一家AI创业公司，把货代每天最烦的三件事自动做掉了

如果你想看一个AI到底怎么真正进入外贸公司，而不是停留在“帮你写邮件、做总结”这一步，Pallet和冷链物流公司Lineage的合作很值得看。

Pallet是一家做物流AI的创业公司，Lineage则是全球规模很大的冷链物流企业。两家公司合作以后，没有一上来做什么“物流超级智能体”，也没有试图把整个货代流程一次性全部自动化，而是先挑了三个员工每天都在重复做、又特别耗时间的事情：读物流单据、把邮件里的运输订单录进CargoWise、把客户使用的产品名称和仓库系统里的SKU匹配起来。

听起来都不是什么特别“高级”的工作，但如果做过货代、仓储或者跟单，很容易理解为什么这些事情特别适合AI。

货代每天收到的文件非常杂。一个客户发来Bill of Lading，另一个发Packing List，还有的直接丢一张扫描件甚至手机照片。员工打开以后，要从里面找发货人、承运商、订单号、货物、数量、目的地，再把这些内容录进系统。单独处理一票货可能只需要几分钟，但每天几百票、几千票以后，时间就全耗在这种复制、确认和录入上了。

Pallet给Lineage做的第一个Agent，就是专门干这件事。它会直接读BOL、PO、到货通知和Packing List等文件，再从里面提取需要的字段，整理之后送进仓库系统。Pallet公布的案例显示，这个Agent现在已经覆盖Lineage的53个设施，高峰期一天能处理大约1000份文件，每个shipment packet大约提取40个字段。公司公布的准确率是99.8%，不过这个数字来自Pallet自己的客户案例，不是第三方审计，所以更适合当作项目方披露的数据来看。

真正让我觉得这个案例开始有意思的，是第二个Agent。

因为读懂文件其实很多大模型现在都能做，真正麻烦的是，读完以后谁来继续干活。以前客户发来一封运输邮件，员工看懂需求以后，还得打开CargoWise，新建订单，再把邮件里的内容重新录一遍。这里面真正花时间的，并不是“理解客户说什么”，而是后面一连串机械操作。

Pallet把这一段也接起来了。Agent可以直接读取客户邮件，识别运输要求和附件信息，然后自己创建CargoWise订单。按照Pallet披露的数据，人工以前创建一票订单平均需要14分钟，现在Agent平均大约1分钟可以完成。这个流程从开始实施到上线，用了49天。

这也是我觉得很多外贸公司现在用AI最容易卡住的地方。

今天你把客户询盘复制给ChatGPT，它确实可以告诉你客户要什么，也可以帮你整理成一份表格。但接下来你还是得自己打开CRM，把客户信息录进去；自己进ERP建订单；自己找报价表；再自己设置下一次跟进时间。AI只是替你“想了一下”，真正的操作还是人做。

Agent如果有价值，关键就在于它能不能把后面的动作一起完成。

Pallet第三个Agent更接近物流公司里那些原本只能靠老员工经验解决的问题。不同客户对同一款产品可能有不同叫法，客户邮件里写一个名字，仓库系统里的SKU却完全是另一套编码。老员工看一眼就知道对应哪个货号，新员工可能要查半天。Pallet让Agent结合客户历史、订单信息和WMS数据去做匹配，明确的订单自动完成，真正拿不准的再交给人。

这种做法比“AI完全替代员工”现实得多。

一家物流公司最怕的不是AI不够聪明，而是AI犯一个错误以后，错误直接进入仓库、运输或者报关流程。所以真正能落地的方式，往往不是让AI什么都做，而是先让它处理那些规则清楚、数据充分的工作，碰到有歧义的再转给人。员工原来可能每天处理100个任务，以后不是完全不用干，而是只处理那5个AI判断不了的异常。

现在Pallet给Lineage做的这三个Agent，每年已经运行大约200万次工作流。这个数字比“我们公司已经全面使用AI”这种表述更有价值，因为它至少能让人看到，AI到底有没有真的进入日常业务。

把这个案例放回中国外贸公司，其实很好理解。

假设一家30人的外贸公司每天收到200封询盘，完全没必要一上来做一个“AI外贸业务员”。可以先挑最简单的一段：AI先读询盘，识别产品、国家、数量和客户公司，再判断应该分给哪个业务员，把信息自动写进CRM。等这一段跑稳定以后，再接报价表，让AI生成报价草稿；再往后，客户三天没回复时，自动把历史沟通整理出来，提醒业务员跟进。

这样做有一个很大的好处：每一步都能算账。

原来一个询盘录CRM要5分钟，现在1分钟；原来一个业务员一天处理40封邮件，现在只需要看真正需要人判断的十几封。哪一步节省了多少时间，哪一步错误率多高，都能看得很清楚。

这和很多“AI战略”最大的区别，就是它不抽象。

Pallet并没有试图证明AI能把整个物流行业重做一遍，它只是把员工每天重复做的几件小事真正拿走了。对中小外贸公司来说，我觉得这反而是最值得学的地方。公司里真正适合先交给AI的，通常不是最复杂、最有价值的工作，而是那些每天做几十遍、规则又比较固定、员工自己都觉得烦的事情。

外贸行业其实特别多这种地方。客户邮件要录CRM，订单要进ERP，ERP数据要给货代，货代信息又要回给客户，报关资料还要再检查一遍。过去这些系统之间的“接口”很多时候就是人，靠复制、粘贴、转发和重新录入把它们串起来。

如果Agent以后真能在外贸行业大规模落地，我反而觉得，最先消失的未必是业务员或者采购员，而是这些夹在不同系统之间、几十年来一直靠人手工完成的琐碎操作。