日本市场 AI 解决方案 · 内部方向指引
我们是 WorkBuddy 全球合作伙伴。基于 WorkBuddy 的能力底座，在日本市场落地 AI 解决方案。做什么 （12 个客户类型的 AI 解决方案）和怎么做 （20 个 Agent 能力积木）。
借力不造轮子 · 行业脑是护城河 · 能力支撑卖点，卖点验证能力
P1 定位与方向：我们是谁、做什么、怎么做 我们是谁
WorkBuddy 全球合作伙伴。 我们基于 WorkBuddy 的能力底座，在目标市场落地 AI 解决方案。
借力不造轮子——WorkBuddy 提供能力引擎（识别、文档处理、自动化执行、连接器、知识检索），我们提供行业脑（业务规则、模板、口径、编排）。
我们在日本市场做什么
为日本企业提供以 AI 为线索的行业解决方案 ——12 个客户类型（4 行业 × 3 规模），每个类型一套 AI 解决方案。
卖的是「AI 替我干活」的结果，不是软件，更不是教客户用工具。
我们怎么做
以 20 个 Agent 资产库 为能力积木，支撑 12 个客户类型的解决方案。
Agent 是积木，行业场景是落点，解决方案是组合——Agent 覆盖到一定程度，任意客户需求都能用现有 Agent 拼出方案。
能力分层 · 谁提供什么
WorkBuddy 提供能力引擎 ：识别引擎、文档处理、自动化执行、连接器、知识检索。我们提供行业脑 ：票据类型库、核对规则、法规模板、口径配置、Agent 编排。边界不预先定义 ：同一能力可能同时存在多层，按「客户感知 + 值不值得盖这一层」自然生长。
这份材料怎么用（内部讨论指引）
这是内部讨论的起点和方向指引 ，不是最终方案。围绕它讨论：做什么 ——P2~P6：12 个客户类型各自的 AI 解决方案，先打哪类、怎么打；怎么做 ——P7~P11：20 个 Agent 资产库，先建哪个、怎么沉淀；能力怎么支撑卖点 ——P12：Agent × 客户类型的覆盖度；打法与原则 ——P13：优先级、交付流程、报价锚点、销售语言。
P2 分层总览：规模 × 行业 二维框架 规模三档 · 如何判断一家公司属于哪档
档 规模特征 外部可观测的判断依据 预算通道
S 中小企业
不足 50 人 / 营收不足 5 亿日元
官网简陋或无官网；没有「信息系统」部门；招聘信息里没有数字化岗位
记账代理（月 5 千~3 万日元）
M 中坚企业
50~500 人 / 营收 5~100 亿日元
设有「信息系统部 / 数字化推进室」；在用奉行、PCA、Excel；已有 BPO 或派遣
财务 BPO（月 5~35 万日元）
L 大型企业
500 人以上 / 上市
上市公司；有法务部；要求 ISO27001/ISMAP 认证；要求日本法人主体
专案预算
重点行业四选 · 为什么是这四个
选取标准：痛点密集度 （AI 能替掉多少重复劳动）× 法规压力 （客户为什么现在必须动）× 客户可及性 （有没有公开名单能直接找到）。
行业 痛点密集度 法规压力（2026–2027） 可及性（公开名单） 制造业 高（订单、送货单、发票） 转包法 + 物流效率化法（货主义务） ✅ 货主 1,876 家（官方行业字段） 建筑业 最高 （且最不可标准化）建筑业法修订 + 货主义务 △ 货主 148 家 物流运输 高（法定文书最密集） 物流效率化法（强制） ✅ 特定事业者 4,190 家 批发贸易 最高 （全链路文书）转包法 + 物流效率化法（双重夹击） ✅ 货主 861 家
二维矩阵 · 12 个客户类型
S 中小企业 M 中坚 L 大型 制造业 零部件/食品加工小厂 订单流程 + 转包法改造 货主义务、品质文书 建筑业 小型建筑公司 / 室内装修 造价估算 + 施工台账 总包大社 物流运输 小微运输 特定事业者义务 大型物流 + 货主 批发贸易 小型贸易公司 三单核对 + 授信 综合贸易集团
一句话： 四行业 × 三规模 = 12 个客户类型，不打全部 ——前两年打 8 个（S/M 层），L 层只挑 1–2 家做灯塔。理由：AI 方案落地需要定制开发投入，摊到 12 格等于每格都做不深；L 层销售周期长、合规门槛高，不适合作为第一年的现金流来源。
核心叙事 · 我们对外讲什么
对外（给客户、管理团队、合作方）：我们提供的是「AI 解决方案」。 AI ——「为您的××业务部署 AI」：AI 自动识别票据、AI 自动核对账目、AI 生成报告、智能预警异常；「把重复劳动交给 AI，把决策还给经营」 ——替代人月、减少错误、提速决策；落地层面：我们基于统一的 AI 基座（WorkBuddy 扮演 agent 基座：执行引擎 + 交互层），按客户需求开发行业业务系统——这是内部工程选择，对外不需要讲。
