Worldwide Express 如何用 Amazon Bedrock 自动处理货运账单异常
发生了什么
Worldwide Express 隶属于 ShipStation Global，系统年收入约 50 亿美元，接入超过 75 家零担（LTL）承运商，服务逾 13 万客户。规模带来的一个隐性成本是：每月约有 1500 万美元自由现金流被冻结在尚未解决的账单异常中。
在 LTL 货运中，约 14% 的发票无法通过采购订单、收货记录与承运商发票之间的三方匹配，从而进入异常处理。异常分为三类：行项目不匹配、价格差异、以及未预期的附加费（如升降尾板费、住宅附加费、重新称重调整）。过去每个异常都要人工走五步流程：识别类型、在供应商记录中查根因、发邮件给承运商或仓库、等待回复、在 TMS 中执行处理。由于每家承运商的费率结构和争议流程不同，这套流程占用了 FinOps 团队大部分精力。
2025 年 6 月，Worldwide Express 与 AWS 业务转型与价值咨询团队合作，在订单到收款全流程中识别出 19 个自动化机会，随后在不到 6 个月内从评估推进到生产。
方案结构
系统运行在 AWS 上，Amazon Bedrock 提供推理，Amazon EC2 作为运行引擎，编排逻辑由团队自行掌控，并支持开源智能体库。
- 三个专用智能体：发票匹配智能体负责找到对应发货记录并标出不一致项；价格差异智能体比对承运商收费与合同费率，判断差额是否成立；附加费核验智能体检查住宅配送、升降尾板等费用是否有实际交付事件支撑。
- 承运商知识库：每家承运商的费率规则、附加费定义、争议步骤和差异阈值都单独存储，智能体处理异常前先检索对应承运商的规则与 SOP，同一套智能体无需为不同承运商写专门代码。
- 动作接口：智能体通过分析师使用的同一批 SpeedShip API 读写数据，看到的信息与人工审核员一致。
- 人工在环：初期由审核员在 SpeedShip 界面逐条批准建议，准确率超过 99% 后改为批量批准。
- 可观测性：团队搭建看板，跟踪各承运商自动化率、各异常类型错误率、解决时长和人工推翻频率，并依据推翻记录迭代提示词与知识库。
结果
上线六个月，方案覆盖超过 40 家 LTL 承运商，每周关闭约 1 万笔异常（约占 50%），错误率低于 1%。活跃异常金额从 2025 年 6 月的 1500 万美元降至六个月后的 400 万美元，降幅 75%。公司称释放了 1000 万美元现金流，年化节省超过 100 万美元，首年 ROI 为 60 倍，回款周期缩短四周。FinOps 副总裁 Nathanael Pearson 表示，每周约多释放 1000 万美元客户账单，计费周期从数天缩短到数分钟。
编辑部观察
这套方案的可迁移之处不在模型选择，而在问题切分：把异常拆成三类，每类交给一个职责和决策边界明确的智能体，再用承运商知识库补上规则差异，用人工审批兜住财务风险。原文也提示了实施顺序，即先自动化最重复的一类异常，验证准确率后再扩展。
需要区分的是，上述数字均由厂商与客户自报，原文未披露独立验证方式，也未给出模型版本、单笔处理成本或知识库维护的人力投入。对打算复刻的团队，建议先确认自身 TMS 是否具备可调用的 API、承运商规则文档是否结构化到可检索的程度，再决定试点范围。
