# 客户发来一张托书，还要逐项录订单？AI 识别后直接带入系统

来源: https://www.likelic.com/blog/ai-document-to-order.html

客户单据已经写得很清楚，为什么还要再录一遍？
----------------------

货代操作每天都会收到大量业务资料。

有的来自邮件。

有的来自企业微信。

有的是客户直接发来的托书、委托资料或业务单据。

里面通常已经写好了：

客户信息、

起运港、

目的港、

船名航次、

件数、

毛重、

体积、

箱型箱量，

以及其他订单所需要的信息。

问题是：

**这些数据虽然已经存在于单据里，却还没有真正进入货代管理系统。**

于是操作人员不得不把单据放在一边，再打开系统：

看一项，

录一项；

再看一项，

再录一项。

一票订单可能只是几分钟。

但当一天需要处理几十票业务时，大量时间其实都花在了：

**看单据、找字段、复制、粘贴、核对。**

现在，这个过程可以换一种方式。

AI 先读单据，人只负责确认
--------------

立刻云可以利用 AI 对业务单据进行识别。

操作人员拿到客户资料后，无需从头逐项录入，可以先让 AI 对单据内容进行解析。

系统会从单据中提取可以识别的关键业务信息，并自动填写到订单界面对应字段。

整个过程可以简化为：

**导入单据**

↓

**AI 识别关键信息**

↓

**自动填写订单**

↓

**人工复核**

↓

**保存生成订单**

AI 并不是代替操作人员做最终业务判断。

而是先完成最耗时间的：

**“把单据里的信息搬进系统”这一步。**

最终仍由业务人员检查订单内容，确认无误后再正式保存。

场景一：客户每天发来大量托书
--------------

这是货代公司最常见的场景之一。

客户通过邮件或聊天工具发送业务资料。

操作人员打开托书后，需要把里面的信息重新录入系统。

例如：

1.  上海出运
2.  目的港 Los Angeles
3.  120 CTNS
4.  3,680 KGS
5.  28.5 CBM

传统方式下，需要操作人员自己找到每一个字段，再逐项输入订单。

AI 识别后，可以先自动提取：

**起运港：上海**

**目的港：Los Angeles**

**件数：120**

**毛重：3,680 KGS**

**体积：28.5 CBM**

并填写到对应的订单字段。

操作人员需要做的，变成了：

**检查有没有识别错。**

而不是：

**重新把所有内容输入一次。**

场景二：不同客户，单据格式完全不一样
------------------

Excel 导入很好用，但它有一个前提：

**数据最好是结构化的。**

现实里，客户却不会按照货代公司的系统模板发资料。

A 客户的托书可能是一种格式。

B 客户是另一种格式。

C 客户甚至有自己用了很多年的内部单据。

字段顺序不同；

名称不同；

版式也不同。

这也是为什么很多订单最终还是需要人工录入。

AI 识别的价值就在这里。

它并不是要求客户先按照系统格式重新整理一遍，而是尝试直接从客户原有单据中理解：

**哪些内容是客户，哪些是港口，哪些是件重尺，哪些属于订单业务信息。**

客户还是按照原来的方式发资料。

系统负责把其中有价值的数据提取出来。

场景三：业务高峰期，录单速度跟不上
-----------------

月底、旺季或者大客户集中出货的时候，操作人员可能同时收到大量新委托。

真正让人忙不过来的，很多时候并不是异常业务。

而是大量重复性的基础录入。

比如连续十几票订单，都需要反复填写：

客户、

委托日期、

起运港、

目的港、

件数、

毛重、

体积……

这些工作并不复杂。

但数量一多，就会占用大量操作时间。

AI 识别可以先完成基础信息提取和订单填充。

让操作人员把更多时间留给：

异常处理、

订舱确认、

节点跟进、

客户沟通，

以及真正需要业务经验判断的工作。

场景四：新员工最容易错的，往往就是重复录入
---------------------

对于熟练操作来说，一张托书可能扫一眼就知道哪些字段应该录到哪里。

但对于新员工来说，并没有这么简单。

客户写的是：

**POL**

系统里可能叫：

**起运港。**

客户写：

**POD**

系统里对应：

**目的港。**

类似的业务字段很多。

新员工既要理解客户单据，又要熟悉系统字段，很容易在录入过程中出现：

看漏、

录错、

录反，

或者漏掉某些信息。

AI 可以先将识别结果映射到订单界面。

新人更多是在系统里：

**检查结果是否合理。**

相比完全从空白订单开始填写，学习和操作过程会更加直观。

AI 录单，不是“识别完直接保存”
-----------------

在国际物流业务里，单据格式复杂，而且同一个字段在不同业务中的含义也可能存在差异。

所以一个更合理的流程并不是：

**AI 识别 → 自动生成订单。**

而是：

**AI 识别 → 自动填单 → 人工复核 → 保存订单。**

例如 AI 已经识别出了：

| **订单字段AI** | **提取结果** |
| --- | --- |
| 起运港 | SHANGHAI |
| 目的港 | LOS ANGELES |
| 件数 | 120 |
| 毛重 | 3,680 KGS |
| 体积 | 28.5 CBM |

操作人员可以直接在订单界面中检查。

发现问题，就修改。

没有问题，就保存。

这实际上把人的工作从：

**“录入”**

变成：

**“复核”。**

和 Excel 批量导入有什么区别？
------------------

这两个功能解决的是两种不同的业务场景。

如果客户本身就提供标准化 Excel，并且一次有几十票、几百票订单：

更适合使用：

**后台自定义导入。**

如果客户发来的主要是托书、委托资料等非结构化业务单据：

则更适合：

**AI 单据识别。**

可以简单理解为：

| **客户给你的资料** | **更适合的方式** |
| --- | --- |
| 标准 Excel | Excel 批量导入 |
| 固定格式业务表格 | 自定义导入 |
| 托书、委托资料等业务单据 | AI 识别录单 |
| 大批量历史数据 | Excel 导入 |
| 日常零散新委托 | AI 识别后人工复核 |

它们并不是互相替代。

而是针对不同的数据来源，提供不同的进入系统方式。

从“人工抄单”，变成“AI 预填 + 人工确认”
------------------------

过去一票订单进入系统，大概是：

**收到资料**

→ 打开单据

→ 新建订单

→ 找字段

→ 手工录入

→ 再次核对

→ 保存

使用 AI 识别以后，可以变成：

**收到资料**

→ AI 识别

→ 自动填入订单

→ 人工复核

→ 保存

表面上只是少了几步。

但减少的恰恰是货代日常工作中大量存在的：

**重复查看、重复输入、重复复制粘贴。**

AI 更适合做重复录入，人负责业务判断
-------------------

AI 在货代系统里的价值，并不一定要从非常复杂的功能开始。

很多时候，先把每天都在重复做的小事自动化，就已经能够改善工作流程。

客户单据里已经存在的数据：

**不用再手工录第二遍。**

AI 负责：

**读取、识别、提取、填写。**

操作人员负责：

**判断、检查、修改、确认。**

这也是 AI 更适合进入货代日常业务的一种方式：

不是跳过人。

而是让人少做重复录入，把最终确认权留给业务人员。

### AI 单据识别录单

支持业务人员将客户提供的单据交给 AI 识别：

**自动提取关键业务信息**

**自动填写订单对应字段**

**订单界面直接人工复核**

**发现问题可继续修改**

**确认无误后保存生成订单**

对于每天需要处理大量客户委托资料的货代企业来说，订单录入可以逐渐从：

**“人工照着单据抄”**

变成：

**“AI 先填，人来确认”。**