叙事纪律（别踩的两个坑）： 不卖「软件系统」 ——客户不买系统，买的是「AI 替我干活」的结果；系统是交付 AI 价值的载体，不是卖点；不卖「教客户用 AI 工具」 ——客户不学工具，我们用 AI 把他们的活干完；我们的价值在「替他们用 AI」，不在「教他们用 AI」。
怎么读后面的页： P2–P5 每个行业页里，逐个客户类型给出三块内容——具体痛点 （客户每天实际在做什么、卡在哪）→ AI 解决方案 （系统名、AI 能力、交付物）→ 实施步骤 （从设计到上线的过程，含周数）。每类客户都配一句对外 AI 叙事 。
P3 制造业
1,876 家
物流法货主中的制造业（官方行业字段）
制造业 × S 中小企业 · AI 智能记账解决方案
S
零部件 / 食品加工小厂，财务兼任，无专职 IT
痛 具体痛点
月度结账期间天天加班 ：财务只有一人，结账前每天多花 2–3 小时把纸质单据敲进 Excel发票用手写或 Excel 现做 ：每张格式不一样，被客户投诉过格式不统一收款核销靠翻网银 ：一笔一笔对着发票手工勾，月底几十笔要核一整天收据堆在抽屉里 ：等税务师来催才整理，经常找不到想上系统但没人研究 ：老板自己看了一圈软件，不知道选哪个、也没时间导入
案 AI 解决方案「AI 智能记账」用 AI 替掉手工录入与核销——票据拍照即入账，收款自动对账，结账报表一键生成
AI 票据识别 ：纸质票据拍照 / PDF 上传 → AI 自动识别 → 按本厂科目口径自动入账AI 收款对账 ：银行流水一键导入，AI 自动匹配发票与收款，差异自动标出AI 结账报表 ：结账数据自动汇总，AI 生成月度报告（含环比、异常提示）
交付物： 凭证台账（Excel 导出）／ 月度报告 ／ 差异清单 报价：月 3~8 万日元
步 实施步骤（约 4 周）
W1 需求访谈 + 样本收集 ：过去 3 个月的发票、银行流水、试算表，确认客户自己的科目口径W1-2 部署 AI 票据识别与入账 ：按该客户的票据样式与科目口径配置W2-3 对账 Agent 调优 ：输出差异清单，与财务负责人对答案，2–3 轮调优W3 并行运行 1 个月度 ：AI 结果与人工结果同时出，人工复核，确认无漏检W4 正式上线 + 操作培训 ：半天培训，交付操作手册后续 月度回访 + Agent 迭代 ：把该客户沉淀的规则并入通用 Agent 库
制造业 × M 中坚 · AI 订单结算一体化解决方案
M
有专职财务/信息系统，核心系统孤立，已有外包
痛 具体痛点
转包法改造没有方案 ：2026-01 付款票据全面禁止，付款与订单流程必须重做，但内部没人手做设计三套系统并行靠人搬 ：核心系统（奉行/PCA）+ Excel + 纸质台账，跨系统取数对数全靠人工三单核对压在一个人身上 ：订单、送货单、发票的核对靠资深员工，他一休假流程就卡月度决算要 5–10 个工作日 ：经营层要数据得等到月中，错过决策时机依赖个人达 38.4% ：年轻人接不上手，老员工的经验没沉淀成规则
案 AI 解决方案「AI 订单结算一体化」用 AI 打通订单—交付—结算全链路——数据自动汇集，三单自动核对，差异智能分派，决算从 5 天缩到 2 天
AI 数据汇集 ：自动从核心系统 / Excel / 共享盘抓取订单、送货、发票数据，替代人工搬运AI 三单核对 ：订单、送货单、发票自动匹配，差异 AI 智能分类（金额/品名/单边/期间错位）智能差异工单 ：差异自动生成工单，推送到责任人，处理留痕AI 合规管理 ：转包法书面交付与付款期限自动管理AI 决算报表 ：核对结果直接进月度报表，决算缩短到 2–3 个工作日
交付物： 核对台账 ／ 差异工单 ／ 月度看板（可下钻） 报价：月 10~30 万日元
步 实施步骤（约 8–10 周）
W1-2 现状调查 ：业务流程梳理 + 系统盘点 + 数据可获得性确认（能不能接、谁授权）W2-3 AI 方案设计与原型 ：选 1 条业务线做原型，与客户共同定义验收标准（如核对工时削减 50%）W3-5 原型验证 ：用真实样本数据跑通 AI 核对，量化工时削减与差异检出率W5-6 验证评价 + 审批材料 ：做成客户内部审批用的投入产出材料（省人工时 → 金额换算）W6-8 AI 系统部署 ：数据对接开发 + AI 核对规则配置 + 权限设计（最小权限）W8-9 并行运行 + 培训 ：人工与 AI 并行，培训财务与信息系统部门W10 正式上线 + 效果测定 ：正式运行，出具效果报告后续 补助金实绩报告支援 + Agent 迭代
