ShipStation在产AI智能体250个:年执行500万次,满意度85%

详细拆解

先把它想成一个队列，它本来就是。上午九点十四分，一封询价邮件掉进公共收件箱，里面有一条运输区间、一个重量、一个运输等级，还有一个谁都没写下来的截止时间。服务台是一个拿着表格和承运商门户账号的人。调度器是那个决定下一封打开哪封邮件的人，二十年来，这个调度器就是邮件掉进来的先后顺序。ShipStation Global 说，现在有 250 多个 AI 智能体和机器人在生产环境里跑，2026 年预计完成 500 万次智能体操作。按工程师的读法去读这件事：他们给到达过程装了仪表，把调度权从收件箱里拿走了。

公告里出了四个数，每一个都是产线上的一站。AI 客服今年了结了 11.7 万次客户会话，满意度从 77.5% 升到 85%；工单分派比过去快 60 倍；一封询价邮件在 20 分钟内变成一票已订舱的货，今年这样生成了 10 万票零担；机器学习每周预填 140 万张面单，制单时间省掉 35%。这些背后是一张 350 多家快递商、75 家零担商、4.5 万家整车承运商织成的网，正是这张网决定上面那些速度有多少能真正传到你的客户手上。

瓶颈不在公告指着的地方。分派环节最好自动化，也最容易被记错功，因为它能换来什么，完全取决于它后面那一站有多忙。把分派从 30 分钟压到 30 秒，如果后面了结工单那条队列的利用率是九成，工单只是提前三十秒排进一条更长的队，总等待时间几乎不动。这不是质疑那个数字，这是排队的基本算术，也是这次发布里没人写下来的那一层。还有第二件通稿没说的事：每周 140 万张预填面单，等于每周 140 万次以机器速度自信犯错的机会，而预填的全部意义就在于没人再去看那个结果。

先把钉死的事实摆出来，从下一段开始都是我的建模，用到假设我会写明。250 多个 AI 智能体和机器人在生产环境运行；2026 年预计 500 万次智能体操作；AI 客服今年了结 11.7 万次客户会话，满意度从 77.5% 升到 85%，工单分派快 60 倍；一封询价邮件 20 分钟内变成已订舱的货，由此生成 10 万票零担；机器学习每周预填 140 万张面单，制单时间省 35%；网络里有 350 多家快递商、75 家零担商、4.5 万家整车承运商。可核实的清单就这些。请注意清单上没有的三样：预填的准确率、有多少工单最终还是落到人手上、以及了结工单那条队列的利用率。这三样决定上面那些数是真吞吐，还是一次装了仪表的挪窝。

为什么是现在，谁在推。三件事必须同时成立。到达侧变复杂了：一家中等规模的商户，过去所有货走一个快递账号，现在同时用三四家快递、一家零担和一家整车经纪，单票货的协调成本上去了，货值却下来了。工具侧够用了，可以动手而不只是建议，500 万次操作就是证据——操作是写入，不是建议，没人会让一套系统在跑着真实业务的平台上写 500 万次，除非它已经证明了自己。账也算过来了：一次客服会话、一张面单过去花的是工资，现在花的是算力，于是那些从前便宜到不值得装仪表的队列，突然值得装了。三件事叠在一起，制单员那道队列自然成了第一个装传感器的地方。

把模型搭清楚，因为模型决定这个数字有用还是只是好看。到达是请求：一张客服工单、一封问运价的邮件、一个等着打面单的订单。服务时间是一个人过去花在上面的时间。服务台是干活的人，现在也包含智能体。利用率是到达量除以产能，它是整个系统里唯一非线性变化的参数。五成利用率的队列很客气，八成五开始不听话，九成五就完全是另一种东西了——你从上游站省下的每一分钟，到下游都会变成等待，而不是变成速度。利特尔法则把这件事说完了：系统里的件数等于到达率乘以在系统里的时间。加快某一站，你根本没改变到达率，只是换了件堆在哪儿。

谁受影响，各受多大。每周从车库发两百个包裹的小卖家，拿到的是预填和客服机器人，对他来说 35% 就是全部，因为他的瓶颈真的就在面单上。每周走三十票零担的中型货主，拿到的是 20 分钟订舱，对他来说瓶颈是报价回得慢，这至少一半是销售问题，不止是操作问题。夹在两者中间的货代和第三方物流拿到的就不太舒服了：客户会在续约会上把那 20 分钟念给他们听，不管这票货真正需要的到底是不是 20 分钟。另一头的承运商，350 多家快递、75 家零担、4.5 万家整车，收到的是更多、更快的电子投标，而接不接受投标不是软件问题。一家整车承运商今天在那个区间没有车，订舱从四小时缩到二十分钟，仍然是一票没人能接的订舱。

