Mondragon Innovation | Humanity at work – ALVINLOGIS: Investigación y prototipado de un nuevo asistente virtual logístico inteligente conversacional
Mondragon Innovation | Humanity at work
Sector: Logística
Business Case
La gestión de una red de transporte de mercancías depende en un alto porcentaje de la labor del auxiliar de tráfico, encargado de realizar la recepción de órdenes y la planificación del envío. Es una labor altamente exigente de la que depende la rentabilidad de la empresa, la huella de carbono y los costos de mantenimiento, y que actualmente se lleva a cabo de forma manual sin ayuda que pueda minimizar la presión sobre los auxiliares. De este contexto surge la idea que podría ser disruptiva en el sector del transporte y la logística: la virtualidad de la figura del auxiliar de tráfico por un asistente virtual logístico inteligente conversacional (ALVINLOGIS).
Objetivos
El objetivo principal de este proyecto es la investigación y desarrollo de un nuevo y especializado prototipo de asistente virtual que sustituya las capacidades y funciones de un asistente de tráfico humano. Este nuevo asistente virtual estará inmerso en el complejo ecosistema multidisciplinar que conforma el procesamiento natural del lenguaje, el aprendizaje profundo, la inteligencia artificial, la computación de alta demanda, la minería de datos, etcétera.
Use case
El proyecto incluye dos investigaciones: en un primer bloque de trabajo se ha generado un modelo de lenguaje instruccional (Intruction Tuned LLM) que mantenga una conversación con el usuario y extraiga las variables principales del transporte a ejecutar para, en un segundo bloque de trabajo optimizar medios y trayectos para lo que se ha construido una IA predictiva con tecnologías deep learning sobre redes neuronales.
Infraestructura
Hibrida
Tecnologías utilizadas
Minería de textos Tecnologías de IA que generan lenguaje escrito o hablado, imágenes o videos (IA generativa)
Datos utilizados
Para el entrenamiento de los modelos se han utilizado datasets propios de negocio compuestos por datos georreferenciados de explotación de redes de redes de transporte y cadena de suministro end to end.
Recursos utilizados
En el proyecto ha participado tanto personal como medios internos de SmartDataServices facilitando la asimilación de las nuevas tecnologías de datos en el know-how de la cooperativa. En el proyecto han participado 16 personas (8 Ing. Superiores y 8 Ing. Técnicos) y se ha desarrollado en cloud propio.
Dificultades y aprendizaje
Entre las principales dificultades encontradas y que han supuesto un reto ha sido: La gran dificultad que supone la interpretación sintáctico-semántica en entornos multicontextuales del transporte para la elaboración de corpus para el algoritmo PNL. Limitaciones del hardware de procesado de redes neuronales lo que obligó a modificar la arquitectura.
KPIs (impacto en el negocio y métricas del modelo)
Se han conseguido tiempos de respuesta del sistema desarrollado por debajo de sistemas convencionales (8%). Se ha mejorado el cálculo de los ETAs en un 12%.
Financiación
Privada
Colaboradores
SmartMonkey Tecnalia
