新闻 · AWS Machine Learning Blog
Worldwide Express 如何借助 Amazon Bedrock 实现货运异常自动化
Worldwide Express 利用基于 Amazon Bedrock 构建的多智能体解决方案，实现了零担货运计费异常流程的自动化。上线六个月后，该公司将活跃异常减少了 75%，将回款周期缩短了四周，并释放了 1000 万美元的自由现金流。
en
英文原标题：How Worldwide Express automated freight exceptions with Amazon Bedrock
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- Worldwide Express（ShipStation Global 旗下）在 LTL 货运中面临大量账单异常，每月约 1500 万美元自由现金流被冻结，异常需人工逐笔处理，流程涉及识别、调查、联系承运商、等待回复和在 TMS 中执行解决。
- 公司与 AWS 及 LTM 合作，基于 Amazon Bedrock 和 Amazon EC2 构建多智能体 AI 方案，直接接入其运输管理系统 SpeedShip，从评估到生产上线不到 6 个月。
- 方案包含三个专用智能体：Invoice Matching Agent 核对发货记录、Pricing Variance Agent 比对合同费率、Accessorial Validation Agent 验证附加费是否由实际交付事件支持；每个智能体在决策前检索对应承运商的规则和 SOP 知识库。
- 系统通过 SpeedShip 的 API 让智能体看到与人工审核员相同的数据，并写入同一工作流；初期采用人工审批，准确率超过 99% 后改为批量审批，同时通过仪表盘监控自动化率、错误率、解决时间和人工覆盖频率。
- 上线六个月后，活跃异常从 1500 万美元降至 400 万美元（减少 75%），释放 1000 万美元现金流，年节省超 100 万美元，time-to-cash 改善 4 周，方案已覆盖 40 多家 LTL 承运商，每周关闭约 1 万笔异常（约 50%），错误率低于 1%。
关键数据
- 系统范围收入约 50 亿美元，超过 75 家 LTL 承运商，超过 13 万客户
- 每月 1500 万美元自由现金流被冻结在未解决的账单异常中
- 约 14% 的发票未通过标准三向匹配
- 2025 年 6 月活跃异常 1500 万美元，六个月后降至 400 万美元，减少 75%
- 释放 1000 万美元现金流，年节省超 100 万美元，首年 ROI 60 倍
- time-to-cash 改善 4 周
- 覆盖 40 多家 LTL 承运商，每周关闭 1 万笔异常（约 50%），错误率低于 1%
- 从评估到生产上线不到 6 个月
为什么值得看：该案例展示了多智能体 AI 如何将高人工、多规则的货运账单异常处理自动化，并在半年内显著释放现金流和缩短回款周期。