给它配一个时钟。假设 20 分钟这个数在现场站得住。一个季度之内，它会变成采购部写进询价书里的那一行，因为它好写、好比。两个季度之内，能电子接单的承运商会开始压过需要打电话的承运商，这个变化更安静，也更大，因为它把你的承运商排序从按运价改成了按响应速度。一年之内，预填面单的预期会蔓延到所有长得像单证的东西：商业发票、装箱单、原产地证的栏目。这些都不需要通稿，只需要有一个同行先做了。

「操作」这个词值得先定义清楚，因为 500 万次到底是很多还是很少，全看它算的是什么。如果一次操作等于写入一个字段，500 万次分摊下来是平台每天约 2 万次写入，不算多。如果一次操作等于一个没人过目的决定，那 500 万次就是一个治理问题，而贵的那部分是治理，不是模型。假设你想在一个每周 400 票的台子上照抄这套东西，你买的不是 250 个智能体，大概只有六个；真正的活是给每一个写清楚：它能写什么、什么必须往上抛、以及它得留下什么证据。往上抛的那条规则才是设计，其余都是管道。

说到管道，就说到多数照抄失败的原因了。这些东西在脏的地址簿上一条都跑不通。每周预填 140 万张面单要能用，前提是底下的地址、服务等级和品名描述是一致的，而多数中型公司的情况不是这样：同一个收货人有三种写法， residential（住宅）标志从来没人设过，某个商品编码是承运商当年随口建议的，之后再没人复核。假设你四分之一的记录错在要紧的地方，在这个量级上就是每周 35 万张面单高速继承了坏输入。不花哨的正确顺序是：先给地址簿去重、把服务等级统一，再上自动化。反过来做，你会得到一个极快地犯错的系统，这是三种可能结果里最糟的一种，也是最多人最后落到的那种。

趁着还在这个话题上，把客服那组数也拆开，因为客户最先拿回来念的就是它们。今年了结 11.7 万次会话，如果「今年」是从 1 月算到 10 月中，大约 41 周，也就是每周约 2,850 次，工作日每天约 410 次。假设人工平均处理时长 12 分钟，那就是每天大约 82 小时的人力不再花在这些会话上，差不多是十个人各干八小时。这就是一个平台上搬走的东西的量级。但这还不是裁员故事，因为「被了结的会话」不等于「本来需要人处理的会话」，诚实的那个数字比标题上的小。先问清楚对方用的分母是哪个，再拿它做计划。

决定这套东西对你有没有用，规模比行业更关键。每月 500 票以下，你的瓶颈几乎总是在面单和轨迹页上，这类工具是彻底解决。每月 500 到 5,000 票，瓶颈是报价回得慢和承运商组合，工具解决一半，另一半取决于承运商接不接单。每月 5,000 票以上，瓶颈几乎不在制单员身上，而在装卸台排期、预约窗口和你自己的库存，而公布的四个数一个都没碰到这些。正是这个分界，让同一条公告对一家货主是实打实的好消息，对另一家只是背景噪音；也正是为什么没先找到自己的瓶颈就照抄设计，会让人在错的那一站上耗掉一整年。

下面是我没见人写过的部分。满意度从 77.5% 升到 85%，是七个半点的平均值，而平均值正是坏案例藏身的地方。假设分布是双峰的，它历来都是：多数会话现在几分钟就关掉，而另一小段涉及丢件、破损理赔或者海关扣留的，仍然要拖好几天。均值上去了，尾巴上的客户一点没变好，这正是娜迪亚反复强调的那句——该管的是门口那个第九十分位的时长，不是工单队列里的平均值。她是对的，而且这是你这辈子能加的最便宜的一项测量。

更大的那个漏掉的点，藏在这四个发布数字背后。它们每一个测的都是 ShipStation 自己拥有、自己装了仪表的一站，没有一个测的是真正决定你交货日期的那一站。制单员那条队列一旦不再是瓶颈，瓶颈就会搬家，而在货运里它每次都搬到同一个地方：接单和装卸台。那张网里的 4.5 万家整车承运商和 75 家零担商才是真正的服务台池，它们的产能是物理的、跟着班次走的、没有弹性的。卡车没法弹性扩容。所以「一封询价邮件 20 分钟内变成一票已订舱的货」，诚实的读法是报价周期塌了，不是运输周期塌了。箱子还是等车来了才走。如果你的计划前提是把 20 分钟理解成 20 分钟后车上路，那你立的是一个兑现不了的承诺。

还有第三件事，任何想按这个设计照抄的人都应该先想清楚。预填的面单是一个没人复核的猜测。到了每周 140 万张这个量级，小的错误率就不再小了。假设预填的准确率是 99.7%，这已经是很不错的系统，140 万的千分之三是每周 4,200 张错面单，一年大约 21.8 万张。假设每张错面单从头到尾的代价是 38 美元，算上退回那段、重新发一次和某人花掉的二十分钟，一年就是 830 万美元左右。