制造业 × L 大型 · AI 合规与品质文书解决方案
L
灯塔
部门完备，决策链长，合规审查重
痛 具体痛点
物流效率化法货主义务 ：中长期计划书 + 定期报告 + 任命物流统括管理者，全部要人做品质/检验文书量大 ：多工厂、多部门、多格式，汇总成本高信息系统部门审查严格 ：会拿 AI 事业者指南的检查清单逐项盘问要求日本法人主体与支持体制 ：信用审查、维保合同是实质门槛
案 AI 解决方案「AI 合规与品质文书」用 AI 自动编制法定文书、批量处理品质文件——合规压力从人力负担变成系统自动化
AI 法定文书编制 ：中长期计划书、定期报告 从现状数据自动生成AI 品质文书批处理 ：多工厂、多格式的品质/检验文书统一处理AI 合规材料管理 ：数据流向、审计日志、检查清单应答 全套材料管理
交付物： 法定文件 ／ 合规材料 ／ 审计留痕 报价：专案（数百万日元级）
步 实施步骤（约 12–16 周）
W1-2 前提确认 ：合规材料是否齐备（数据流向图/离线证明/审计日志），不齐则先补W2-4 部门访谈 ：货主负责人 + 信息系统部门 + 法务，摸清审批路径与审查问项W4-8 原型验证 ：小范围试点（如 1 个工厂的定期报告编制）W8-12 审批支援 ：材料制作 + 说明会 + 信息系统部门应答W12-16 正式交付 + 署名案例协议 ：交付同时谈下公开署名权（合同里就谈，不要等做完 ）
客户从哪来： 物流效率化法货主名单中制造业 1,876 家 （官方行业字段、带公司名）+ 补助金交付决定名单中制造业约 449 家 （名称推定）。优先地域： 东京 1,148 / 大阪 355 / 爱知 273。
P4 建筑业
建筑业 × S 中小企业 · AI 现场文书解决方案
S
小型建筑公司 / 室内装修，现场负责人兼做文书
痛 具体痛点
安全文件每次进场都要重做 ：作业人员名册、新入场者教育记录、资格证复印件——同一批人换个工地就要再交一套施工照片每天几百张 ：拍完堆在手机/存储卡里，整理成台账要熬夜，还常被总包退回重做每个总包方格式都不同 ：A 公司要 Excel 模板、B 公司要纸质盖章、C 公司用专用系统，每次都要重新填现场监理被文书拖住 ：白天盯工地、晚上做资料，本来该做的施工管理没时间做造价估算靠老师傅经验 ：老员工脑子里的工时定额和单价，没有沉淀成可复用的资料
案 AI 解决方案「AI 现场文书」用 AI 把现场从文书里解放出来——照片自动整理、安全文件一键生成、总包格式自动适配
AI 人员档案库 ：人员名册、教育记录、资格证 一次录入，多个工地复用，自动生成对应总包方格式的安全文件AI 施工照片整理 ：按拍摄日期 / 工序 / 地点自动分类，生成符合总包方格式的照片台账AI 完工形状表 ：从照片与实测数据自动生成
交付物： 照片台账 ／ 安全文件 ／ 完工形状表 报价：月 5~15 万日元
步 实施步骤（约 6 周）
W1 现场访谈 + 总包方格式收集 ：找 3–5 家主要总包的格式样本，确认各自的格式要求W1-2 部署 AI 照片整理 ：用现场真实照片 500 张验证分类准确度W2-3 部署 AI 安全文件生成 ：按总包方样式做模板库，人员信息一次录入W3-4 现场试行 ：选 1 个在建工地并行运行（AI 出 + 人工核）W4-5 吸收现场反馈 ：现场监理提的修改点逐条调整（这一步决定成败）W6 全面上线 + 现场培训 ：扩展到全部工地，做现场操作培训
建筑业 × M 中坚 · AI 造价与施工管理解决方案
M
有专职事务，造价估算与施工台账压力大
痛 具体痛点
造价估算要 3–5 天 ：工时定额、单价散落各处，每次都要翻历史资料 + 问老员工施工体制台账整备追不上 ：分包结构一变就要改，改完还要重新提交物流效率化法的货主对应 ：建筑业也是货主，需做中长期计划书与定期报告建筑业法修订应对 ：禁止签订工期明显过短的合同、变更协商要书面向公共工程的文书要求严 ：格式、份数、期限都不能错
案 AI 解决方案「AI 造价与施工管理」用 AI 沉淀老师傅的造价经验——历史报价自动建库、相似案件秒级检索、施工台账自动生成
