FourKites改卖结果：70项考核指标挂到AI代理，承诺干10亿小时

详细拆解

10月14日，FourKites宣布不再卖功能，改卖客户被考核的那个数字。它的「结果即服务」模式从一个指标倒着往前推——准时足量率、单件服务成本——推到能把这个指标推动的AI代理身上。官网列出70多项结果，每一项都挂着执行代理。底下垫着一张它自称的网络图：1600多个品牌、50万家以上承运商、176个国家的360万个设施，每天处理320万条供应链事件。创始人Mathew Elenjickal说这东西别人抄不走，理由是上下文而不是代码：一家公司自己的数据，教不会模型50万家承运商的行为方式。

把包装拆掉，变的是计价单位。过去二十年，可视化卖的是信息：你的箱子在哪儿。现在卖的是你已经被人打分的那个记分卡上的位移。这是真不一样的产品，也是不一样的风险——信息是可以核对的，而位移在没有公认基准线之前没法核对。

而在跨境贸易里，扛着这个记分卡的通常就是我们。往零售商合规计划里发货的出口方，扛着准时足量率；给自己配送中心约仓位的进口方，扛着另外一半。所以在看代理之前，先看表：谁定义这个数，谁算这个数，两边算得不一样的时候会发生什么。

这套结构用控制论的词汇很好描述：结果是目标函数，代理是控制器，那张图是状态估计。任何搭过控制回路的人看到这张图都会问同样两个问题：状态估计有多准，标尺在谁手里。下面就是把这两个问题换回业务语言再问一遍。

为什么是现在，为什么是做可视化的公司先干？三股力同时到位。代理推理便宜到可以按事件跑，而不是按席位跑。可视化本身成了大宗商品，差异化只能往上一层挪——从告诉你发生了什么，挪到改变接下来会发生什么。而记分卡长出了牙：零售商那些按货值百分比扣款的准时足量计划，把一个汇报指标变成了现金科目。卖结果的厂商就是在往这个现金科目里卖，这比卖进IT预算的位置好太多了。

波及范围是窄而具体的。如果你的货发给一个会考核交付表现并按失误扣款的收货方，那么每一点合规率都有价格，一个能推动这个点的产品就值得拿来定价。如果你走的是散货或者重大件，唯一有意义的指标是船靠没靠泊，那这件事跟你没关系。如果你是进口方、痛点是滞期费和自家配送中心的预约履约率，那么相关的结果根本不是准时足量率，你该先确认这70多项结果里哪一项对应你真正漏钱的地方，再去看任何代理。

先给通稿里最大的那个数算一笔账，因为它是所有人都在复述、没人验算的那个。十亿个代理工作小时。平台说每天320万条事件，一年就是11.68亿条事件。两者相除，大约每条事件每年摊到0.86个代理小时。再给它配个价：如果一个代理小时替代的是一个分析员的小时，按我假设的全负荷40美元算，那就是每条事件每年约34美元的机器投入。跟你自己今天花在这上面的钱比一比。假设处理一次异常要0.4个人工小时、16美元，假设15%的事件会变成异常，你自己摊到每条事件每年大约2.40美元。宣称的机器投入是这个数的约14倍。

这个倍数不是批评，是一张地图。它说明代理并没有把时间花在人类已经在处理的那15%上，而是花在那85%从来没人打开过的事件上：一次滞留，从来没变成告警；一个预约被改了两次，没人发现；一个预计到港时间漂了六个小时，却一直待在容差里。如果这个产品是真的，价值只能从这儿来。它同时告诉你在演示里该要什么：不是你已经有的异常看板，而是那份「代理动了、而人类永远不会打开」的事件清单。

现在说队列，因为成败就在这儿。事件是到达，异常处理是服务过程。过去的服务器是一个有收件箱的人；在这个模型里，服务器是一台带预算的策略引擎。问题和任何服务系统一样：到达率多少，服务率多少，利用率多少，旺季到达率飙升时积压会怎么变？一个每天处理320万条事件的平台，讲的是它自己的总队列，不是你的。

所以去量你自己的。假设一年1,200票，一个月100票，每票8条事件，合计每月800条事件。假设15%需要人工介入，120次异常，每次0.4小时，合48个人工小时每月。假设两个人各拿出160小时月度工时的四分之一处理异常，也就是80小时产能对着48小时需求，你的队列根本没跑满。这带来一个不太舒服的结论：你真正能拿掉的人工是每月48小时，按同样全负荷费率约1,920美元，一年约23,000美元。而且只有你真的减了编制它才变成现金，而大多数公司不会减，只是把人挪去干别的。想靠买代理省出人头来撑账，比宣讲里说的要小。

