

“我们现在从司机那里收到的最大抱怨是‘我联系不上我的司机主管’，”Ramirez 说。“我是司机主管。我手上有 50 到 60 名司机要管理。我不可能随时随地都能接听每一个电话。”

“我听过一些司机主管与司机之间的对话。很多时候，他们简直就是心理医生，”Ramirez 说。“很多对话都与货运无关。它们是关于家庭、工资、‘我需要更多里程’的 30 分钟谈话。我们希望司机主管和司机之间进行这些对话，因为这才是留住更多司机的方法。”

从更长远来看，这一愿景不只是事后回答问题。Abbott 描述了一种模式：代理会预判延误，并在客户还没来得及询问货物在哪里之前就重新安排预约。

“更酷的是，在客户发来邮件之前，我们先联系客户或设施，说，‘嘿，这位司机晚点了。我正在重新安排预约。已经完成了，’”Abbott 说。“这有点像预判异常，并真正主动处理，而不是像我们今天在所有 AI 用例中那样非常被动。”

他表示，这种主动重新安排对装卸双方都有帮助，因为仓库一旦知道卡车会晚到，就可以重新调配原本安排好的卸货人力。

“司机留任对每个人来说都是大事，”Ramirez 说。“我已经等不及要做到那个场景了。”