代理式人工智能正从供应链软件的边缘走向主流。那些现已强化费率数据的货运代理将获得最大收益。
采用轨迹与数据准备情况
Gartner 预测，企业级代理式人工智能在供应链软件中的采用率将从目前的 5% 增长至 2030 年的 60%。这一陡峭的增长曲线将把货运代理分为两派：数据已为 AI 做好准备的代理，以及仍在构建数据基础设施而竞争对手已领先一步的代理。
费率和费用的影响
数字化已提升了物流全链条的效率和水平。AI 可实现更具挑战性的目标：提高净利润率。然而，这种提升取决于驱动它的数据。对于货运代理而言，这意味着费率和费用必须在其使用的每种运输方式中全面且有条理地组织起来。作为独立工具添加的 AI 在物流领域不会成功；它必须与数据集成。数据割裂会导致 AI 忽略选项、基于过时的费率报价或与人工员工发生冲突。统一的费率库，供 AI 和人类专家共同访问，可以解决这些问题：更快的报价、更少的遗漏选项、更精确的自动化和文档处理，以及与客户团队建议一致的响应。
当前货运代理状况
大多数货运代理仍处于进展阶段。在物流行业中，可靠性决定价值，而对于 AI 来说，其可靠性完全依赖于数据。许多货运代理仍然依赖手动流程，数据也解释了原因。The Loadstar 报道的对欧洲货运代理的研究显示，只有 29% 的核心运营工作流实现了自动化。其余人继续使用电子邮件、电子表格、PDF 文件和手动操作。这种谨慎是合理的。问题不在于缺乏对 AI 的兴趣，而在于缺乏可靠的基础来运行它。
多模式基础要求
有效的 AI 基础必须是多模式的，并充当单一事实来源。费率采购、费率管理、报价、销售和客户支持应通过一个系统跨航空和海运运作，而不是三个独立的系统。这正是 cargo.one 旨在填补的差距。该公司于 2018 年推出了行业首个空运电子预订平台；如今，来自 172 个国家的超过 30,000 名用户依赖该平台。通过收购海运定价平台 Cargofive，cargo.one 结合了空运和海运费率数据，直接连接航空公司和前十大海运承运商，并在数百万条贸易航线上携带合同费率、FAK（均一费率）、NAC（名义合约费率）和即期费率。卡车运输、本地费用和代理费率则在此基础上叠加。
AI 实施结果
去年，货运代理每天重复执行数十次的步骤——例如提取货物详情和收集费率——已被自动化。报价处理速度提高了 68%，准确率达到 89%，任何低于置信阈值的报价都会被发送给人工处理，而不是发布。关键原则是 AI 在与团队相同的工作空间中、使用相同的数据、在他们的监督下运行。它处理常规任务；人们管理需要判断力的工作：复杂货物、非常规路线、高价值客户和例外情况。所有内容都会同步回货运代理现有的系统，并且每个 AI 决策都被记录并可审计。
在实际生产中，这每月产生数万份由 AI 生成的报价。其中十分之八无需人工参与即可发送，每份报价的时间已从约 15 分钟减少到不到一分钟。当每天收到数百个请求时，这种速度和准确性可能决定业务的成败。
分阶段采用方法
货运代理不会立即将控制权交给 AI，也不应该这样做。大多数团队从协作者模式开始，AI 为审查准备报价、RFI（信息请求）或支持响应。随着准确性的展示，他们过渡到监督模式，AI 独立处理常规工作并标记例外情况。从此处开始，工作流程变为端到端的全自动。达到该阶段的团队并未放弃控制；他们建立了在自己数据上、在自己工作空间中运行 AI 的信心。
在客户中，问题已经从探索 AI 演变为确定下一步将 AI 应用于何处。当货运代理看到坚实的多模式费率基础所能实现的效果时，这种变化就会发生。
未来展望
每一次成功的物流数字化都始于理解业务和新客户价值的所在。在未来五年内取得成功的海运货运代理将是那些将费率数据视为坚实基础，然后在其上部署 AI 的代理。物流始终是一个以人为本的行业。代理式 AI 只是让优秀的团队更快、更敏锐、更难被竞争。