货运代理：AI 报关单据自动化

[事实] 客户处理来自不同国家、供应商与承运人的提单、商业发票、装箱单、原产地证、报关入境材料与合规申报，格式从干净的 PDF 到带手写注释的扫描件不一。(来源：ZenAI 案例研究)

[推断] 由此两个问题：模板 OCR 在版式变化前失效；人工核对无法随业务量扩展。两者把单据处理变成瓶颈，其失败模式是合规风险而非单纯变慢。

[推断] 最匹配的 ICP 是单据密集的受监管业务：非标输入与跨单据一致性决定结果。

典型条件：

1. 高频、非标单据。 版式、语言、扫描件与批注各异。
2. 跨单据一致性关键。 多来源字段必须一致。
3. 错误容忍度低。 失误带来监管或财务后果。
4. 既有系统能存但不能理解。 AI 层增加智能而不替换。
5. 需要人工签核。 AI 辅助，专业人员决策。

[推断] 客户的吞吐与风险都被人工单据工作封顶。业务量需要更多报关员，而每个手工环节都在零容错领域增加错误面。

问题分三层：

1. 解析问题——非标单据抗拒自动化。 模板 OCR 逼人重录。
2. 校验问题——跨单据核对靠人工。 拼箱/SKU 越多，不一致风险越大。
3. 合规问题——风险晚发现。 特殊要求申报后才浮现。

[事实] ZenAI 将其定位为与既有货运 ERP 及报关接口集成的 AI 单据流与合规验证系统，而非独立 OCR 工具。(来源：ZenAI 案例研究)

[推断] 定位立于三点：解析模板 OCR 做不到的；跨单据校验；申报前标记合规风险——同时报关员保留最终判断。私有化部署让敏感贸易数据留在客户环境内。

[事实] 平台运行于客户既有的接单与报关流程，集成 CargoWise 等货运 ERP、内部运输系统与海关 EDI/ACE 接口。(来源：ZenAI 案例研究)

[推断] 位于既有系统之内，意味着采用时不需替换货运 ERP；除清关更快更一致外，客户几乎察觉不到改进。

[事实] 该 engagement 汇报：复杂进口单据处理从 40–60 分钟降至 2 分钟以内；从提单、发票、装箱单结构化抽取；自动跨单据校验重量、件数、金额、描述与 HS 编码；从全量人工审核转向异常聚焦审核；结构化输出接入货运 ERP 与报关申报。(来源：ZenAI 案例研究)

[推断] 这表明在受监管领域，AI 解析加校验可移除单据吞吐天花板，前提是保留人工复核。指标为交付团队汇报，应作方向性证据。可用指标：单票处理时长、字段错误率、异常率、查验/扣货频次、避免的滞期费。

评估类似项目时，从五个问题开始：

1. 哪些单据抗拒模板 OCR？ 找出真正的版式与语言差异。
2. 哪些字段必须跨单据一致？ 定义校验项。
3. 合规风险在哪里晚发现？ 把标记前移到申报之前。
4. 叠加在哪个系统之上？ 集成而非替换。
5. 人在哪里必须保留？ 定义异常审核边界。