日本市场 AI 解决方案

日本市场 AI 解决方案

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。
这份材料是内部方向指引,讲清楚两件事: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)。
覆盖 12 类客户 能力 20 个 Agent 行业 4 个重点 借力不造轮子 · 行业脑是护城河
P1

定位与方向

12
客户类型
(4 行业 × 3 规模)
20
Agent 能力积木
支撑解决方案
4
重点行业
制造/建筑/物流/批发
3
规模档
S 中小 / M 中坚 / L 大型
🏢
我们是谁

WorkBuddy 全球合作伙伴。借力不造轮子——WorkBuddy 提供能力引擎,我们提供行业脑(业务规则、模板、口径、编排)。

🎯
我们做什么

为日本企业提供以 AI 为线索的行业解决方案。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 为能力积木支撑 12 类客户。Agent 是积木,场景是落点,方案是组合——覆盖到一定程度,任意需求都能拼出来。

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:
① 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;
② 怎么做——P7~P11:20 个 Agent 资产库,先建哪个、怎么沉淀;
③ 能力怎么支撑卖点——P12:Agent × 客户类型的覆盖度;
④ 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
财务 1 人兼任、纸质+传真、无专职 IT
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)
补助金 · 小规模框
M 中坚企业 50~500 人 / 营收 5~100 亿日元
有专职财务/信息系统、有核心系统、已开始外包
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)
补助金 · 常规框+发票框
L 大型企业 500 人以上 / 上市
部门完备、合规审查重、决策链长
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
(只做灯塔,不进主战场)

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」。
① 价值线索永远是 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;
② 一句话叙事:「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;
③ 客户听到的是「有人用 AI 帮我解决了问题」,不是「有一款软件」,更不是「你要学会用某个工具」。
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):
① 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;
② 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)
57.6%
占货主名单比例(第一大行业)
2026-01
转包法施行:付款票据全面禁止
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)

  1. 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
  2. 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
  3. 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
  4. 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
  5. W4正式上线 + 操作培训:半天培训,交付操作手册
  6. 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)

  1. 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)
  2. W2-3AI 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%)
  3. 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
  4. 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)
  5. W6-8AI 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)
  6. 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
  7. W10正式上线 + 效果测定:正式运行,出具效果报告
  8. 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)

  1. 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
  2. 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
  3. W4-8原型验证:小范围试点(如 1 个工厂的定期报告编制)
  4. W8-12审批支援:材料制作 + 说明会 + 信息系统部门应答
  5. 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

3 成以上
建筑业尚未着手数字化的企业比例
8 成以上
面临接单机会损失风险
148 家
物流法货主中的建筑业(池子小)
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)

  1. 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
  2. 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
  3. 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
  4. W3-4现场试行:选 1 个在建工地并行运行(AI 出 + 人工核)
  5. 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)
  6. 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)

  1. 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
  2. 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
  3. 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)
  4. W6-8部署 AI 施工台账与法定文书模块
  5. W8-10并行运行 + 调优
  6. 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)

  1. W1-3合规前提确认 + 部门访谈
  2. W3-8原型验证(选 1 个工程类别试点)
  3. W8-12审批支援 + 信息系统部门应答
  4. 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)
2026-04
物流效率化法施行
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)

  1. W1访谈 + 单据样本收集:日报、现有合同、发票
  2. W1-2部署 AI 日报识别与汇总
  3. W2-3部署 AI 合同书面生成(由律师/行政书士确认字段)
  4. W3并行运行
  5. 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)

  1. W1访谈:现有计划书有无、数据在哪个系统、谁负责
  2. W1-2部署 AI 计划书生成(依据国土交通省记载范例)
  3. W2-4部署 AI 定期报告数据采集(系统对接或单据识别)
  4. W4-5内部评审 + 修改
  5. W5-6提交支援 + 运用流程确立
  6. 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
  • AI 合规体系构建 + 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)

  1. W1-3义务盘点 + 部门访谈
  2. W3-7原型验证(选 1 个网点试点)
  3. W7-11审批支援 + 信息系统部门应答
  4. 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

861 家
物流法货主中的批发业、零售业
57.9%
发票对应工具「未使用」比例
2 部法规
转包法 + 物流效率化法 双重夹击
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)

  1. W1访谈 + 单据收集(报价、发票、订单样本)
  2. W1-2部署 AI 报价/发票生成(按该商社的品目与价格口径)
  3. W2-3部署 AI 订货单识别
  4. W3并行运行
  5. 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)

  1. W1-2现状调查:核对流程、单据样本、系统环境(能否接 API)
  2. W2-3AI 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%"
  3. 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
  4. 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)
  5. W6-8全面部署上线:扩展到全部交易方 + 运用流程确立
  6. 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

