文｜魏琳華
編｜王一粟
“90%的客服問(wèn)題，交給AI就足夠了�！�談及大模型在公司快遞業(yè)務(wù)的首個(gè)落地嘗試-AI客服，快遞100產(chǎn)研中心負(fù)責(zé)人李朝明表示。
被利潤(rùn)下跌折磨的快遞行業(yè)，打響的第一戰(zhàn)是“反內(nèi)卷”，而大模型成為了其中的關(guān)鍵一環(huán)。
10000000000，這是“三通一達(dá)”每一家在2024年上半年達(dá)成的百億業(yè)務(wù)量。由“買買買”帶動(dòng)的快遞行業(yè)，帶動(dòng)各大快遞公司的單量增長(zhǎng)。
但在快遞行業(yè)單量大幅擴(kuò)張的同時(shí)，“爆單”并沒(méi)有讓快遞公司們賺的盆滿缽滿，而是賠掉了底牌。財(cái)報(bào)顯示，今年11月，韻達(dá)、申通和圓通單票收入分別為2.03元/件、2.08元/件和2.29元/件，同比分別下降14.71%、5.45%和6.96%。
“快遞行業(yè)已經(jīng)進(jìn)入，從卷低價(jià)到卷高質(zhì)量服務(wù)的階段。”快遞100總經(jīng)理陳登坤給出了判斷。
2023年，快遞行業(yè)瞄上AI。從早期的觀望、試水，到2024年大模型開(kāi)始在快遞行業(yè)初步結(jié)果。雖然應(yīng)用能力仍然有限，但大模型首先覆蓋了快遞行業(yè)中，一批最基礎(chǔ)、也最有效的可降本增效的業(yè)務(wù)：AI客服、AI營(yíng)銷和AI助手。
而在2024年，除去常規(guī)運(yùn)轉(zhuǎn)之外，大模型正在深入快遞行業(yè)的腹地。
從簡(jiǎn)單的寄件、查件入手，到面向快遞小哥打造“知識(shí)庫(kù)”、再到幫助完成業(yè)務(wù)信息的匯總整理，甚至到供應(yīng)鏈的智慧控制，大模型在快遞行業(yè)的能力正在被逐步釋放。
選擇私有化部署模型、自研大模型的快遞公司們都相信一點(diǎn)：大模型是值得的長(zhǎng)期投資，它在快遞行業(yè)的應(yīng)用上限仍然有一個(gè)廣闊空間等待發(fā)掘。
單量大、競(jìng)爭(zhēng)卷，快遞行業(yè)擁抱AI增效
2023年 8月8日，李朝明清楚地記得，這是快遞100決定接入大模型最開(kāi)端的日子。彼時(shí)，孵化了快遞100的金蝶集團(tuán)剛剛在三十周年大會(huì)上發(fā)布了“蒼穹GPT”，集團(tuán)戰(zhàn)略資源開(kāi)始傾向大模型投入，促使快遞100開(kāi)始嘗試將AI能力應(yīng)用到自身業(yè)務(wù)中。
當(dāng)作為基座的大模型能力得以突破，AI+快遞的實(shí)際應(yīng)用也打開(kāi)了更多場(chǎng)景。
李朝明回憶，2023年10月，百度發(fā)布文心一言4.0大模型后，在合作的測(cè)試中，快遞100發(fā)現(xiàn)，過(guò)往一些無(wú)法交給AI完成的場(chǎng)景在新模型能力的加持下，實(shí)現(xiàn)了能力突破。
兩年時(shí)間內(nèi)，多家企業(yè)均交出了自己的答卷：順豐自研物流決策大模型“豐知”和聚焦物流行業(yè)垂直領(lǐng)域的“豐語(yǔ)”大模型、韻達(dá)推出AI快遞助手、快遞100選擇了將公有云和私有云模型混合的“百遞云GPT”模型。
然而，從快遞業(yè)務(wù)的幾個(gè)核心環(huán)節(jié)“攬收、分揀、運(yùn)輸、派送”來(lái)看，大模型能力的應(yīng)用仍然有限。李朝明指出，當(dāng)前，快遞行業(yè)的落地更多還停留在“一頭一尾”兩個(gè)環(huán)節(jié)，即攬收和派送。
