每個追求 AI 的大型車隊都面臨一個熟悉的抉擇：購買合作夥伴的解決方案，還是自行開發技術。Hirschbach Motor Lines 選擇了合作路線，這家總部位於愛荷華州的卡車運輸承運商現在正透過 Augment 打造的 AI 代理來自動化司機溝通。

部署首先從經紀業務端開始，名為 Augie 的代理現在負責處理三類互動的所有外聯司機工作：司機資訊請求、取貨到站通知和交付到站通知。這些是貨物追蹤的核心環節——貨運經紀人和承運商在整個貨物運輸過程中確認出貨狀態里程碑（取貨、運送中更新和交付）的流程。這三類互動合計代表了可自動化的工作部分，約佔 Hirschbach 整體貨物追蹤量的 40%（不含僅牽引車業務——即承運商僅提供牽引車和司機、不提供拖車的安排）。在這部分中，Augie 目前已能在該公司超過 85% 的 Logistics Solutions 貨載上與司機取得聯繫，並每週自動化超過 300 次取送簽到。

「對我來說，初步的成功不僅僅在於 Augie 處理了多少通電話或訊息，」Hirschbach Motor Lines 技術長 Ivan Ramirez 向 FreightWaves 表示。「而是我們正在證明 AI 可以成為營運模式的一部分，並且可靠地承擔工作中一個明確的部分。這是最大的未知數：它在演示環境中運作得非常好，但在真實環境中實際表現如何？而我們已經做到了。」

客戶也可以為 Augie 重新命名。Hirschbach 將他們的 AI 隊友稱為 Hirschie。

自建或外購的決策

引入外部 AI 合作夥伴的決定，是在經過大約一年半的供應商評估後做出的。許多競爭者帶來了精美的語音演示，但除此之外幾乎沒有什麼實際成果。

「我就知道這些人沒有做出任何東西，」Ramirez 說。「他們都只是去募了一大筆錢，然後對如何打造這些不同的 AI 平台抱有很棒的想法。對我和我們的團隊來說，真正重要的是團隊。我們要和哪個團隊合作？」

Ramirez 表示，Augment 在三個方面脫穎而出：一個結合了物流經驗與技術深度的團隊、一個從貨物追蹤延伸到預約排程、貨載建立和承運商溝通的產品路線圖，以及讓 Hirschbach 塑造該路線圖的意願，而不是等待供應商的發布時程。

「我們不想要傳統的供應商關係，即購買一個固定產品然後等待功能，」Ramirez 說。「我們以前這樣做過，那是一次糟糕的經驗。我們想要一個願意與我們一起學習的合作夥伴。」

這促成了一個深思熟慮的自建與外購決策，即使 Hirschbach 擁有一個有能力做更多內部開發的技術團隊。是否自建專有 AI 工具還是與專業供應商合作，已成為整個物流業的核心戰略辯論，承運商和經紀人需要權衡實現價值的速度與維護內部 AI 基礎設施的成本和複雜性。

「我們很早就做出了決定：Hirschbach 是一家利用 AI 來更好營運的運輸公司，」Ramirez 說。「我們不是要成為一家 AI 基礎設施公司。所以我們去找一個真正優秀的合作夥伴，讓我們能更快實現價值，獲得真正的營運效益。」

為什麼大型車隊不同

Augment 聯合創始人兼執行長 Harish Abbott 表示，將 AI 銷售給企業級承運商與銷售給適合新創公司的利基市場截然不同。僅僅是專營運營就帶有多層複雜性：多個停靠點、多個貨載、提單處理以及設施特定的分配規則。

「在所有這些事情中，首要問題是：我們如何讓人們擺脫日常繁瑣的工作、那些不起眼的工作，以便他們能被解放出來做更有創造性的工作，」Abbott 說。

Abbott 表示，預約排程是大型車隊面臨的最大痛點之一，尤其是透過大流量的零售入口網站。

「預約並不容易，特別是在像 Walmart 等大型入口網站上，」Abbott 說。「僅牽引車業務與現場裝載非常不同，與專營運輸也非常不同。」

他說，更大的機會在於將預約數據與服務時數和司機規劃關聯起來，讓車隊能夠查看整個網絡，而不是一次只看一個預約。

剩餘 20% 背後的數據問題

Hirschbach 約 70% 至 80% 的出貨透過 EDI——電子資料交換，一種廣泛用於運輸業交易夥伴之間結構化交易的標準化訊息格式——到達時已經結構化以供自動化。其餘部分則以更混亂的格式到達：招標電子郵件、PDF，或是在專營運輸中直接交給司機的提單。

「你如何讓它們進入系統，以高度確定性分配到正確的客戶代碼，讓人類不必輸入這些數據，而且還要更快？」Abbott 說。「所以一切都是關於滯留費。附加費用都及早與該貨載綁定，而不是在貨物交付後才互相指責。」

Ramirez 以 EDI 214 狀態訊息——一種業界用來報告取貨、到站和交付等出貨里程碑的標準交易集——為例，說明 AI 旨在消除的低效率。

「如果我看我的 EDI 交易，214 最大的一部分就是開銷最大的地方，」Ramirez 說。「我已經給了你們所有這些資訊。為什麼你們還要再來問這些？……我們是低利潤的行業。我在想辦法解決這個問題，而 AI 是這些問題的完美答案。這些是我們絕對需要做的事。讓 AI 來處理，我們就不用再管它了。」

Abbott 表示，贏得營運人員信任的是具體、特定的使用場景，而非全面的 AI 推廣。

「如果你像這樣全面撒網式地推廣 AI——『這是一些很酷的東西，它會讓每個人的生活都更好』——營運人員的反應是：『好吧，我的生活沒有改變。我還是在做同樣的事，』」Abbott 說。「對營運人員，你必須非常具體：『嘿，你在 X 上花了這麼多時間，現在讓 AI 或 Augie 來處理吧。』然後他們就會看到效果。」

Hirschbach 為司機留任想要的 AI 代理

Hirschbach 計畫啟用的下一個使用場景是一個 AI 助理，位於司機和他們的車隊主管之間，處理常規問題，讓主管能專注於那些真正能留住司機的對話。司機留任一直是卡車運輸業最持久的營運挑戰之一，各家承運商在持續的司機短缺和高離職率下，在招募和留任方面投入大量資源。

「我們現在從司機那裡聽到的最大抱怨是『我聯繫不上我的車隊主管，』」Ramirez 說。「我是車隊主管。我要管理 50 到 60 名司機。我不可能在每個時刻都為每個人接聽那些電話。」

「我聽過一些車隊主管與司機的對話。很大程度上，他們簡直就是心理學家，」Ramirez 說。「這些對話很多都與貨運無關。他們是關於家庭、薪水的 30 分鐘對話——『我需要更多里程數。』這些才是我們希望車隊主管與司機進行的對話，因為這就是留住更多司機的方法。」

更長遠的願景不僅限於事後回答問題。Abbott 描述了一種模型，在該模型中，代理會預測延誤並在客戶詢問貨物在哪裡之前就重新安排預約。

「很酷的是，在客戶發來電子郵件之前，我們就聯繫客戶或設施並說：『嘿，這位司機要遲到了。我正在重新安排預約。已經搞定了，』」Abbott 說。「這有點像是預測異常情況並主動處理，而不是像我們今天所有的 AI 使用場景那樣非常被動。」

他說，這種主動重新安排對貨物的雙方都有幫助，因為知道卡車會遲到的倉庫可以重新分配原本安排好卸貨的人力。

「司機留任對每個人來說都是一件大事，」Ramirez 說。「我等不及要啟用那個使用場景了。」