A Toyota 4 nap alatt épít új AI-ügynököket a LangChain eszközeivel

Kis csapat szolgálja ki a teljes vállalatot

A Toyota Motor North America nagyjából 35 fős vállalati AI-csapata mérnökökből, architektekből, termékmenedzserekből és belső evangelistákból áll. A csapat feladata az AI-stratégia meghatározása, a vállalati alkalmazásokra érvényes szabványok kialakítása, valamint a legfontosabb AI-termékek fejlesztése.

A megoldások a gyártást, az ellátási láncot, a pénzügyi szolgáltatásokat, a márkakereskedéseket, a járműfejlesztést és a kutatás-fejlesztést is érintik. A projekteknek éves szinten hat- vagy hétszámjegyű megtérülési küszöböt kell elérniük. Kordel France, a Toyota Motor North America AI-mérnökségi igazgatója szerint a saját fejlesztésű eszközök fenntartása jelentős munkaerőt és mérnöki időt igényelt.

A ToyotaGPT gyorsította fel az ügynökök fejlesztését

A vállalati AI-portfólió központi eleme a ToyotaGPT, amely egyre bővülő, szakterületre szabott ügynökkönyvtárat kínál. A dolgozók a Toyota belső adatai alapján kérdezhetnek, többek között gyártási dokumentációkról, kutatás-fejlesztési jelentésekről és ellátásilánc-adatokról. Az adatokhoz való hozzáférés jogosultságokhoz kötött, így az ügynök nem jelenít meg olyan SharePoint-adatokat, amelyekhez a felhasználónak nincs hozzáférése.

A LangChain Deep Agents és LangGraph bevezetése előtt egy új ügynök elkészítése hat hónapot és hat mérnök munkáját igényelte. A Toyota szerint ez ma négy nap és egy mérnök feladata. A csapat az egyes ügynökökbe kódolt szaktudás helyett újrahasznosítható készségtárat épített, amely gyártási, ellátásilánc-, kutatás-fejlesztési és márkaismereteket tartalmaz. Ezeket futás közben adják át a Deep Agents ügynökeinek.

Percek alatt segít a gyártási hibák feltárásában

A GearPal természetes nyelvű felületet ad a géptechnikusoknak a gyártósor robotjainak és más eszközeinek diagnosztizálásához. A technikus megkérdezheti, miért hibásodott meg egy gép, és hogyan javítható. A rendszer a kapcsolódó diagnosztikai adatokat, korábbi szervizelési rekordokat és javítási útmutatókat is megjeleníti.

A LangChain közlése szerint egy korábban öt-hat órát igénylő diagnosztikai folyamat két-három perc alatt elvégezhető. A GearPal a tapasztalt technikusok tudásának átadását is támogatja. A megbízhatóság érdekében a csapat LLM-átjárót épített be, amely szolgáltatói kiesés esetén tartalék nyelvimodell-lehetőségeket kezel.

A kutatás-fejlesztési területen működő R&D GPT a Toyota belső anyagai között keres. A vállalat szerint a kutatási időszakok nagyjából három évről egy évre rövidültek. A pontatlan keresési találatok kezelésére a csapat LangGraph-alapú, párhuzamos eszközhívási rendszert készített, amely több forrásból gyűjt és egyesít eredményeket.

A LangSmith az AI-rendszerek megfigyelését végzi

Kordel France a LangSmith platformot a Toyota gyárainak Andon táblájához hasonlítja, amely valós időben mutatja, mi működik, mi hibásodott meg, és hová kell erőforrást irányítani. A LangSmith segítségével a csapat követheti az ügynökök interakcióit, azonosíthatja a keresési hibákat, valamint láthatja, mely eszközhívások vallottak kudarcot és mely funkciókat használják a dolgozók.

A Toyota a LangSmith Insights Agentet a ToyotaGPT platformszintű elemzésére is használja. Ezzel azt vizsgálják, hogyan alkalmazzák a rendszert az egyes részlegek, és mely új, célzott ügynökök fejlesztését érdemes előre venni.

A LangChain szerint minden gyártási felhasználási eset legalább hat számjegyű éves megtakarítás felé tart gyártósoronként, üzemenként és gyáronként. Kordel France többmillió dolláros éves megtakarítást vetít előre létesítményenként, a portfólió bővülésével pedig a következő években héttől nyolc számjegyű megtakarítást vár. A bejelentés 2026. augusztus 24-én jelent meg.