Bij T3RA Logistics verzorgt een groep kleine AI-agenten biedingen, contracten, tracking en prijzen, waardoor tienduizenden per maand worden bespaard en de manier waarop een makelaardij van $ 30 miljoen opnieuw wordt vormgegeven. lopende vracht.”
De meeste vrachtmakelaars praten over automatisering. Weinigen kunnen laten zien hoe het precies werkt, wat het bespaart en waar het stopt. Op T3RA LogistiekDeze details worden niet alleen gedocumenteerd; ze vormen de ruggengraat van de activiteiten van het bedrijf.
De makelaardij in Noord-Californië, die elk jaar ongeveer $30 miljoen aan vracht vervoert over bedrijfs- en defensieroutes, draait op een ‘digitaal personeelsbestand’ van agentische AI-systemen die zorgvuldig zijn ontworpen door president en COO Mukesh Kumar. Zijn doel was niet om een AI-dispatcher voor algemene doeleinden te bouwen, maar een reeks beperkte agenten die uitblinken in specifieke taken met duidelijke grenzen.
“We zijn begonnen met de workflows die de meeste wrijving voor klanten en de meeste postvakpijn voor ons team veroorzaakten”, legt Kumar uit. “Aanbestedingen, dealsetting, tracking en prijzen stonden bovenaan de lijst.”
Het resultaat is een stapel van vier kernagenten, elk met zijn eigen taak:
- Tender Agent – Valideert offertes op basis van de vereiste velden, controleert documenten en stelt antwoordpakketten samen. Het maakt alleen gebruik van vooraf goedgekeurde prijsklassen en routes die enigszins ongebruikelijk zijn voor menselijke operators.
- Afsprakenagent – Leest de openingstijden en regels van de faciliteit, stelt afspraakvensters en boeken voor via e-mail of portalen. Het escaleert als het je na een vast aantal pogingen niet lukt om een plaats te bemachtigen.
- Tracking Agent – Verzendt statusupdates met afgesproken intervallen, markeert afwijkingen met redencodes en geeft waarschuwingen wanneer uitzonderingen gedefinieerde drempels overschrijden.
- Prijsagent – Construeert prijzen op basis van historische trajecten, klantspecifieke bandbreedtes en marktgegevens. Het onderhandelt nooit over straffen en verbindt zich er niet toe, maar verkort de tijd om te citeren drastisch.
Technisch gezien draait elke agent op een groot taalmodel dat is afgestemd op logistieke workflows, omgeven door op regels gebaseerde verkeersbarrières en gebeurtenisgestuurde integraties in het transportbeheersysteem, e-mail en portalen van T3RA. De architectuur legt de nadruk op controleerbaarheid: elke actie, beslissing en escalatie wordt geregistreerd en kan worden beoordeeld.
“Agenten zijn geen stagiaires”, zegt Kumar. “Het zijn collega’s met een audit trail. Je zou een stagiair niet zonder toezicht tijdstempels laten veranderen of een straf laten opleggen. Hier geldt hetzelfde principe.”
Om de zaken voorspelbaar te houden, implementeert T3RA een stoplichtmodel voor beslissingen. ‘Groene’ acties zijn volledig geautomatiseerd en routinematig: zaken als het bevestigen van een normale statusupdate of het verkrijgen van de gepubliceerde openingstijden van een faciliteit. “Gele” acties vereisen menselijke goedkeuring met een enkele klik, b.v. ‘Rode’ acties worden volledig geblokkeerd en geëscaleerd, inclusief elke poging om tijdstempels te negeren, over claims te onderhandelen of zich te verbinden aan serviceniveaus die boetes met zich meebrengen.
Dit ontwerp vloeit rechtstreeks voort uit Kumar’s onderzoek naar schade behandeling En vervoerder bereikwaarbij de kosten van een slechte beslissing vaak hoger zijn dan de kosten van een langzamere beslissing. Volgens hem zit de scheepvaart vol met luidruchtige gegevens (slechte referentienummers, inconsistent portaalgedrag en onvolledige aanbiedingen) die AI moet leren respecteren en niet negeren.
