客户案例 · 货运代理 · 大温
匿名案例｜大温货代公司：AI 分拣 info@ 邮箱，先影子运行再上岗
AI 正式动手分拣之前，先在员工旁边影子运行了一段：它的分法和员工自己的分法，85% 一致。
隐私说明：客户已匿名。这里不出现公司名称、邮件内容、客户或货物信息，只讲做法和量到的结果。
项目概述
一家大温货运代理公司：用 AI 分拣公共的 info@ 邮箱，先以影子模式和员工并行（和员工自己的分拣 85% 一致）；另做了一套后台数据层设计，把货代软件和 Microsoft 365 连起来，员工照旧用原来的工具。客户已匿名。
货代公司的 info@ 邮箱什么邮件都会收到，每一封都得有人先读一遍、分给对的人，正事才能开始。分拣是重复活，可一旦分错，代价不小。所以要回答的不是「AI 会不会分邮件」，而是「怎么知道它分得和这个团队一样」。 办法是先让它证明自己：影子模式下，AI 和员工同时分拣每一封新邮件，它不动任何东西，我们只比对两边的结果。
挑战
发到 info@ 的邮件，全靠人工一封封读、一封封分，才能转到对的人手上。活很重复，占的是本该处理货的人的时间。邮箱背后，货代软件和 Microsoft 365 各存着一部分相关信息；不管怎么改，员工都得能继续用自己熟悉的工具。
我们的方案
从分拣入手，而且稳着来。AI 读 info@ 收到的每一封新邮件，给出一个分类，但只记录不执行，这就是影子模式；员工照常分拣。两边一比，就知道 AI 在哪些邮件上和团队想法一致，在哪些上不一致。同时我们设计了一套后台数据层，把货代软件和 Microsoft 365 接起来，信息能在两边流动，员工不用换工具。
成果
影子模式下，AI 的分法和员工自己的分法 85% 一致。对不上的那部分，正好指出哪类邮件要把规则说得更清楚，哪类应该一直留给人处理。数据层的设计理清了货代软件和 Microsoft 365 怎么对接；员工照旧在原来的工具里干活。
为什么先跑影子模式？
AI 一上来就挪邮件，丢了一封可能都没人发现。影子模式没有这个风险，还能在上线前拿到真正要紧的那个数：
- AI 给每封新邮件分类，但一封也不挪、不回。
- 员工照常分拣，他们的分法就是标准答案。
- 一致率在真实邮件上量出来，不是演示数据：85%。
- 不一致的部分就是待办清单：分类要再细一点，或者这类邮件干脆一直交给人。
要不要让 AI 正式动手，看的是量出来的一致率，不是销售演示。
后台数据层：系统连起来，工具不用换
货代软件和 Microsoft 365 各管一块信息。这套设计在它们背后加一层数据层，让两边能互通，不替换任何一边。员工的界面不变，对接在后台完成。
技术拆解
- 邮件来源：公共 info@ 邮箱，AI 为每封新邮件给出一个分类。
- 影子模式：AI 的判断和员工的分拣并排记录、比对，不对邮箱做任何操作。
- 后台数据层（设计）：连接货代软件和 Microsoft 365，不改变员工用的工具。
可复用经验
- 让自动化动手之前，先量一量它和现在干这活的人有多一致。
- 影子运行真正有用的产出是「对不上」的那部分：它告诉你哪里的规则还没说清。
- 系统在后台连起来就好；让员工换工具，才是改造里花钱又费力的一环。