钱在罚款里，不在工资表里。假设你一年发1,200票，每票货值42,000美元，全年货值5,040万美元。假设你的实测合规率88%，计划对不合规交付按货值3%扣款；这两个都是我的假设，请换成你自己合同里的数。12%不合规对5,040万美元、按3%计，一年悬着约18.1万美元。每一点合规率值5,040万的1%乘以3%，也就是15,120美元一年。这是你在给任何东西定价之前必须先有的换算率。

但并不是每一次失误都是运输代理够得着的，而商业论证恰恰在这儿悄悄注水。把你的失误按原因拆开。如果晚点是因为生产拖了、柜子装晚了、或者单证在某人桌上躺了两天，那么这批货进入网络时就已经晚了，下游没有任何东西能把它救回来。只有在途那一块是可被改善的。假设——这个数你必须换成自己的数据——你45%的失误发生在在途，55%发生在起运端。那么承诺提升5个点的合规率，实际价值是5乘以45%，也就是2.25个点，按每点15,120美元计，约34,000美元一年。在我这套数字下，这就是这个产品对你而言的价值天花板。

再打一个安全系数，你就有了谈判位置。归因本身不确定，基准线会被争，五个点的承诺也仍然只是承诺。把收益对折来覆盖这些，能站住的数大约是每年17,000美元。报价高于每年34,000美元，就算厂商分毫不差地兑现也回不了本；高于每年17,000美元，就得要求你相信它的归因。演示开始之前，把这两个数写在方案首页。

下面这点我没见人讨论过，而它恰恰决定这是不是一份好合同。当你买一个结果时，开票的量是两个测量值之差，而差值必须有基准线。谁定义基准线、谁来算这个差值，谁就握着表。而在这套安排里，表、底层的事件数据、以及那个因为指标动了而收钱的代理，是同一家供应商。电表有人监管，水表有人检定，这里什么都没有：什么样的基准期算有效没有标准，季节性怎么处理没有规则，你中途换了承运商组合怎么算也没有答案。你可能为一个自己复现不出来的数字付钱。

补救办法不复杂，而且厂商要是对自己有信心，这些要求它一分钱都不用花。要求原始数据按事件级别导出，不额外收费。要求基准期、时长和季节性调整在合同生效前就写进去。要求你有权利用自己的代码重算结果指标，并在争议时以你重算的数为准。要求收货方一侧确认交付时间戳，因为准时足量率最终是收货方量的，不是平台量的。这四条里只要有一条答不上来，你买的就不是结果，你买的是一个数，而这个数属于别人。

第二件没人说的事更有意思，也更不舒服。70多项结果，每项配一个代理，全部去抢那些有限且共享的资源：承运商的一台车、一个月台位、一个司机剩下的工时、一个仓库预约、一个报关行的注意力。多个代理各自为一个委托人做最优化、却共享同一组约束，这是教科书级的失效模式：每个代理都为自己这边做了正确的事，系统整体却更糟了。而这里的共享资源还跟同一张图上的其他货主共享，因为那张图正是卖点——50万家承运商和1600个品牌，喂的是同一个状态估计。

顺着推下去。如果一个代理为你订走了一条线路上当天的末班车，另一家货主的货就得等下一班。他的准时足量率掉下去的幅度，大致就是你涨上来的幅度。谁都没做错，系统只是把一个稀缺档期重新分配了一次。但这意味着改善里有一部分属于转移而不是创造，而且它在整个市场上不可重复：如果图上的每个货主都买了同一个产品，整体表现不会动，而所有人都付了钱。这是结果计价模式的结构性上限，不是这一家实现的缺陷。我会直接把问题抛给厂商：当两个客户的代理抢同一份资产时，你怎么裁决？当竞争对手的代理赢了，我的结果怎么办？

在你自己的合同里，还有一个缩小版的同类问题。准时足量率和单件服务成本是反向耦合的，因为你买交付表现的手段是加急、是更快的方式、是缓冲库存，而这些全都抬高单位成本。一个同时按两项结果收费的厂商，手里有两个目标、一份预算，而合同对谁优先只字不提。让它写清楚：指定一项主结果，给代理无需人工审批就能批的加急支出设上限，要求每一笔加急都留记录、写明它是为哪一项结果买的。否则你会先把交付数字打上去，然后再发现它花了多少钱。

