Дополнительный материал
Knight-Swift Transportation Holdings Inc. (№7 в рейтинге TT Top 100 for-hire carriers Северной Америки)
ID исходника: I3-PR-0088. Слой: iteration3-v0.1.
Проекция исходной записи для навигации. Принятие исследовательского выпуска не подтверждает автоматически каждое утверждение. Каноническая запись — найти по ID.
Содержание и границы
outcome: mixed_unclear — заявлен эффект, но без названного инструмента, конкретной методики и охвата парка
Процесс: Применение ИИ в парковых и ремонтных операциях: прогнозирование отказов деталей грузовиков для предотвращения аварийных эвакуаций (тоу)
До: unknown — источник не описывает процесс ТО до внедрения ИИ-инструментов
После: ИИ используется в парковых и ремонтных операциях компании, включая прогнозирование отказов деталей; до 15 эвакуаций (тоу) в месяц предотвращается
Стадия: limited_production
Глубина изменения: operation
governance_change: {"established": false, "what_ru": "изменение прав решений не описано", "basis_quote": null, "locator": null}
effect_evidence: source_claim
Неопределённость: Отраслевая пресса (Transport Topics, платная секция PREMIUM, но текст получен без ограничения доступа при загрузке) с именованными цитируемыми руководителями (Steve Grover, Mark Kennedy), однако сам факт о 15 тоу в месяц не сопровождается цитатой конкретного руководителя — это фраза автора статьи; конкретный ИИ-инструмент Knight-Swift для этой задачи не назван (в отличие от примеров других вендоров в статье — Pedigree Technologies, Tensor Planet). Подход компании описан как распределённое тестирование ИИ-инструментов по разным частям организации, а не единая система — поэтому deployment_stage ограничен limited_production
Продолжение: Найти собственный материал Knight-Swift (пресс-релиз/отчёт) с названием конкретного ИИ-инструмента и базой расчёта «15 тоу в месяц»
Темы
Внешние материалы
Сохранённые оригиналы
Связаны по точному URL, а не по одному издателю.