  • 多品类库存管理 + 货主义务;跨部门数据口径不一

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
  • AI 合规体系 + 库存看板 + 跨部门数据整合
交付物:合规体系 + 库存看板 报价:专案

步实施步骤(约 10–14 周)

  1. W1-3部门访谈 + 数据盘点
  2. W3-7原型验证(选 1 个品类)
  3. W7-11审批支援
  4. 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):
感知(获取输入)→ 识别/理解(WorkBuddy 引擎 + 我们的行业规则)→ 处理/校验(业务逻辑)→ 输出(结构化结果)→ 沉淀(规则回流资产库)
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

  • 经营指标口径 + 行业看板设计 + 异常规则
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

  • 现场资料/照片自动分类归档(施工照片、设备台账)

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

  • 造价估算、报价生成(建筑积算、批发报价)

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

  • 客户信用额度、账期、超额预警(批发/制造)

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

  • 车辆/资源调度辅助(物流运输)

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

  • 需求/销量/资金流预测(制造/批发/物流)

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

  • 内部知识问答、业务咨询、政策查询

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

  • 多步骤自动执行:取数→处理→填单→审批→通知

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

  • 品质/检验数据检查与异常标记(制造)

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

  • 报价单生成、价格策略辅助(批发/制造)

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

  • 识别前的图像准备:方向矫正、去噪、质量优化

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

  • 中日文互译、多语言票据理解(跨境)

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

  • 合同/条款/合规文件审阅、风险点标记

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

  • 结果推送、预警通知、定期提醒(配合流程/合规)

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(6–10 覆盖,无裸客户)

识别核对文书报表知识库合规授信调度预测数据清洗流程通知审批报价质检台账估价翻译OCR预审阅覆盖
制造 S●●●●●····●·●········7
制造 M●●●●●●···●●●●·······10
制造 L●·●●●●···●····●····●8
建筑 S●·●·●····●·····●··●·6
建筑 M●·●●●●···●·····●●···8
建筑 L··●●●●······●······●6
物流 S●●·●●··●···●······●·7
物流 M●·●●●●···●·●········7
物流 L··●●●●·●·●·●········7
批发 S●●●●●····●·●·●······8
批发 M●●●●●●●··●●●········10
批发 L●●●●●●●·●●·······●··10

● = 命中 | · = 未命中 | 深浅 = 关键度 | 覆盖数 = 该客户类型被多少个 Agent 支撑

✅
无裸客户

每个客户类型都被 6–10 个 Agent 命中——图谱已成体系,没有靠单一 Agent 硬撑的场景。

🎯
优先级天然对齐

命中最多(10 个)的恰好是旗舰场景(批发 M / 批发 L / 制造 M)——覆盖度与业务优先级一致。

🧱
地基最高频

识别与知识库几乎出现在所有场景——它们是地基中的地基,值得最先沉淀。

P13

优先级与打法

优先序(为什么是这个顺序)

①
批发 × M

三单核对 · 规则固定、Agent 复用度最高、毛利最好 → 先打立标杆

②
制造 × S/M

记账/订单结算 · 池子最大(1,876 家)→ 上量

③
物流 × M

法定申报 · 痛点最急、名单现成 → 快速成交

④
建筑 × S/M

造价施工 · 价值最高但需行业知识 → 后打做深

⑤
L 层

灯塔 1–2 家 · 署名案例 → 撬动中间层

交付流程 · 七步通用骨架

①
需求访谈

业务流程 + 单据样本 + 系统环境,拿到真实样本

②
方案与原型

小范围真实数据跑 AI 原型,量化效果(KPI 如工时减 50%)

③
审批材料

效果换算成钱,做成客户内部审批材料(对 BPO 支出讲替代)

④
系统部署

数据对接 + Agent 配置 + 权限最小化

⑤
并行运行

AI 与人工同时出结果,人工复核建信任

⑥
正式上线

切换 + 培训 + 效果测定,出报告

⑦
沉淀复用

规则并入 Agent 库——这一步决定毛利

🔧
前提① · 模块化沉淀

可复用能力做成 Agent 模块,第 1 家定制、第 2 家起复用;可登记成补助金工具,客户特有部分走服务。

🛡️
前提② · 合规材料

数据流向图 + 离线证明 + 审计日志——系统落地到客户环境的成立条件,不是营销素材。

💰
报价锚点

对 BPO 支出打:记账代理月 3~8 万;财务 BPO 替代月 10~30 万(= 1 人月 25~75%)。

对外表达三条铁律(AI 叙事)

① 永远讲 AI 方案,不讲软件系统、不讲工具——客户买的是「AI 替我干活」;
② 对着 BPO / 人力支出打,不对着 Copilot 打——「我一年花 600 万日元养 2 个人,AI 多少钱能替掉?」;
③ 开场问「你们哪个业务最费人?我们让 AI 把它替掉」。