AI 工作流
AI 如何进入外贸销售流程，而不只帮你写开发信
从任务选择、数据依据到执行权限和质量评估，建立能够嵌入销售工作的 AI 流程，而不是停留在内容生成。
先看工作如何流转，再选择 AI 任务
外贸销售涉及客户研究、需求澄清、产品匹配、商务准备和持续跟进。信息需要在客户、销售以及内部协作角色之间多次传递。AI 能否产生价值，取决于它是否改善了这些具体工作，而不只是能否生成一段流畅文字。
梳理流程时，应记录每个环节的输入、输出、接收人和完成条件。反复查找资料、重复录入、等待信息确认和整理沟通记录，属于不同类型的工作负担，需要分别判断原因。
有些问题适合用清楚的字段、规则或系统连接解决，并不需要模型参与。涉及非结构化信息理解、内容整理和候选方案生成时，才更需要评估 AI 的适用性。
按可检查性与错误后果选择起点
优先考虑输入范围清楚、输出能够复核、错误便于修正的任务。任务发生频率和人工耗时决定潜在收益，输出是否稳定可查、异常是否容易发现，则影响实际运行成本。
任务名称相似，不代表自动化条件相同。需求摘要可能只需保留信息与来源，而报价准备还要使用产品、数量和商务规则。任务涉及的条件越多，越需要限制边界并明确缺失信息如何处理。
不宜只按演示效果选任务。应当评估原工作是否已经具备基本规范，是否有足够资料支持，以及结果会被谁使用。缺少这些条件时，可以先改善流程与数据，再引入模型。
让业务资料具备明确的来源与版本
模型需要使用与当前任务相关的产品资料、客户信息和业务规则。资料是否更新、适用于哪些产品、由谁维护，会直接影响输出的可用性。把大量文件放入检索系统，并不等于已经解决上下文管理。
输出应区分原始材料明确表达的内容、根据材料提出的判断，以及仍待客户或内部确认的信息。对于关键字段，应能够回到依据；对于信息冲突，应提示需要确认，而不是自行选择一个看起来合理的答案。
资料管理还应考虑语言、单位、命名和版本差异。销售能够理解的简称不一定能被系统稳定识别，旧资料中的条件也未必适用于新需求。统一基础表达可以减少后续审核负担。
让输出能够被下一环节使用
一段完整文字未必适合直接进入业务系统。需要根据接收环节定义输出结构，说明哪些字段必填、哪些可以为空、哪些只能从固定选项中选择，并规定无法判断时的表达方式。
结构正确只是基础。系统还需要核对字段之间是否一致、必要信息是否齐全，以及结果是否适用于当前任务。能被解析的输出不一定在业务上成立，格式校验与业务校验应分别进行。
任务完成也需要清楚定义。生成了需求摘要、完成了人工确认、写入了客户记录，是不同状态。把它们分开记录，能够让使用者知道工作实际推进到哪里。
根据动作后果安排权限与审核
生成建议、更新内部记录和向客户作出承诺，具有不同的影响范围。权限设计应围绕这些动作展开：哪些可以自动处理，哪些需要确认，哪些必须由明确的业务负责人决定。
价格、交期和外部发送等事项，应当让审核者看见依据、待确认项及本次变更。只有一个“批准”按钮而没有足够上下文，会把审核变成形式，或者迫使销售重新完成全部工作。
客户邮件、附件和网页属于待处理资料，不能因此获得改变系统权限和业务规则的资格。流程应限制模型可以调用的动作，并在执行关键动作前检查身份、权限和必要条件。
为缺失信息和执行异常安排去向
真实业务中会出现输入不完整、资料冲突、工具失败和执行结果不明。流程应把这些情况交给明确的状态处理，而不是把所有异常都转换成一条看起来完整的回复。
自动重试应有次数和时间边界。涉及系统写入或外部动作时，还要确认重试会不会重复产生结果。不能确认是否成功的动作，应先核对记录，再决定恢复方式。
异常应有接收人和处理材料，包括原始输入、已完成动作和待解决问题。这样人工接手时能够继续工作，而不必从头重建整个过程。
评估净收益，再逐步扩大范围
质量评估应覆盖信息提取完整性、来源正确性、未知项保留情况和业务规则遵守情况。选择样本时应覆盖不同语言、资料完整度和需求复杂度，避免只在最整齐的输入上验证。
效率评估应同时计算原有工作、人工审核、修改返工和异常处理。模型生成更快，不代表整体流程更快；如果后续接收人更难判断结果，工作量可能只是转移到了其他环节。
运行稳定后，可以逐步扩大任务量和权限，但每次调整都应能够被观察和撤回。扩张依据应来自质量与业务使用情况，而不是单纯因为模型具备更多功能。