对面摆着的是省下来的产能：140 万张面单按假设每张 45 秒，是每周 1.75 万小时，35% 大约是每周 6,125 小时，按五十周算一年约 30.6 万小时。按假设每小时 22 美元的装载人工成本，是 670 万美元左右的账面产能。我不是说这些就是他们的数，我是说在这个量级上，准确率这个假设压过了速度那个假设，而准确率偏偏是没人公布的那个数。

再算一笔你自己的账，假设全部摊在明面上。假设你的货运台每周发 200 个零担报价，转化率 30%，也就是 60 票成交。假设人工从报价到订舱的历时是 4 小时，假设自动化这条路径能做到公布的那 20 分钟。假设把回价时间压下来能把转化率从 30% 提到 36%——这个假设是承重墙，你应该去验证它，而不是相信它。每周多 12 票，一年 624 票，按假设每票零担 180 美元的毛利，是 11.2 万美元左右。把漏损摆到对面：假设那 10 万票自动生成的零担里有 2% 被承运商重新过磅或者重新定级，假设每次重新定级加查验的平均成本是 85 美元，那就是 2,000 票、17 万美元。收益和漏损出自同一个设计，这才是重点。

接着说分派那个数，因为它最容易被别人拿回来念给你听。假设过去分派要 30 分钟，现在 30 秒。假设你了结工单的团队利用率是九成。队列里的等待时间大致等于利用率除以一减利用率，再乘服务时间，所以 0.9 的时候等待大约是服务时间的 9 倍，0.95 的时候大约是 19 倍。你省下的那 29.5 分钟，没有从这段等待里扣，它是从等待之前的那个环节扣的。利用率七成的时候上分派自动化，那 29.5 分钟里大部分能变成真实的速度；九成五的时候上，你买到的只是一个更整齐的收件箱。

还有一个推出来的数值得记一下，它告诉你这些智能体到底是什么东西。500 万次操作分摊到 250 个智能体，是每个智能体一年 2 万次，按 250 个工作日算是每天大约 80 次。这是窄机器的特征，不是通才。照这个去规划：别指望一个智能体管下你的整张台子，指望的是一排小东西排成走廊，每个每天干同一件事八十遍；你的活变成把每个小东西能干什么写清楚。

什么情况下结论会翻。如果那 20 分钟是从「一封干净的邮件到达」开始算的，而不是从一封乱七八糟的邮件开始算，这个数对队列里好办的那半是真的，对花钱的那半没用，所以先问清楚自己在哪半。如果承运商开始把机器生成的投标往后排，或者给智能体写入用的接口限流，整个设计就反过来：订舱更快，成交更差，而且你一个季度之内看不出来，因为订舱时间戳看着很健康。如果预填准确率在这个量级上掉到 99.5% 以下，返工会把省下的吃掉。还有一条：如果你自己那条了结队列的利用率在九成以上，照抄分派那一层什么也买不到，得先加产能。

还有一站值得单独讲一段，因为自动生成零担订舱的钱主要就是从这里漏掉的。零担定价挂在运输等级上，而运输等级挂在密度、包装和可堆叠性上，这些全都得靠机器从客户在邮件里打的那几个字里推断。假设等级猜对的概率是 95%，10 万票里就有 5,000 票是按错的等级报的价。假设平均修正是干线运费的 12%，假设平均干线运费 620 美元，那就是大约 37.2 万美元的重新计价，你和你客户按合同谁签的谁来分。这不是反对自动订舱，这是主张每一票都把等级假设记进日志，等重新定级的通知到了，你能看见是哪几个输入推出了它。

接着是库存这一侧，订舱变快真正的回报在这里，而多数人根本不看这儿。假设你因为补货周期不确定，压着 12 天的成品库存。如果报价到订舱从 4 小时塌到 20 分钟，更要紧的是它的波动也跟着塌了，你就有理由从缓冲里拿掉两天。假设库存金额 400 万美元，假设年持有成本 22%，两天大约是 4,800 美元一年，这点钱不值得开会。换个假设：波动变小让你敢把交货承诺收紧两天，在 800 万美元的年业务量上转化率提一个点，那是 8 万美元。订舱变快的钱，在你现在敢许的那个承诺里，不在你省下的那几分钟里。

坑是可以提前点名的。第一个是拿自己的台子去对标公布的 20 分钟，却不先看你那些货属于干净的那半还是脏的那半。第二个是庆祝省下的工时，而那些工时正在闲置——制单时间省 35% 是零元，直到有人离开工资表，或者有人接手了能赚钱的活。第三个是测着平均值、却把尾巴当成货发了。第四个咬人最狠：把看得见的那一站自动化掉，宣布胜利，半年后才发现队伍只是在你没看的地方变得更长了。

↑ 返回核心要点

— 作者 拉维