不是卖 AI 工具，是把 AI 装进你的岗位里
FDE = Forward Deployed Engineer（前置部署工程师）。不提供一套通用的 AI，而是进到业务流程里，和具体岗位的人一起，把 AI 变成他们真正会用的那件东西。
工具不缺，缺的是把它装进岗位的人
三件事，一层比一层深——大多数企业卡在第三层。
- ✕第一层：术语不通
货代的话，通用 AI 听不懂。「甩柜」「亏舱」「截关」「电放」「一票一议」——这些词它有字面理解，没有业务理解。让它做单证核对，它会一本正经地给出错的结论，比不会更危险。
- ✕第二层：流程脱节
就算答案是对的，也和员工手上的活接不上。人在 TMS 里点、在邮件里问、在 Excel 里对，AI 却在另一个网页里等——多切一次窗口，就少用一次。工具不嵌进原有流程，用几天就荒废。
- ✕第三层：没人翻译
这是最根本的一层。懂业务的人说不清 AI 要什么输入，懂技术的人不知道货代现场长什么样，中间缺一个把两边对上的人。企业买了工具、开了账号，最后卡在「谁来把它变成我们岗位上的活」。
五个岗位，五种能被 AI 接走的活
这是行业判断，不是交付清单——每个岗位写清「痛在哪、AI 能做什么、工程上真正的难点是什么」。最后一行才是这类项目最容易翻车的地方。
- 01💬
AI 客服
痛点询价、跟单、投诉混在一起，标准问题占掉大半人力，高峰时段回不过来。AI 能做什么标准问题（时效、单证清单、进度查询）自动应答；识别高意向客户转人工，人工只接需要判断的那部分。工程要点先有一份准确的知识库与话术口径，再谈自动应答——否则 AI 会把错的答案说得比人还自信。 - 02💰
AI 报价
痛点历史报价散在 Excel 和个人微信里，同一个客户问三次拿到三个价；新人接手无从下手。AI 能做什么报价单结构化归档；自然语言查询历史价；按客户类型与航线套用既有报价策略，一键生成初稿。工程要点先统一「报价口径」再自动化——把历史价整成一个可查的库，比让 AI 直接算价可靠得多。 - 03📄
AI 单证
痛点提单、报关单、箱单反复人工核对，一处看漏就是改单费或滞港费；新人上手慢。AI 能做什么单证之间自动比对，标出不一致项；要点自动汇总给操作；标准单证辅助填制。工程要点AI 只做「提示不一致」，不做「最终放行」——单证的最终判断必须留在人手上，这是责任边界。 - 04💳
AI 对账
痛点应收应付逐票匹配耗时，差异项靠人翻凭证，月底集中对账压力大。AI 能做什么自动匹配应收应付；把差异项挑出来并归类；生成对账单与账龄分析初稿。工程要点匹配规则要来自你们自己的结算习惯，不能照搬通用财务规则——货代的费用结构有它自己的样子。 - 05🚛
AI 调度
痛点车辆、箱、仓库的时间窗靠人盯，临时变动靠电话追，一处延误整条线受影响。AI 能做什么提箱、装箱、进出港、查验计划按时间窗排布；关键节点自动提醒；异常变动时给出备选安排。工程要点调度是强实时场景，落地前先确认数据能不能实时拿到——数据延迟超过人工反应速度，AI 就没有价值。
更多岗位持续整理中
不是给工具，是进到你的流程里
FDE 的做法和「卖软件」最大的区别：先看活是怎么干的，再决定 AI 该接哪一段。
- 1Survey · 调研
进到你的流程里，看活是怎么干的
和具体岗位的人一起把一天走一遍：哪些环节在重复、哪些在等人、哪些一出错代价最大。这一步的产出是一份按痛点排序的场景清单，不是方案。
- 2Build · 开发
按选定的场景做，不做通用大平台
只做清单上排前面的那一两个场景，用现成的模型能力加少量集成把它跑通。宁可小而通，不要大而空。
- 3Test · 测试
拿真实的旧数据回放，看它错在哪
用你过去的真实单证、真实报价、真实邮件去试，把错例一条条看过去。这一步决定了上线后员工敢不敢用。
- 4Apply · 应用
嵌进原有流程，不另开一个要记得去的网站
能放进 TMS 就放进 TMS，能放进微信就放进微信。少切一次窗口，就多用一次——工具的位置决定了它会不会被用。
- 5Run · 运营迭代
上线不是结束，是开始调
员工用起来之后一定会遇到边界情况，按月收反馈、按反馈调提示词与流程，并把有效的做法固化成团队资产，让人走了能力也留得下。
三条来源交叉验证，不是拍脑袋
22 年货代全岗位经历
外高桥集拼仓库操作、集运卡车调度、上市货代危险品与项目物流、船舶配件供应链平台、境外公路物流中国区营销、跨境汽运平台产品经理——这些岗位上的活我亲手干过，知道哪些环节真的痛。
与货代企业的访谈
和一线货代企业聊他们在 AI 上的尝试：买了什么、用在哪儿、为什么停下来。停下最多的原因不是工具不行，是没人把它接进日常流程。
招聘需求分析
跨境物流企业已经在招「AI 产品经理」这类岗位，招聘要求里写的能力项，正好对应岗位地图上的这些场景——企业用人的方向，说明钱和需求在往哪里走。
从最痛的那个岗位开始
如果你不确定要不要做、从哪做，先做这三件事就够判断方向了。
挑最痛的那一个岗位
不要五个一起上。选那个「人已经在加班做、错了代价最大」的岗位先做——做成的说服力，比任何方案书都强。
先跑通一个小闭环
把单个场景从输入到输出完整跑通一遍，哪怕范围很小。跑通了再谈扩展，跑不通就说明场景选错了，代价还可控。
不追求一步到位
AI 落地不是换系统，是长出来的。先让一两个人用起来、用出效果，再往团队推——自上而下强推的工具，通常活不过三个月。
对外被找到的起点，可以用 GEO 诊断自查官网对 AI 呈现成什么样；对内提效，则从岗位上的具体环节看起。
能做什么，不做什么
能做的一项项列清楚；不是本页承诺范围的事，不写成「服务」。
✅ 这套方法覆盖
- 业务诊断与 AI 场景梳理（按痛点排序的场景清单）
- 知识库与关键句整理（让 AI 答得准的前提）
- 现有 TMS / ERP 的增量集成（不替换系统）
- 团队培训与陪跑迭代（把有效做法固化成团队资产）
— 不在承诺范围内
- 不承诺提效比例或节省人力
- 岗位地图是行业判断，不等于对每个场景的交付承诺
- 不替换现有 TMS / ERP
- 本站不含在线报价与支付
你可能想问
Q哪些货代岗位最容易被 AI 改变？
先被改变的是任务，不是岗位名称：报价整理、单证要素核对、邮件归类、客户资料检索。岗位会不会消失，取决于这些任务被替代后，人能否转向判断、协调和异常处理。
Q做 GEO 会把报价和客户数据喂给 AI 吗？
不会。公开的是「你是谁、做什么、能力边界、怎么联系」，不是报价底价和客户数据。这两类信息本来就不该放在公开页面。