近期用AI处理了几项工作，越用越上瘾。AI之所以好用，在于：
第一，只要把逻辑跟AI说清楚，AI处理数据的效率非常高。
第二，AI能从云端提取决策逻辑（比如法律依据等）辅助决策。
第三，AI有用户记忆，持续的输入和训练，能让AI越来越智能。
场景一：海量数据校验
餐饮连锁企业，每日凌晨3点前全国门店下单到OMS，人工从OMS审单后推送数据到金蝶系统，金蝶系统定时自动推送到分仓WMS，分仓作业人员根据WMS中接收到的数据进行分拣、配送。
但某天，因人工推单延迟，导致金蝶系统自动推送不完全成功（部分缺失），余下部分手动推单失败且丢失。分仓等待正确指令分拣，如果等待时间过长，将延误分拣和配送。
几千条订单数据，如果人工逐条核对，一天都干不完。
我安排人从OMS导出原始数据，从分仓WMS导出不全的数据。在两组数据中找到一个映射字段：OMS中14日订单=分仓WMS中13日03:00-14日02:59待发。
让AI逐一匹配各个门店数据，进行比对一致性。结果很快出来，每个数据行都被打上特征，标识为“一致”、“WMS中无”、“WMS中有但数量不一致“。
场景二：建立合同台帐
SRM系统中的合同管理功能不全，且部分费用类合同通过OA审批，无法抓取进SRM。于是尝试通过AI自动归档合同。
给AI指令，告诉它从哪里找到合同审批流，要求它查阅附件合同并提取关键字段，以时间为序建立合同档案，需包含“供应商名称、产品名称（多产品分多行列示）、规格型号、含税单价、付款方式（月结/预付款等）、合同生效时间、合同有效期截止时间、采购方名称、采购方签订人”等字段。
结果出来了，有个bug，一个合同签多个产品名称的，供应商等其他字段只在第一行中显示，其他行为空。
于是，再要求，请对一个合同多个产品名称的，将供应商等数据相同字段合并单元格。
再得到的就是一个合同台账成品。
再要求，请记住任务，再次运行时，在表末尾追加新的合同审批流程中的合同数据。
场景三：审核文档
要求仓储物流员工提供一份搬仓计划排期表。拿到之后，给AI，要求：请审核数据逻辑，如无误，请据此做成可视化的时间轴。
结果出来了，提示了8处错误，如发（未）中标通知书缺少责任人、签合同时间较紧张、WMS系统对接时间不应早于签合同时间、12月112日属于日期格式错误等。
AI可高效识别出逻辑不自洽的错误，减轻审核负担。当然对于部分业务层面的特殊设置，没提前告诉AI，它就可能误判，比如我们要求提前将WMS系统对接好再签合同。我们需要把业务逻辑告诉AI。
场景四：广泛寻源
我们始终强调要基于行业全景广泛寻源。这个“行业全景”就非常依赖AI。比如我们告诉AI：请给出全国生产规模前30名的展示冷柜厂家，并给出联系方式，优先给手机号。
返回结果是一份完整的寻源报告，包含各厂家的基本信息，并按四个梯队呈现。
场景五：行情跟踪
设置好一个模型，要求每周六下午5点统计当周鸭苗出苗量、毛鸭价格，并形成曲线图，追加到《每周鸭苗出苗量及毛鸭价格跟踪表》中。
这样，每周就会自动更新行情数据，也可以让AI同时发送邮件到指定邮箱中。
AI能帮我们高效处理数据方面工作，让我们有更多时间思考组织和机制层面的问题。真正用好AI，不是让它替代我们“思考”，而是替代我们“计算”。