AI 造价估算 ：历史报价自动入库 → AI 相似案件检索，新人也能出估算AI 施工台账 ：分包信息一次维护，多格式自动输出AI 法定文书 ：货主计划书、定期报告 编制与更新（按国土交通省记载范例）AI 变更协议 ：变更协商的记录与留痕
交付物： 造价资料 ／ 施工台账 ／ 法定文件 报价：月 10~30 万日元+（高单价）
步 实施步骤（约 10–12 周，含行业知识补齐）
W1-3 行业知识补齐 （前置必做）：学习造价、工时定额、施工体制 + 现场同行，不懂这个方案会被现场一眼看穿W3-4 现状调查 ：报价流程、文书流程的可视化，找出最痛的一环W4-6 原型验证：AI 造价模块 ：用过去 20 件案件验证（能否快速出相似案件参考价）W6-8 部署 AI 施工台账与法定文书模块 W8-10 并行运行 + 调优 W10-12 正式上线 + 培训 + 效果测定
建筑业 × L 大型 · AI 公共工程合规解决方案
L 灯塔
公共工程文书多，合规要求严
痛 具体痛点
建筑业法修订（工期/变更协商）对应
大量公共工程文书的格式与期限管理
分包商多家、多层级，信息汇总成本高
案 AI 解决方案「AI 公共工程合规」用 AI 管理公共工程合规文书——格式期限自动校验，分包信息智能汇总
AI 合规文书体系 + 分包信息智能汇总 + 规模化文书处理 交付物： 合规文书体系 报价：专案
步 实施步骤（约 12–16 周）
W1-3 合规前提确认 + 部门访谈 W3-8 原型验证 （选 1 个工程类别试点）W8-12 审批支援 + 信息系统部门应答 W12-16 正式交付 + 署名案例
这个行业的取舍： 建筑业是最好的行业（非标准化度最高 → AI 定制价值最大）但不是最大的池子 ——做深不做广，一单顶三单。⚠️ 前置条件： 行业知识密度高（造价、工时定额、施工体制），必须先补齐。建议放在第 4 位打 。可用名单： 物流法货主中建筑业 148 家 + 补助金名单可推定建筑业约 395 家。补充通道：建设业振兴基金「信息化评议会（CI-NET）」年会费 30 万日元。
P5 物流运输业
4,190 家
物流效率化法 特定事业者（名单带公司名）
3 项
强制义务：中长期计划书 / 定期报告 / 任命管理者
物流运输 × S 中小企业 · AI 运输数字化解决方案
S
小微运输，家族经营，社长兼多职
痛 具体痛点
车辆调度靠白板 ：今天哪台车跑哪条线，全凭社长脑子记日报是纸质的 ：司机回来交纸质日报，月底汇总要一张张敲进 Excel运输合同书面化没做 ：货车运输事业法修订要求书面交付（含附带业务费、燃油附加费），还在口头约定开票要 2–3 天 ：从日报汇总到开票全靠手工社长兼财务兼调度 ：没有专职事务，任何新增义务都变成加班
案 AI 解决方案「AI 运输数字化」用 AI 把运输业务数字化——日报拍照即汇总，合同书面自动生成，账单一键开出
AI 日报识别 ：纸质日报拍照 → AI 自动识别 → 汇总成台账AI 合同书面生成 ：按法律要求字段自动生成运输合同书面（含附带业务费、燃油附加费）AI 账单生成 ：从日报数据直接生成账单明细
交付物： 日报台账 ／ 合同书面 ／ 账单明细 报价：月 5~10 万日元
步 实施步骤（约 4 周）
W1 访谈 + 单据样本收集 ：日报、现有合同、发票W1-2 部署 AI 日报识别与汇总 W2-3 部署 AI 合同书面生成 （由律师/行政书士确认字段）W3 并行运行 W4 正式上线 + 培训 （社长 + 事务负责人）
物流运输 × M 中坚 · AI 法定申报解决方案
M 优先③
被法律指定，无专职人手
痛 具体痛点
中长期计划书不会写 ：有样张，但"该填什么、怎么论证"没人懂定期报告是长期负担 ：不是一次性，意味着年年、定期都要重复投入人力管理者任命申报 + 实务负担 ：选出来的统括管理者还要真干活实际运输体制管理台账要整备 ：另加的义务，格式与运用都没底没有专职事务负责人 ：这些全压在现有的少数人身上
案 AI 解决方案「AI 法定申报」用 AI 扛下法定申报义务——计划书自动生成、定期报告年年自动、申报文件统一管理
AI 现状数据采集 ：从现有系统/台账自动收集运输数据AI 计划书生成 ：按国土交通省记载范例，从现状数据自动生成中长期计划书草案AI 定期报告 ：数据自动汇总 → 定期报告自动生成，避免每年重做AI 申报管理 ：管理者任命申报、实际运输体制管理台账 的统一管理
交付物： 中长期计划书 ／ 定期报告 ／ 申报文件 ／ 管理台账 报价：月 10~20 万日元
