Overroute 是一家人工智能软件公司，由 JB Hunt 的 UpLabs 项目孵化。该公司首席执行官 Alex Reed 在接受 FreightWaves 采访时表示，其平台已部署到数百名 JB Hunt 用户中，覆盖该承运商的多式联运、干线运输和专用业务部门。

该工具可调取内部数据，并帮助面向客户的代表回应请求、生成报告以及处理服务异常；Reed 将这些工作描述为更广泛推进资产利用率优化的第一阶段。

这项部署对承运商和托运人都具有重要意义，因为它瞄准的是卡车运输技术中最难攻克的一层：资产侧运营。JB Hunt 以 JBHT 在 NASDAQ 上市，并且按营收长期位列北美最大卡车运输公司之一。该公司运营着业内最复杂的混合车队之一，涵盖多式联运集装箱、专用合同运输服务和干线干货车。Overroute 并未像许多货运技术公司那样优先为经纪商开发工具——经纪商通常是最早采用货运技术的群体——而是直接与北美最大资产型承运商之一合作，使这家初创公司从一开始就能深入了解企业工作流程。

Reed 表示，当前 rollout 有意聚焦于风险较低的自动化。公司正在试点预约设置能力，并已测试其所称的“operationally focused data gap calling”。预计在未来几个月进入的下一阶段，将转向帮助一线运输经理和运营经理更好地决定 JB Hunt 网络中的司机和资产配置。

“我进入之后看到的是，如果你看这些决策在整个网络中是如何做出的，那么最有影响力的位置其实是在一线，也就是运输经理、运营经理那里，他们调配资产，也调配司机，”Reed 说。

Reed 将 Overroute 的自动化方法分为三个层级：可以完全自动化的任务、需要人工批准的任务，以及始终需要人参与的任务。当前，跟踪与追踪监控以及客户响应属于第一类。资产路由和司机分配决策至少目前明确属于第三类。

“这些决策随后会在整个网络中层层叠加，”Reed 说，并认为提升一线决策质量会对回程运输位置和网络平衡产生放大效应。对于大型资产型承运商来说，即便利用率的小幅提升也可能转化为可观的成本节约，因为空驶里程和资产闲置时间仍是整个行业运营利润率的持续拖累。

在企业 AI 部署中长期存在的变革管理问题上，Reed 表示，Overroute 先聚焦于在单个用户层面证明价值，然后再寻求高层支持。他将一线货运工作比作马斯洛需求层次理论，指出操作人员把过多时间耗费在低层级、重复性的任务上。

“我们发现最简单的方法，是先实际向人们展示我们如何改善他们的生活。然后当他们真的看到这一点，并产生‘啊哈’的时刻后，他们就能够接受它，”Reed 说。他补充说，一旦员工认可，往往会提出供应商未曾预料到的新用例。

当被问及 AI 实施的成功率时——在这个被广泛报道为多数项目未达预期的领域——Reed 给出了严格的内部标准。他表示，进入企业客户的供应商必须尽早取胜，并且持续取胜，只有在建立起可验证的业绩后，才应承担更复杂、更高风险的用例。“你必须交付，因为我们都在看它的 ROI，而且我们都知道，如果 AI 不能带来 ROI，我们就不会继续存在，”他说。他承认，一旦建立信任，承运商和供应商就可以共同推进风险更高的项目，并接受偶发失败。

除 JB Hunt 之外，Overroute 也正在与其他承运商进行早期接触。Reed 表示，在 JB Hunt 网络内积累的经验——尤其是围绕在用户层面而非高管层面的工具采用——正在塑造公司推进这些新关系的方式。

Overroute 已将其 AI 平台部署到 JB Hunt 数百名用户中，覆盖多式联运、OTR 和专用运营，最初聚焦于客户异常处理、数据检索和报告生成。

资产利用率优化——面向作出司机和货物路由决策的一线运输经理和运营经理——是公司未来几个月的明确优先事项。

Reed 表示，AI 供应商在进入企业客户时必须力争接近完美的早期胜率，只有在建立可信度和组织支持后，才应承担更高风险的用例。

本摘要由采访录音转写生成，如需完整访谈内容，请观看上方视频。

本文 Beyond the Hype: How Overroute’s AI Transforms Trucking Operations 首发于 FreightWaves。