走出“聊天框”：智能体进入供应链核心业务

中经记者 谭伦 广州报道

随着AI加快渗入企业经营场景，一个越加现实的问题开始浮出水面。

过去二三十年，企业数字化已经把大量流程搬进ERP、WMS、TMS等系统，但能够沉淀的更多是标准流程、结构化数据和明确规则。真正遇到复杂业务时，企业往往仍然离不开那些在一线工作多年、熟悉规则边界、知道异常如何处理的“老师傅”。

也因此，当AI从通用问答进一步进入企业业务流程，如何将存在于员工头脑中的“经验”，转化为可执行复制的数字能力，正在成为企业级智能体落地时，必须回答的问题。

而供应链，成为面对这一问题的典型行业场景。在日前举行的神州控股生态伙伴大会2026上，神州控股（00861.HK）旗下的科捷物流的CTO 张虎坡指出，在100多个仓、每天近万个经营问题背后，WMS、TMS等系统能够处理各自领域的固定化问题，但真正能够“拍板答疑”的，往往还是那个把业务规则记在脑子里的“老师傅”。因此，科捷物流推出新一代企业级供应链智能体“捷小果”，试图从这一问题切入，将这些经验拆解、结构化，再沉淀成可以被不同岗位调用的AI技能。

这一动作，也成为当前智能体加快进入供应链的缩影。据Gartner预计，带有Agentic AI能力的供应链管理软件支出将由2025年的不足20亿美元增至2030年的530亿美元；到2030年，使用供应链管理软件的企业中，采用Agentic AI功能的比例预计将由2025年的5%升至60%。

“老师傅”如何AI化

对大型供应链企业而言，缺的通常并不是系统。

订单、库存、仓储、运输、财务等环节往往已经分别部署ERP、WMS、TMS等数字化系统。但现实中的供应链业务并不完全按照标准流程运行。同一笔业务可能同时涉及订单、仓储、运输、合同、计费等多个环节；不同客户的合同条款、计费标准、服务范围又各不相同。一旦出现库存异动、账单差异、退货异常等问题，仅仅知道数据是什么，并不等于能够了解问题原因以及应对办法。

这也使“经验”长期成为供应链企业难以被系统完全承接的一部分。

张虎坡表示，科捷物流本身就是一家供应链企业，其在解决自身问题过程中沉淀下来的经验，同样可能帮助产业伙伴解决每天面对的问题，因此希望把自己的“老师傅”沉淀到捷小果中，让行业伙伴能够直接使用。

但把“经验”放进AI，并不是简单地把一批制度文件上传到知识库。

捷小果产品研发相关负责人向《中国经营报》记者介绍道，其经验沉淀首先要经过场景筛选，从大量岗位工作中寻找最依赖资深员工判断、同时又适合AI介入的环节；随后对经验进行结构化，例如把账单核算中30多种计费规则如何组合、什么情况下需要标记异常等隐性知识，转化成显性的业务规则；最后再将这些规则封装为可调用的技能。

在产品架构上，这一过程被进一步拆成“人格、技能、工具”三层：人格负责定义资深员工的专业背景与思考方式，技能承载管货位、选线路、库存预测、合同审查、账单核算等岗位能力，工具层再与ERP、OA等业务系统连接，让智能体能够基于真实业务数据工作。

换言之，传统数字化更多是在规定“业务按照什么流程运转”，而智能体试图再往前走一步——把过去存在于人脑中的判断逻辑，也拆解成为系统可以执行的能力。

财务对账是目前较为典型的一个场景。据神州控股财务部总经理董帅在大会上介绍，此前相关对账工作每月需要50人以上参与，涉及30多种大类计费规则、百万级订单和30多份账单，人工平均对账周期达到16天。引入智能体后，整体流程效率提升约60%，单份账单生成由过去平均20小时缩短至15分钟。

其变化并不仅是替代Excel计算。智能体需要先读取合同和报价规则，将不同客户的计费约定转化成可执行规则，再抓取订单、仓储、运输等业务数据进行核算；遇到缺失数据、金额不一致等情况，则进一步定位差异并提示人工介入。

从这一意义上看，AI开始介入的已经不再只是办公辅助，而是此前需要具有业务经验的员工才能完成的具体业务过程。

难点不只在大模型

不过，把“老师傅”数字化，并不意味着AI已经能够完全复制一名资深员工。

捷小果产品研发相关负责人向记者坦言，目前产品能力的重心仍然是标准化经验的复制。对于规则之外的异常问题，AI可以完成异常识别、提供判断建议，但最终处置决策仍然需要由人确认。其目前更接近“标准化流程自动执行+异常识别与提示+人工最终判断”的协同方式。

这也折射出，企业级智能体与普通通用AI应用之间的一个重要差异。

写错一段文案，用户可以重新生成；但供应链系统一旦算错账、错误处理库存或者误判合同规则，则可能直接带来经营损失。因此，当AI从内容生成进入生产经营环节，可控性、可追溯性以及责任边界的重要性也随之上升。

按照科捷物流方面披露的数据，目前捷小果在其已验证业务中，财务对账匹配一致性达到100%，合同审核风险识别准确率超过95%，订单与库存异动归因识别准确率超过90%。但在实际业务设计中，即便是自动化程度较高的财务核算，重要判断仍保留人工终审。

由此观察，行业智能体的规模化路径，可能并不是简单地将同一个产品卖给更多企业，而是在标准化与定制化之间寻找新的平衡，最贴近一家企业经营的规则，则通过现场共创完成适配。

这也决定了，捷小果未来并不准备只依靠58元/人/月的账号订阅收费。科捷物流方面表示，其商业模式更强调FDE共创，希望通过进入更多客户、渗透更多业务流程和岗位，提高智能体在真实业务中的使用深度。公司将自身对AI商业化的判断概括为“智能上限×Token规模消耗”，其中所谓“智能上限”，很大程度上来自不断进入真实行业场景后沉淀下来的Know-how。

本次大会上的另一案例展示出了该模式的一些成果。据介绍，在科捷物流的客户华致酒行，经过与客户共创，落地了5项资金岗核心技能，过去编一份旬报、再核验一遍，要 2 到 3 天；现在 2 到 3 个小时，提效 85% 到 90%，光旬报这一项，每个月就给团队省下 60 个小时。

不过，对整个行业而言，这种探索能否成立还需要更多外部客户和长期数据证明。

Gartner预计，供应链管理软件中的Agentic AI投入将在未来几年快速增长，但与此同时，其2026年的相关研究也强调，当前真正高自主度的Agent应用仍需要建立在数据、集成和治理基础之上，供应链企业更现实的路径仍是从低风险、可验证的具体场景逐步扩大应用范围。

因此，眼下谈AI完全“复制老师傅”或许仍为时尚早。但一个变化已经相对清晰：供应链AI的竞争正在从问答类模型，转向真实业务流程。

作为其中一个最新样本，捷小果下一阶段真正需要证明的，或许并非只是AI能否更快生成一张账单，而是这些已经在单一企业和场景中跑通的能力，即能否以可控的成本、可信的结果和足够高的标准化程度，复制到更多企业与更多业务环节。

这，或许也是供应链智能体真正走向规模化应用必须跨过的一道门槛。

（编辑：张靖超 审核：李正豪 校对：翟军）