最早在快遞行業(yè)落地的是AI客服類產(chǎn)品。它聚焦售后環(huán)節(jié)，幫助節(jié)省人力的同時(shí)，處理了大量重復(fù)的簡(jiǎn)單問(wèn)題。談及AI客服帶來(lái)的效益，李朝明表示，雖然寄快遞業(yè)務(wù)保持快速增長(zhǎng)，但在AI能力應(yīng)用到客服環(huán)節(jié)之后，快遞100能夠有效控制人員增長(zhǎng)的速度。
李朝明透露，目前快遞100實(shí)現(xiàn)了90%的客訴問(wèn)題由大模型處理，問(wèn)題一次性解決率高達(dá)99.4% 。
AI助手類產(chǎn)品則更多用于幫助快遞行業(yè)的工作者服務(wù)，包括快遞小哥、企業(yè)內(nèi)部用戶都是大模型的受益者。攬件環(huán)節(jié)，AI助手能夠幫助快遞行業(yè)的服務(wù)人員解決問(wèn)題，比如違禁物品查詢、快遞時(shí)效性等需求。
順豐科技大模型技術(shù)總監(jiān)江生沛向光錐智能舉了一個(gè)例子：在國(guó)際快遞場(chǎng)景下，D197（貓山王榴蓮的編號(hào)）、貓山王、榴蓮糖、凍干榴蓮，它們屬于同一類別的托寄物嗎？它們各自走陸運(yùn)、航空寄往不同國(guó)家的寄送規(guī)則如何、使用哪種服務(wù)更合適？
過(guò)往這些細(xì)節(jié)，需要快遞小哥在各個(gè)國(guó)家的海關(guān)網(wǎng)站上查詢，需要跨越多語(yǔ)言、規(guī)則常變動(dòng)等障礙，現(xiàn)在開(kāi)始移交給搭載了物流知識(shí)庫(kù)的AI助手。只需要拿出手機(jī)，順豐的快遞小哥就能在公司內(nèi)部的AI助手上查詢到不同件的國(guó)際寄送規(guī)則，當(dāng)下處理客戶的需求。
實(shí)際上，AI不僅僅可以為快遞小哥賦能，在國(guó)際業(yè)務(wù)寄送的服務(wù)中，AI助手也能通過(guò)搭載相應(yīng)知識(shí)庫(kù)，為使用者提升效率。AI助手可以調(diào)用全球各地的海關(guān)郵寄政策，再同步生成一份最新的郵寄指南，幫助用戶掌握海外政策變動(dòng)情況。
快遞小哥用手機(jī)查詢信息
從降本增效抓起，以AI客服為切口，到面向員工的AI應(yīng)用，2024年，大模型逐漸進(jìn)入快遞業(yè)務(wù)的腹地，已經(jīng)嵌入到“寄、管、查”的快遞服務(wù)核心全流程。
在下單、接單、上門取件、出賬、支付、運(yùn)輸、簽收等全流程服務(wù)體系，AI都能為各個(gè)環(huán)節(jié)提供能力支持。以快遞100的“自動(dòng)改派單”功能為例，在退貨場(chǎng)景中，通過(guò)系統(tǒng)預(yù)設(shè)的規(guī)則，AI可以實(shí)時(shí)判斷訂單狀態(tài)，按需調(diào)配運(yùn)力資源。
比如，如果用戶下單后快遞員接單超時(shí)，AI將立即向用戶推送通知詢問(wèn)是否接受改派，確認(rèn)后，系統(tǒng)將調(diào)配運(yùn)力資源接管；在上門取件中，如果快遞員未能準(zhǔn)時(shí)到達(dá)，AI也會(huì)為用戶重新安排取件方案。
AI對(duì)快遞行業(yè)的爆改，無(wú)論從快遞員還是用戶端，體感上都不是非常劇烈，但卻恰到好處在提供著許多主動(dòng)式、自然語(yǔ)言交互的體驗(yàn)，正如春雨潤(rùn)物細(xì)無(wú)聲。表面上雖然云淡風(fēng)輕，底層的技術(shù)層卻正在發(fā)生著翻天覆地的變化。
大模型深入產(chǎn)業(yè)腹地的艱難一年
為什么過(guò)去兩年，能夠?qū)⒋竽Ｐ蜕钊霊?yīng)用的快遞企業(yè)還是“少數(shù)派”？
快遞行業(yè)涉及人員龐大、快件海量、環(huán)節(jié)也相當(dāng)復(fù)雜，對(duì)效率要求卻極致的高。所以，當(dāng)大模型想要深入改造這樣一個(gè)傳統(tǒng)行業(yè)時(shí)，第一步先要打造一個(gè)屬于快遞行業(yè)自己的大模型底座。