70多项结果听起来是广度，但对买方来说这是个选择题。任何按指标收费的厂商，都会把你的注意力引向它推得动的那个指标。一条承运商本来就稳的线路上，准时足量率很好提升，但对你远不如那两条正在流血的线路值钱。签字之前，按现金敞口给你自己的结果排序，并且拒绝任何结算落在你前三名之外的合同。

还有一个前置条件，每一场代理宣讲都会跳过它，而它无聊到足以决定整件事的成败：代理的上限取决于它拿什么去对齐。如果你的出货号、采购订单号和柜号在自家系统、货代系统和承运商系统之间对不上，那么代理就是在用概率去认实体，而不是用主键。问清楚你自己货量上的匹配率是多少，匹配失败的事件怎么处理。一个平台可以在状态估计上做得很出色，却仍然在一个错的货件身份上推理；而一笔挂在错配货件上的结果，比没有结果更糟，因为它在看板上看起来完全正确。

护城河的说法也值得你自己跑一遍验证。它的主张是跨企业上下文单家公司练不出来，这话表面上说得通。但你发运的不是那张全球图，你发运的大概是二十条线，用着几家固定承运商和一批固定设施。对你有意义的不是图有多大，而是它在你的线上有多完整：你的每一票货，预期事件实际到位了百分之多少，新鲜度如何。要一份你自有线路上、按票统计的30天事件完整率报告。低于90%，任何结果承诺都站不住，因为代理没法在一个缺了十分之一的状态估计上做动作。

时间节奏比销售周期暗示的要慢。2026年四季度签的结果合同需要基准线，而一条值得拿去争论的基准线要8到13周。准时足量率是按月算的，你至少需要三个月的周期才能把位移从噪声里分辨出来，而且只有那些有干净基准线的线路才算数。再把年头年尾的节日扭曲加进去，第一个可信的读数落在2027年二季度。按这个时点排续约，而不是按签约日排。也要留意代理的权限从哪里开始：它从订舱之后才能动作。一批在手交接时就已经晚了的货，在它的射程之外，这也是签之前必须先知道失误原因构成的又一个理由。

什么会让我说错了？两种情况。如果你的失误绝大多数发生在在途且可见，比如60%以上，那么可改善的份额就大，归因也容易站住，这个产品值得按真实价格做试点。如果真正失败的是收货方那一侧的收货作业——预约被拒、月台拥堵、一个谁都够不着的收货窗口——那没有任何运输代理能修好它，指标不会动，而你会花一年时间争论为什么没动。分界线是一份失误原因报告，而这份报告该由你来出，不是厂商。在途占比高于40%，做试点；低于20%，把钱投到生产计划和订舱纪律上去。

如果真要做试点，就把它设计成让归因之争根本不会发生。挑十六条量和结构可比的线路，八条开、八条留着对照，跑十三周。两组保持同样的承运商组合、同样的截单时间和同样的SKU结构。结果用你自己的数据和收货方的时间戳来算，不用厂商的看板。这么做的代价是晚一个季度；不这么做的代价是到了续约那天，你没法证明那个你一直在付钱的数到底动没动。

还有一处不对称值得点名。护城河是用所有人的数据堆出来的，包括你的。你每喂进图里一条事件，都让图上另外1600个品牌的状态估计更好用，其中一些正跟你抢同一批车。如果你为此拿到了回报，这是笔合理的交易；如果你没拿到，这就是笔亏的交易。问清楚什么被池化、什么保持私有、你的可识别数据会不会去训练服务给竞争对手的模型、以及退出池化有没有价码。它的回答会告诉你厂商认为你的数据值多少钱，而这正是你谈判时很有用的一条输入。

十亿小时这个数也要小心读。它是面向整个客户群的规模愿景，不是对你的承诺。问清楚真正被保证的是什么：每一类事件对应的具名代理动作、一个响应时限，还是仅仅一个愿景。把任何承诺都翻译成带补救条款的服务水平，因为愿景按定义就是没有补救的。

先量化，再谈优化。在做任何事之前要去拿的那个数，是你的失误原因构成：最近一百票晚点或短装的货里，有多少票在交给承运商的时候就已经晚了。如果这个占比小，结果计价瞄的是对的问题，值得拿去定价。如果这个占比大，那么市场上最贵的可视化产品会忠实地汇报一场发生在你自己厂里的失败，然后为它给你开一张发票。

↑ 返回核心要点

— 作者 拉维