步 实施步骤（约 6–8 周）
W1 访谈 ：现有计划书有无、数据在哪个系统、谁负责W1-2 部署 AI 计划书生成 （依据国土交通省记载范例）W2-4 部署 AI 定期报告数据采集 （系统对接或单据识别）W4-5 内部评审 + 修改 W5-6 提交支援 + 运用流程确立 W6-8 面向下次报告的自动化固化 （把"一次性"变成"每年自动"）
物流运输 × L 大型 · AI 合规管理解决方案
L 灯塔
货主 + 运输双重义务
痛 具体痛点货主与运输两边的义务叠加；实际运输体制管理台账规模化管理 案 AI 解决方案「AI 合规管理」用 AI 构建合规体系——双重义务自动追踪，规模化管理看板
交付物： 合规体系 + 看板 报价：专案
步 实施步骤（约 10–14 周）
W1-3 义务盘点 + 部门访谈 W3-7 原型验证 （选 1 个网点试点）W7-11 审批支援 + 信息系统部门应答 W11-14 正式交付 + 署名案例
这是唯一「第一天就有靶心池」的行业： 国土交通省公开 4,190 家特定事业者名单，带公司名 + 都道府县 + 行业 （第一种货主 1,792 / 第二种 1,446 / 货车运输 877 / 仓储 56 / 连锁化 19）。切入逻辑： 客户被法律逼着产文件，不买也在做，AI 替了就是省人力 ——销售周期最短，适合做现金流。⚠️ 客单价低于建筑业，适合走量。
「贵公司作为物流效率化法的特定事业者，需要应对中长期计划书和定期报告。现在这套文件靠人工做很费人吧？——我们可以用 AI 自动编制，每年自动更新。」
P6 批发·贸易
批发贸易 × S 中小企业 · AI 订单数字化解决方案
S
小型贸易公司，一人多岗
痛 具体痛点
报价单、发票每次现做 ：Excel 里改来改去，老模板不敢动订货靠传真/电话 ：手写便条 → 再敲进系统，双重录入还容易错库存查询要打电话 ：问仓库有没有货，一次要等半天授信判断靠"多年交情" ：没有额度管理，坏账靠运气财务兼任 ：一个人管订单、库存、开票、收款
案 AI 解决方案「AI 订单数字化」用 AI 把订单链路数字化——报价发票自动生成，传真订单 AI 识别，库存免打电话
AI 报价/发票生成 ：模板化自动生成，按该商社品目与价格口径AI 订货单识别 ：传真/PDF 订单自动识别转成台账AI 库存查询 ：系统对接或台账核对，免去打电话
交付物： 报价单 ／ 发票 ／ 订货台账 报价：月 3~8 万日元
步 实施步骤（约 4 周）
W1 访谈 + 单据收集 （报价、发票、订单样本）W1-2 部署 AI 报价/发票生成 （按该商社的品目与价格口径）W2-3 部署 AI 订货单识别 W3 并行运行 W4 正式上线 + 培训
批发贸易 × M 中坚 · AI 智能对账解决方案
M 优先① 立标杆
三单核对是最干净的可复用场景
痛 具体痛点
三单核对吃掉一个月 40–60 小时 ：订单、送货单、发票三单逐项对照，全靠人工差异每月几十件 ：金额不符、品名不符、单边缺失、期间错位——原因追查很花时间授信、信用额度管理依赖个人 ：谁能赊多少，靠老员工记忆转包法对应 ：付款期限管理、书面交付义务物流效率化法货主对应 ：同时压过来
案 AI 解决方案「AI 智能对账」用 AI 替掉每月 40–60 小时的对账——三单自动核对、差异智能分类、异常工单自动分派
AI 三单核对 ：订单、送货单、发票自动匹配，替代人工逐项对照AI 差异智能分类 ：金额不符 / 品名不符 / 单边缺失 / 期间错位 —— 自动归类出例外清单智能差异工单 ：差异自动生成处理工单，推送责任人，处理留痕AI 授信管理 ：额度、账期、超额智能预警AI 付款期日管理 ：转包法要求的付款期限与书面管理
交付物： 核对台账 ／ 差异工单 ／ 授信看板 ／ 月度报告 报价：月 10~30 万日元
步 实施步骤（约 8 周）
W1-2 现状调查 ：核对流程、单据样本、系统环境（能否接 API）W2-3 AI 方案设计与原型 ：选 1 个交易方或 1 个品类试点，KPI 定为"核对工时削减 50%"W3-5 原型验证 ：用过去 3 个月真实数据跑 AI 核对，测定差异检出率与误检率W5-6 验证评价 + 审批材料 ：工时削减 → 金额换算（对 BPO 支出的替代逻辑）W6-8 全面部署上线 ：扩展到全部交易方 + 运用流程确立后续 效果测定 + 补助金实绩报告支援