目前，快遞行業(yè)公司接入大模型大多選擇了兩種方式：一種是完全基于自研大模型服務(wù)企業(yè)，另一種則通過(guò)調(diào)用公有云模型+私有部署模型，共同配合使用。
順豐、韻達(dá)等公司選擇自研大模型。談及為何選擇自研這條路，江生沛表示，在使用開(kāi)源模型進(jìn)行私有化部署的過(guò)程中，由于其不具備物流行業(yè)相關(guān)知識(shí)，它在實(shí)際落地的效果并不理想，順豐有數(shù)據(jù)有算力，自研行業(yè)大模型是必經(jīng)之路。
“比如‘小哥’這個(gè)詞，拿給通用大模型，它的理解肯定和訓(xùn)練過(guò)的垂類大模型不一樣�！苯媾e例道。
出于對(duì)效果和成本平衡的考慮，快遞100則選擇公有云+私有云部署的方式，按照不同場(chǎng)景的側(cè)重需求調(diào)用。
談及為何選擇放棄自研大模型，快遞100的想法是，通過(guò)部署能力不斷進(jìn)化的多個(gè)大模型，加上以自有海量數(shù)據(jù)訓(xùn)練并部署在私有云的大模型，既能發(fā)揮各種模型的能力優(yōu)勢(shì)，又能使用私有化部署的大模型控制成本。
李朝明表示，每個(gè)模型都有自己的強(qiáng)項(xiàng)，比如文心一言4.0在意圖理解和內(nèi)容生成、提取方面表現(xiàn)更好，多模態(tài)理解和識(shí)別上，通義千問(wèn)VL模型更佳，智譜模型則在客戶意圖識(shí)別上效果理想。多種模型結(jié)合，更能發(fā)揮各自的長(zhǎng)板。
選擇完部署方式，才是萬(wàn)里長(zhǎng)征第一步。要想訓(xùn)練一個(gè)垂類領(lǐng)域的大模型，針對(duì)特有數(shù)據(jù)的訓(xùn)練上就是一大難題。
中交協(xié)物流技術(shù)裝備委員會(huì)指出，在訓(xùn)練和優(yōu)化大模型的過(guò)程中，高質(zhì)量數(shù)據(jù)是核心生產(chǎn)要素，想要訓(xùn)練出精度極高的行業(yè)大模型，所需的不是簡(jiǎn)單公開(kāi)的數(shù)據(jù)，而是行業(yè)特定的場(chǎng)景數(shù)據(jù)，而物流產(chǎn)業(yè)所需的真實(shí)交互數(shù)據(jù)，樣本少、分布不均，極難獲得。
江生沛舉了一個(gè)例子，“做一個(gè)行業(yè)模型，首先需要針對(duì)各種具體的場(chǎng)景去采集對(duì)應(yīng)的數(shù)據(jù)，但物流行業(yè)的很多知識(shí)信息是高度碎片化的，很多數(shù)據(jù)可能在某臺(tái)電腦、記賬本中存儲(chǔ)，所以需要借助大模型完成全面數(shù)字化的過(guò)程，讓大模型去處理富媒體信息，經(jīng)過(guò)知識(shí)抽取、清洗等一系列操作，轉(zhuǎn)化成可以被訓(xùn)練的語(yǔ)料�！�
其次，要想將大模型能力和快遞業(yè)務(wù)結(jié)合起來(lái)，如何讓大模型準(zhǔn)確地理解問(wèn)題中的所有元素，比如“地址”、“時(shí)間”等信息，并根據(jù)需求準(zhǔn)確調(diào)用對(duì)應(yīng)的時(shí)效性、價(jià)格等信息，這對(duì)于大模型來(lái)說(shuō)仍然是個(gè)挑戰(zhàn)。
李朝明表示，雖然目前行業(yè)中更多討論的是如何以AI為主導(dǎo)推動(dòng)業(yè)務(wù)，但當(dāng)應(yīng)用到真正的業(yè)務(wù)流程中，大模型仍然出現(xiàn)了很多問(wèn)題。
在快遞100的業(yè)務(wù)中，可以歸結(jié)為兩點(diǎn)：
第一，在和AI交互的過(guò)程中，必須保證它全程在業(yè)務(wù)流程中。比如“寄快遞”，無(wú)論用戶如何對(duì)話，AI必須要把用戶最終引導(dǎo)到寄快遞上。