“De datarealiteit in de scheepvaart is rommelig”, zegt hij. ‘Agenten die doen alsof het schoon is, zullen hallucineren. Wij hebben de onze geleerd om toe te geven als ze niet zeker zijn en te escaleren in plaats van te raden.’
De meetbare impact is aanzienlijk. In zij-aan-zij vergelijkingen van trajecten voor en na de inzet van agenten rapporteert T3RA:
- Reducties met dubbele cijfers in het aantal handelingen per lading, vooral bij het plannen van afspraken en documentbeheer.
- Verbeterde time-to-full-prestaties met minder gemiste bevestigingen voor ladingen buiten kantooruren.
- Een merkbare daling van het uitzonderingspercentage omdat routinematige updates consistent worden afgehandeld en escalaties beter worden gedocumenteerd.
- Ongeveer twee FTE-uren werden verschoven van het inboxbeheer naar waardevoller werk, zoals het oplossen van geëscaleerde uitzonderingen en het onderhouden van klantrelaties.
De prijsagent valt op. Door het verzamelen van tarieven te automatiseren en menselijke tussenkomst te beperken tot echte randgevallen, zijn de biedcyclustijden op veel sporen teruggebracht van uren naar minuten. T3RA schrijft ongeveer $40.000 per maand aan productiviteitswinst toe aan de prijsworkflow alleen, samen met een margestijging van ongeveer 11% naar 15%.
Deze cijfers zijn niet alleen interne winsten; zij bepalen hoe klanten makelaardij ervaren. Dankzij snellere en nauwkeurigere offertes kan T3RA concurreren om volume zonder dat dit ten koste gaat van de discipline. Beter tracking- en afsprakenbeheer vermindert de vraag “waar is mijn vrachtwagen?” bellen en vertrouwen opbouwen.
Wat het systeem van T3RA onderscheidt van generieke automatisering is de combinatie van agentspecialisatie en beheer. Elke agent heeft:
- Een duidelijk gedefinieerde reikwijdte.
- Een reeks rode lijnen aangepast aan juridische en commerciële risico’s.
- Waarneembare succescijfers (aanrakingen per belasting, uitzonderingspercentage, responstijd).
- Een menselijke eigenaar die verantwoordelijk is voor zijn gedrag en updates.
Kumar ziet dit als een blauwdruk voor andere middelgrote vrachtmakelaars. Hij stelt dat een organisatie die tientallen miljoenen dollars aan vracht vervoert, geen aangepaste basismodellen hoeft te bouwen of teams van AI-onderzoekers hoeft in te huren. In plaats daarvan kunnen ze beginnen met een kleine set goed gedefinieerde agenten en van daaruit uitbreiden.
“In week één breng je één workflow in kaart en definieer je de rood-geel-groene regels”, zegt hij. “In week vier kun je een bewaakte agent in productie laten draaien op geselecteerde tracks met duidelijke KPI’s.”
Deze stapsgewijze aanpak heeft van T3RA een vroeg voorbeeld gemaakt van agent-AI in vrachtactiviteiten – niet in de zin van sci-fi-autonomie, maar als een praktische reeks digitale collega’s verweven in de kernprocessen van de makelaardij.
Voor Kumar is de echte innovatie niet alleen de code, maar de combinatie van systeemdenken, domeinexpertise en vangrailontwerp.
“De scheepvaart beloont geen slimme eenmalige hacks”, zegt hij. “Het beloont systemen die elke dag verschijnen, opschrijven wat ze hebben gedaan en het werk van morgen gemakkelijker maken.”
Nu steeds meer logistieke organisaties worstelen met stijgende kosten en krapper wordende capaciteit en arbeidsbeperkingen, biedt de agentenstack van T3RA een concrete kijk op hoe AI een makelaarsbedrijf stilletjes van binnenuit kan transformeren – één workflow tegelijk.