为什么这个格子最优先： 三单核对（订单/送货单/发票）规则固定、跨客户同质 ——做完第 1 家，对账 Agent 第 2 家能直接复用。
它是全部 12 格里 Agent 复用度最高、毛利最好 的格子，也是验证「AI 定制 → Agent 复用 → 毛利改善」这个商业模式 的最佳试验场。
批发贸易 × L 大型 · AI 综合贸易管理解决方案
L 灯塔
综合贸易集团，多品类库存
痛 具体痛点案 AI 解决方案「AI 综合贸易管理」用 AI 整合跨部门数据——库存智能看板、货主义务自动追踪、口径统一
交付物： 合规体系 + 库存看板 报价：专案
步 实施步骤（约 10–14 周）
W1-3 部门访谈 + 数据盘点 W3-7 原型验证 （选 1 个品类）W7-11 审批支援 W11-14 正式交付 + 署名案例
客户从哪来： 物流法货主中批发业、零售业 861 家 （官方行业字段）+ 补助金名单可推定约 155 家。
P7 总览：Agent 资产库体系 体系形状 · 四梯队
梯队 Agent 定位 ① 通用地基 识别 / 核对 / 文书 / 报表分析 / 知识库 跨行业、被最多场景依赖——地基中的地基 ② 行业增强 合规 / 台账 / 估价 / 授信 / 调度 / 预测 在具体行业场景里长出，按需建设 ③ 扩展 问询 / 流程 / 质检 / 报价 补齐场景缝隙，扩大覆盖 ④ 支撑 OCR预处理 / 数据清洗 / 翻译 / 文档审阅 / 通知 / 审批 服务其他 Agent 的底层支撑
能力分层 · 谁提供什么
WorkBuddy 提供能力引擎 （识别引擎、文档处理、自动化执行、连接器、知识检索）——我们借力不造轮子。我们提供行业脑 （票据类型库、核对规则、法规模板、口径配置、Agent 编排）——这是我们的护城河。边界不预先定义 ：同一能力可能同时存在多层（客户直接用平台 / 我们 Agent 编排 / 纯我们逻辑），按"客户感知 + 值不值得盖这一层"自然生长。
Agent 的通用结构 （所有 Agent 采用五步链路，保证可沉淀、可复用）：
P8 第一梯队 · 通用地基
1 · 识别 Agent 地基
覆盖场景
票据 / 单据 / 证照 / 报表的录入入口：记账、对账、申报、订单、台账
承接图像识别后的内容处理：字段提取、票据类型判断、模板映射、合规校验
能解决的问题
手工录入耗时 ——票据逐张敲进 Excel，月结期间天天加班资料散落难检索 ——纸质堆抽屉、找不到、税务师来催才整理字段口径不统一 ——同一类票据各家格式不同、字段映射混乱
资产核心
票据类型库 + 字段映射规则 + 模板自适应机制 + 合规校验规则（我们的行业脑）
2 · 核对 Agent 地基
覆盖场景
两单/三单匹配：批发对账、制造订单结算、采购三单核对
账实核对：银行流水 vs 发票、订单 vs 送货 vs 发票
能解决的问题
对账靠人、月结加班 ——三单逐项对照每月吃掉几十小时差异发现滞后 ——金额不符/品名不符/单边缺失/期间错位，追查耗时假性平衡 ——总额一致但明细失衡，肉眼难发现
资产核心
三单匹配规则 + 差异分类逻辑 + 例外清单/工单流转（我们的行业脑）
3 · 文书 Agent 地基
覆盖场景
报告 / 审批文件 / 制度 / 送审材料的生成（Word/PPT/PDF）
模板 + 检索 + 生成，引用内部规程
能解决的问题
文档产出周期长 ——一份报告/送审材料要几天格式不统一、规范难遵守 ——合规性文档"规范 > 美观"多版本管理混乱 ——改来改去、版本打架
资产核心
行业文书模板库 + 规范校验规则 + 多版本比对机制
4 · 报表分析 Agent 地基
覆盖场景
经营看板、月度报告、预算执行、数据下钻分析
数据汇总 → 可视化 → 异常提示 → 经营分析
能解决的问题
报表靠人工拼、口径不一 ——各系统数据打架数据到决策层慢 ——要数据得等到月中，错过决策时机静态报表不可下钻 ——发现问题还要再找明细
资产核心
知识库 Agent（底座） 地基
覆盖场景
规程 / 手册 / 历史资料 / 案例的结构化沉淀与检索
支撑问询、文书、合规等 Agent 引用
能解决的问题
知识散落、人走知识丢 ——经验在老师傅脑子里检索靠翻文件、问答无出处 ——不敢直接用新人上手慢、经验难复制
建设难度（易被低估）
采集层：多格式文档持续增量入库、去重、不污染
组织层：分类体系 + 权限边界 + 知识时效（改版不过期）
引用层：出处可追溯、幻觉控制、答错一次信任崩