“一個(gè)東西能不能寄、這個(gè)東西要怎么包裝？如果你沒(méi)有業(yè)務(wù)流程設(shè)定的話，大模型就會(huì)和用戶一直解釋這些問(wèn)題，他不會(huì)引導(dǎo)用戶接下來(lái)繼續(xù)去寄快遞�！崩畛髡f(shuō)，“大模型本來(lái)應(yīng)該要引導(dǎo)用戶把聯(lián)系方式和寄送地給到�！�
第二，在處理用戶需求時(shí)，大模型需要用到企業(yè)內(nèi)部沉淀的業(yè)務(wù)知識(shí)，比如當(dāng)用戶來(lái)寄快遞時(shí)，AI需要知道寄的東西是什么、各快遞公司單價(jià)等知識(shí)并準(zhǔn)確調(diào)用，才能準(zhǔn)確估算出一單快遞的價(jià)格。
但在調(diào)用過(guò)程中，大模型經(jīng)常出現(xiàn)錯(cuò)亂的情況，要么不知道應(yīng)該調(diào)用什么樣的參數(shù)，要么調(diào)用了錯(cuò)誤的信息，從而導(dǎo)致結(jié)果錯(cuò)誤。
此外，要想面向快遞行業(yè)訓(xùn)練一個(gè)可供商用的大模型，需要讓大模型能夠同時(shí)兼顧通用模型的理解能力，也要讓它充分理解垂類領(lǐng)域模型應(yīng)有的專業(yè)知識(shí)，完成對(duì)內(nèi)容的調(diào)用。
對(duì)于需求更加精準(zhǔn)的快遞行業(yè)來(lái)說(shuō)，需要給出能夠保證可商用的產(chǎn)品，才能真正應(yīng)用到業(yè)務(wù)場(chǎng)景中。
對(duì)此，快遞100的選擇是，先由公司為大模型編排好一套業(yè)務(wù)流程，在這個(gè)過(guò)程中控制大模型的調(diào)用需求。
回到“寄快遞”來(lái)說(shuō)，在做好業(yè)務(wù)流程編排的情況下，大模型會(huì)不斷“Push”用戶給到所需寄件信息。除此之外，它還能根據(jù)需求查詢到不同快遞品牌的寄件價(jià)格，并在整理好后重新生成一個(gè)回復(fù)，幫用戶找到更加便宜劃算的寄件選擇。
而在今年的大模型能力落地快遞行業(yè)過(guò)程中，在大模型能力逐漸提升的過(guò)程中，企業(yè)也開(kāi)始試圖讓AI作為主導(dǎo)者。
通過(guò)和大廠智能體平臺(tái)合作，快遞公司也開(kāi)始上線各式各樣的智能體。針對(duì)查詢快遞需求，快遞100在百度、騰訊、MiniMax上線了“查寄管”同名智能體應(yīng)用，將主導(dǎo)權(quán)讓給了大模型。
通過(guò)這種合作方式，智能體既能記住和用戶交互的上下文，也能通過(guò)大模型能力解決一些業(yè)務(wù)流程中的問(wèn)題。比如，查詢快遞不需要了解具體找到對(duì)應(yīng)快遞公司平臺(tái)查詢，只要給個(gè)單號(hào)就能查到信息；智能體還能根據(jù)輸入的地址信息進(jìn)行“補(bǔ)全”，自動(dòng)識(shí)別殘缺信息并糾正成可以被寄快遞識(shí)別的正確地址。
智能體幫助用戶查快遞
隨著大模型能力的進(jìn)一步解鎖，快遞行業(yè)接下來(lái)還能交給AI主導(dǎo)更多復(fù)雜的任務(wù)。
要降本更要增量，AI爆改快遞業(yè)
當(dāng)快遞行業(yè)的各方都在應(yīng)用大模型能力，企業(yè)和個(gè)人用戶使用快遞的服務(wù)體驗(yàn)已經(jīng)“質(zhì)變”。
比起過(guò)往寄送快遞，往往需要人來(lái)親自填寫表單，逐步完成信息填寫；如今，只需要用戶用語(yǔ)音、文字或是圖片的方式把相關(guān)信息給到大模型，李朝明以快遞100的AI 寄快遞為例，“告訴大模型‘我需要給張三寄一個(gè)快遞’，再拍張圖告訴它寄的是什么物品，就能實(shí)現(xiàn)真正的“一句話/一張圖寄快遞”�！�
此外，通過(guò)和寄件需求高的大型企業(yè)對(duì)接，企業(yè)當(dāng)下寄件主要有兩個(gè)痛點(diǎn)：一是員工寄件沒(méi)有登記在系統(tǒng)中，存在管理混亂的情況；二是在企業(yè)需要對(duì)賬時(shí)，郵寄快遞的費(fèi)用需要一單一單計(jì)算，給財(cái)務(wù)帶來(lái)巨大的工作量。
對(duì)此，李朝明表示，快遞100目前正在嘗試結(jié)合大模型能力，面向企業(yè)端開(kāi)發(fā)一個(gè)類似“攜程商旅”式的寄快遞業(yè)務(wù)服務(wù)，植入到企業(yè)內(nèi)部辦公平臺(tái)，幫助企業(yè)提升管理效率。
歷經(jīng)兩年的探索期，大模型落地快遞行業(yè)的優(yōu)勢(shì)正在體現(xiàn)，一個(gè)最直接的結(jié)果就是節(jié)約成本。
除了上面提及的AI客服能降低快遞行業(yè)自己的服務(wù)成本，AI也能幫寄快遞的企業(yè)客戶降低行政費(fèi)用。
“很多企業(yè)都有降本的訴求，”李朝明說(shuō)，“比如員工寄一張紙就需要10-20塊錢，但是如果能通過(guò)我們的‘寄快遞’聚合服務(wù)，根據(jù)不同物品智能選擇不同的快遞品牌，企業(yè)可能節(jié)省好幾倍的快遞費(fèi)用�！�
對(duì)于急需提升收益和服務(wù)質(zhì)量的快遞公司來(lái)說(shuō)，它們不僅需要AI幫助企業(yè)內(nèi)部完成降本增效， 更需要進(jìn)一步提升快遞服務(wù)的效率和質(zhì)量，讓收入實(shí)現(xiàn)增長(zhǎng)。
G7易流開(kāi)發(fā)了可以智能接單的智能助手，將接單時(shí)間從2小時(shí)縮短至30分鐘，效率提升高達(dá)75%；貨拉拉則利用AI能力為司機(jī)上線“違禁品識(shí)別”功能，最快1秒就能識(shí)別出違禁物品；順豐給快遞小哥開(kāi)發(fā)的AI助手平均每次對(duì)話可節(jié)省3分鐘。
效率提升后，大模型就能夠成為快遞企業(yè)增收的“利器”。
在AI能力的輔佐下，當(dāng)查件、寄件的效率提升，快遞100運(yùn)轉(zhuǎn)單量的能力也隨之提升：從2023年一開(kāi)始的每天30萬(wàn)單，到2024年的每天50萬(wàn)單，李朝明預(yù)計(jì)，在大模型能力的輔助下，大模型能夠在未來(lái)一年實(shí)現(xiàn)每天100萬(wàn)單的突破。
將多家快遞公司服務(wù)接入平臺(tái)，快遞100又成為了一個(gè)集合“查寄管”服務(wù)的快遞生態(tài)入口：
基于百遞云領(lǐng)域知識(shí)庫(kù)，用戶不僅可以查快遞，更可以一句話對(duì)比價(jià)格，幫助企業(yè)和個(gè)人用戶找到更具性價(jià)比的價(jià)格；AI還能自動(dòng)幫助用戶補(bǔ)全信息地址，避免快遞運(yùn)轉(zhuǎn)出現(xiàn)問(wèn)題。陳登坤分享，通過(guò)MiniMax大模型，快遞100解決了98%的地址補(bǔ)全難題。
當(dāng)下，大模型能力仍然沒(méi)有被完全釋放，比如，在供應(yīng)鏈端，大模型還有充足的發(fā)揮空間。
“實(shí)際在快遞的運(yùn)輸環(huán)節(jié)，大模型現(xiàn)在能參與的部分較少，”李朝明告訴光錐智能，“但在整個(gè)快遞物流行業(yè)里面，其實(shí)最需要優(yōu)化的還是在于產(chǎn)業(yè)鏈的深入融合，所以大模型在快遞行業(yè)的應(yīng)用仍然有較大空間�！�
在大模型能力充分應(yīng)用到快遞行業(yè)的每個(gè)角落之前，快遞行業(yè)的企業(yè)們還需要繼續(xù)為這場(chǎng)漫長(zhǎng)的攻堅(jiān)戰(zhàn)補(bǔ)充彈藥。
注：標(biāo)題及文中部分配圖來(lái)自ima生成
