AI如何赋能物流行业服务

AI Agent如何重构我们的竞争力？--推进乐舱客服智能体

物流行业及AI大模型技术背景

在当今数字化浪潮中，大模型人工智能技术正以前所未有的速度重塑着各个行业。对于航运物流领域而言，这既是巨大的挑战，更是难得的机遇。从大模型技术本身的优势来看，它能够处理海量的数据，并通过深度学习算法进行高效的分析与理解。以电商公司对大模型智能客服系统的调研为例，其在客服领域的应用优势显著。在电商平台管理方面，能通过分析用户消费行为、偏好、需求等信息构建用户画像，实现个性化推荐和精准营销。类比到航运物流业务，我们的智能客服系统可以根据客户过往的托运记录、咨询偏好等，为客户提供更贴合其需求的服务建议，如推荐最合适的航线、运输方式等。在服务层面，大模型技术能结合语义理解、文件识别等关键技术，通过对用户反馈、服务记录等信息的分析，构建高效、智能的客服系统，提升一线客服的服务质量。在航运物流中，客户咨询的问题往往复杂多样，涉及运输时间、货物追踪、费用计算等多个方面，智能客服系统可以快速准确地理解客户问题，并给出专业的解答，大大提高客户服务效率和满意度。 从航运物流业务的特点出发，我们的客户群体广泛，包括各类企业(2B)和个人(2C)，他们对物流服务的咨询需求随时存在且十分繁杂。传统的客服模式在应对如此大规模、多样化的咨询时，常常力不从心，导致客户等待时间长、问题解决不及时等问题。而大模型技术落地的智能客服系统，就如同为我们的客服团队增添了强大的助手。它可以全年无休地在线服务，快速响应客户咨询，并且能够根据客户的问题，迅速从海量的航运知识和业务数据中提取准确的答案。例如，当客户询问某批货物在特定航线的预计运输时间时，智能客服系统可以结合历史运输数据、当前航线的实时情况以及船舶的运行状态等多方面信息，给出精准的答复，这是传统客服难以在短时间内做到的。

人工智能大模型技术的发展现状

大模型技术在应用端使用条件已基本成熟 大模型能力越来越强、算力要求越来越低、技术使用路线越来越简单清晰。 2024年是大模型的元年，随着2023年ChatGPT的发布，2024年各种大模型不断推出(国内有100多家)，特别是2025年春节期间爆火的国产大模型DeepSeek（模型性能越来越强）。 随着大模型应用成本、技术要求、算力要求越来越低，基于大模型的商业化应用的条件已基本成熟。2025年将开启AI Agent大模型商业应用元年，各行各业将会因为大模型应用的逻辑，发生颠覆性的变化。企业应用大模型技术的必要性 企业追求更好的客户体验、更低的人员成本（岗位替换、岗位提效）、更精准、专业的市场预测及决策指导。 如何利用AI大模型实现商业化价值，尤其是如何将AI技术与企业实际业务紧密结合，成为了企业提升竞争力的关键。

目前乐舱大模型技术应用情况 自研ERP的基础+AI大模型的技术储备+基于大模型技术落地应用

乐舱自研ERP基础 如果说大模型技术是第六代战机，底层ERP系统是航母平台。自研的ERP系统会为大模型提供准确、实时的数据支持。基于公共大模型服务（阿里、百度等）智能体技术路线开发、基于Deepseek私有化部署的技术路线开发。ERP嵌入DeepSeek 的乐舱AI。基于RPA+DeepSeek的操作机器人。基于阿里大模型的买卖箱客服智能体。基于DeepSeek供应商发票识别校验入库。

未来乐舱大模型技术落地计划

核心目标(包含4个子系统)。建立乐舱--企业知识库系统（核心系统）：业务模块行业知识：行业术语库、海运/空运流程、单证模板、清关指南、保险条款等。 法规与政策：各国进出口政策、危险品运输规范、贸易协定等。 客户服务：FAQ、投诉处理流程、报价标准、老员工经验等。 内部管理：SOP操作手册、IT系统使用指南、合规要求、合同模板、案例库等。建立"AI岗位教练"系统（岗位协助系统）：降低对个人岗位能力要求，随时为岗位提供最优建议。建立智能客服问答系统：基于客服智能体及微信、官网、邮箱、QQ等沟通载体，完成客服快速业务回复任务。从而达到客服成本降低、7×24小时响应率提升、用户满意度提升的目标。建立客服辅助机器人系统：自动完成客服系统操作、业务自动预警、业务操作合规性校验等任务。比如：托书自动录入ERP、发票邮件自动发送、提单样本自动发送、航次拖班港口拥堵预警、危险品业务资料完整性检查。核心问题及难点。企业知识库的构建(企业数据治理）:智能客服需要大量的高质量数据训练，但集团内部的数据分散在各个分子公司及部门（目标：岗位知识库的完整性、准确性、时效性），且涉及数据隐私和安全。如何合法合规地收集、清洗、标注数据，需要多部门联合（业务部门、内控部门、IT部门等）。 员工对AI的抵触情绪:担心被取代，需要做好培训和沟通。 长期维护和迭代:大模型需要持续的数据反馈来优化，需要建立监控机制，定期评估系统性能，及时更新知识库（形成“数据模型应用新数据”智能体不断迭代的长效机制）。 兼容性问题:训练数据和现有系统的兼容性问题（技术问题）。具体实施步骤。构建行业知识图谱（历史咨询记录、业务文档、行业标准），如船公司运输条款、不同国家清关要求、FOB/CIF术语解释、集装箱代码（如45G1）、单证类型（HB/L vs MB/L）。 从高价值、高重复场景作为切入点，整理岗位企业独特的知识库（操作规范、业务数据来源等） 逐步完成并确保岗位知识库数据的完整性、准确性、时效性。 基于大模型技术+ERP系统+企业知识库数据，构建客服智能体。 验证客服智能体的效果。需构建关键成效指标，比如订舱时效、客户投诉率、单证差错率等。

其他分享

AI已从技术实验演变为生存刚需：不用AI优化流程的企业，相当于在数字经济时代用算盘对抗超级计算机。 AI发展到这个阶段，对于职场有经验的员工是利好，它会协助我们从不同一个视角、更全面的维度分析问题、解决问题（需要加强个人深度思考总结、创新的能力）。 高质量数据是行业智能体的基础，也是未来企业有效的竞争优势（特别是行业领域专属数据:具有稀缺性和高壁垒性的数据）。 AI不全是技术部门的任务，而是企业每个业务单元的效率革命——从客服到船长，从财务到销售，从人事到IT，AI将重塑每个人的工作方式。 拥抱AI，融入到我们的生活和工作中，将使用AI作为一种习惯。 全面学习AI大模型，了解AI大模型的边界。

谢谢观看。