P9 第二梯队 · 行业增强
5 · 合规 Agent 行业增强
覆盖场景
法定文书编制、申报期限管理、证照/资质期限追踪（物流效率化法、转包法、发票制度） 能解决的问题
证照/资质临期漏检 ——过期才发现，合规事故法定文书不会写 ——有样张但没人懂怎么填、怎么论证申报期限混乱 ——年年重复投入人力、逾期罚款
6 · 台账 Agent 行业增强
覆盖场景
能解决的问题
照片/资料整理熬夜 ——每天几百张、整理成台账要加班台账格式不统一 ——每家总包方格式不同、被退回重做
7 · 估价 Agent 行业增强
覆盖场景
能解决的问题
估价靠老师傅经验 ——新人出不了价、工时定额散落历史报价检索慢 ——每次翻资料问老人
8 · 授信 Agent 行业增强
覆盖场景
能解决的问题
授信靠人情、坏账风险 ——谁能赊多少靠老员工记忆额度管理无系统化 ——超额了也没人知道
9 · 调度 Agent 行业增强
覆盖场景
能解决的问题
配车靠白板 ——哪台车跑哪条线全凭社长脑子记运力利用率低 ——没有调度数据支撑
10 · 预测 Agent 行业增强
覆盖场景
能解决的问题
备货拍脑袋 ——滞销、断货、报废损失资金流预测靠经验 ——备货高峰资金占用集中爆发
P10 第三梯队 · 扩展 Agent
11 · 问询 Agent 扩展 （依赖知识库）
覆盖场景
能解决的问题
翻文件找答案慢 ——回答无出处不敢直接用新人问老人、老人累 ——经验没沉淀成可检索知识
12 · 流程 Agent 扩展
覆盖场景
能解决的问题
跨系统操作靠人 ——重复性点击、搬运、填单业务流程链路长 ——人工串联慢、易断
13 · 质检 Agent 扩展
覆盖场景
能解决的问题
质检数据手工比对 ——异常漏检整改函/报告人工生成 ——重复劳动
14 · 报价 Agent 扩展
覆盖场景
能解决的问题
报价单反复改 ——老模板不敢动、价格不统一比价/谈判无数据支撑 ——谈判没底气
P11 第四梯队 · 支撑 Agent
15 · OCR 预处理 Agent 支撑
覆盖场景
能解决的问题
低质量扫描件识别率低 ——倾斜/模糊导致错字低对比场景误判 ——边缘情况需要鲁棒处理
16 · 数据清洗 Agent 支撑
覆盖场景
多源数据去重、口径统一、格式标准化（对接/入库前） 能解决的问题
多系统数据打架 ——口径不一、汇总慢脏数据进系统 ——污染下游分析
17 · 翻译 Agent 支撑
覆盖场景
能解决的问题
海外票据人工翻译 ——审核第一步竟是翻译多语种合同/资料处理 ——耗时且易错
18 · 文档审阅 Agent 支撑
覆盖场景
能解决的问题
条款逐条人工审 ——风险点遗漏多版本比对费力 ——差异肉眼难找
19 · 通知 Agent 支撑
覆盖场景
能解决的问题
异常发现滞后 ——价格波动/风险事件响应慢到期提醒靠人记 ——漏了就出事
20 · 审批 Agent 支撑
覆盖场景
审批流预审、规则判断、异常挂起（配合流程 Agent） 能解决的问题
常规审批占管理者时间 ——简单单据也要逐条点审批无规则、无留痕 ——事后难追溯
P12 场景覆盖度 · 20 Agent 对照客户类型 Agent 命中客户类型（覆盖数）
客户类型 命中的 Agent 覆盖数 制造 S（记账） 识别、核对、文书、报表、知识库、数据清洗、通知 7 制造 M（订单结算） 识别、核对、文书、报表、知识库、合规、数据清洗、流程、通知、审批 10 制造 L（品质合规） 识别、文书、报表、知识库、合规、质检、文档审阅、数据清洗 8 建筑 S（现场文书） 识别、文书、知识库、台账、OCR预处理、数据清洗 6 建筑 M（造价施工） 识别、文书、报表、知识库、合规、台账、估价、数据清洗 8 建筑 L（公共合规） 文书、报表、知识库、合规、文档审阅、审批 6 物流 S（运输数字化） 识别、核对、报表、知识库、调度、OCR预处理、通知 7 物流 M（法定申报） 识别、文书、报表、知识库、合规、数据清洗、通知 7 物流 L（合规管理） 文书、报表、知识库、合规、调度、数据清洗、通知 7 批发 S（订单数字化） 识别、核对、文书、报表、知识库、报价、数据清洗、通知 8 批发 M（三单对账） 识别、核对、文书、报表、知识库、合规、授信、数据清洗、流程、通知 10 批发 L（综合贸易） 识别、核对、文书、报表、知识库、合规、授信、预测、翻译、数据清洗 10
覆盖度结论
