Worldwide Express 上月同 AWS 同 LTM 合作，喺 Amazon Bedrock 上建咗套多代理（multi-agent）AI 系統，直接 plug 進佢哋嘅運輸管理系統 SpeedShip，用嚟自動處理 LTL（零擔散貨）運費結算時嘅異常票據。上線 6 個月後，官方公佈數據：active exceptions 減少 75%，收現金週期加快 4 星期，年節省 100 萬美元，另一次性釋放 1,000 萬美元自由現金流。
背景係 Worldwide Express（屬 ShipStation Global）全系統收入約 50 億美元，合作超過 75 間 LTL 運輸商，客户超過 13 萬家。規模大，月結對帳異常亦多——每月約 1,500 萬美元自由現金流卡喺未解決嘅對帳異常入面，等人工逐單跟進。
佢哋嘅異常主要分三類：明細不符（數量／服務代碼同出貨記錄對唔上）、價格差異（運輸商開票價同合約價唔同）、以及額外附加費（升降台費、住宅附加費、重新過磅調整等原報價未包含嘅項目）。處理每單異常，之前要人手做足 5 步：先同採購單、貨單、開票價交叉核對，再查供應商紀錄揾根因，然後電郵運輸商或倉庫跟進爭議，等回覆，最後喺 TMS 入面執行處理。每個運輸商嘅費率結構同爭議流程都唔同，呢套流程長期食盡 FinOps 團隊大部分 bandwidth。
AWS 指傳統 RPA（規則式流程自動化）搞唔掂呢種需要情境判斷嘅任務——例如解讀某個運輸商嘅附加費政策、同出貨數據比較、再判斷某金額某類型異常係咪合理。呢種變數先令問題適合用 agentic AI framework。
2025 年 6 月，Worldwide Express 邀請 AWS Business Transformation & Value Advisory 團隊評估，喺 Order-to-Cash 全生命週期揾出 19 個可自動化環節，其後喺唔夠 6 個月內由評估推進到生產環境。技術棧方面，AI reasoning 由 Amazon Bedrock 提供，運行引擎喺 Amazon EC2，設計上強調每個 agent 嘅推理控制、決策邊界同異常喺 agent 之間嘅路由邏輯，並保留開源 agent 庫支援。
阿調搞兩下：呢單最值錢嘅唔係「AI 又做咗乜」，而係佢哋喺邊度揾到痛點。對帳異常呢種嘢，規則化程度夠高、數據結構化程度夠高，同時又需要情境判斷——正正係多代理系統最適用嘅地帶。75% 減少、4 星期加快，數字唔錯，但呢度要留意：呢啲數據全部來自企業同 AWS 共同發布嘅官方材料，冇第三方獨立核實。另外，1,000 萬美元「一次性」現金流釋放，究竟係異常結清後原本就該收到嘅錢，定係新系統避免嘅實際損失，呢個定義影響點，材料未講清楚。
阿調｜深度調教