① 每个客户类型都被 6–10 个 Agent 命中——没有"裸客户"，图谱已成体系。
闭环逻辑
Agent 资产库（20 个）→ 对照 → 12 客户类型全覆盖（6–10 命中）→ 场景反哺新 Agent → 资产库继续丰满。"够用"的判定 ：每个目标场景至少 3–4 个 Agent 命中；新客户 80% 需求能用现有 Agent 拼；新增 Agent 边际收益递减。
P13 优先级与打法 优先序（为什么是这个顺序）
批发贸易 × M （AI 智能对账）→ 规则固定、Agent 复用度最高、毛利最好 → 先打，立标杆 用途：验证「AI 定制 → Agent 复用 → 毛利改善」这个核心假设。如果这个格子都跑不出复用效应，整个 AI 定制模式要重估。 制造业 × S/M （AI 记账 / AI 订单结算 + 补助金）→ 池子最大（1,876 家）→ 上量 用途：把标杆做成规模，用补助金通道降低客户决策门槛。 物流运输 × M （AI 法定申报）→ 痛点最急、名单现成 → 快速成交 用途：现金流。客户被法律逼着产文件，销售周期最短（约 6–8 周可交付）。 建筑业 × S/M （AI 造价施工）→ 价值最高但需行业知识 → 后打，做深 用途：高毛利定制。必须先补齐造价/施工知识，且前三个格子跑出方法论后再碰。 L 层（全部行业） → 只做 1–2 家灯塔（署名案例），用 ①②③ 的标杆去撬动用途：拿到可公开的日本案例，打开中间层（大企业/金融）。不做销售主战场。
AI 方案落地与交付的通用流程
上面 8 个优先格子的交付周期虽然长短不同（4–12 周），但流程骨架一致——这是我们的标准交付方法论：
阶段 做什么 关键点 ① 需求访谈 业务流程 + 单据样本 + 系统环境 拿到真实样本，不靠猜 ② 方案设计与原型 用小范围真实数据做出 AI 原型，量化效果 必须有可测量的 KPI （如工时削减 50%）③ 审批材料 把原型效果换算成钱，做成客户内部审批材料 对 BPO 支出讲替代逻辑 ④ AI 系统部署 数据对接 + Agent 配置 + 权限设计 权限最小化（合规要求） ⑤ 并行运行 AI 与人工同时出结果，人工复核 建立信任，避免一次切换的风险 ⑥ 正式上线 + 培训 正式运行 + 操作培训 + 效果测定 出效果报告（也是补助金实绩材料） ⑦ 能力沉淀复用 把该客户的规则沉淀为可复用 Agent 这一步决定毛利能否改善 （第 2 家复用）
两个结构性前提
前提 内容 不成立的后果
Agent 沉淀
把核对、票据识别、报表、法定文书等沉淀为可复用 Agent ，第 1 家定制、第 2 家起复用。打包成可登记的 IT 工具 （补助金只买已产品化软件），客户特有部分走服务（导入配置、培训、应用咨询，补助金全额覆盖 ）。
每个客户从零开发 → 毛利被吃掉，AI 定制模式不成立；且吃不到补助金这条最大的预算通道
合规材料
数据流向图 + 网络连接白名单 + 离线可运行证明 + 审计日志。这是 AI 方案落地到客户环境的成立条件，不是营销素材。 若系统运行中调用任何境外端点（推理接口 / 遥测 / 许可校验），"数据不出境"主张当场破产。
核心卖点（数据不出境）无法对外承诺 → 对中坚以上客户基本失去说服力
报价锚点（贯穿所有格子）
客户现在的支出（锚） 金额 我们的报价位置 记账代理 月 5 千~3 万日元（每笔分录 50~100 日元） 月 3~8 万日元（对标 + 加值） 财务 BPO 月 5~20 万日元（营收 1 亿 5~15 万 / 3 亿 15~35 万 / 10 亿 40~100 万+） 月 10~30 万日元 （= BPO 1 人月的 25~75%）事务 BPO 人员 1 人月 30~55 万日元 （法定披露：Persol 15,896 日元/日、Transcosmos 26,581 日元/日）主张：「用不到一个人的价钱，做掉一个人的活」 财务正式员工总人力成本 月约 52.6 万日元（doda 平均年薪 549 万 × 1.15） 同上
对外表达三条铁律（AI 叙事）： AI 方案 ，不讲「软件系统」、不讲「工具」——客户买的是「AI 替我干活」；BPO / 人力支出 打，不对着 Copilot 打（后者会陷入功能对比的苦战）——「我一年花 600 万日元养 2 个人做这件事，AI 多少钱能替掉？」你们哪个业务最费人？——我们让 AI 把它替掉 」，不问「你们想不想用 AI」。
日本市场 AI 解决方案 · 内部方向指引 · 13 页