多数外贸公司不是没听说过 AI 智能体，而是不知道该拿它干什么。
差的不是工具——工具早就够用了。差的三样东西是：原料（你自己的知识库）、岗位（绑到哪个具体场景上）、责任人（谁负责让它一直变准）。这三样凑齐之前，买再多账号也只是多一份没人打开的订阅。
一、先说结论：不是工具不够好，是缺三样东西
这一年里，AI 智能体在科技圈几乎是默认话题；但把视角切到广州的外贸工厂、五金厂、包装厂、医疗器械厂，画面完全不同——大部分人要么没关注，要么关注了但停留在「让 AI 帮我写一封开发信」。
这个落差常被解释成「传统行业保守」。我们不这么看。真正在一线跑过就会发现，问题出在三个具体的地方：
- 没有原料。企业自己的产品知识没有结构化，AI 只能凭通用知识去编，编出来的东西不敢用。
- 没有岗位。买了工具却没绑到某个具体的人、某个具体的环节上，于是它谁都能用、最后谁都不用。
- 没有责任人。AI 是要持续喂料和纠错的，它更像一个新来的员工，不像一套装完就好的软件。没人带，它就一直停在「能用但不好用」的状态。
这三样是前提，不是技巧。跳过前提直接买工具，是绝大多数 AI 项目悄无声息死掉的原因。
二、三类公司，卡在三个位置
| 状态 | 典型表现 | 真正的差距 | 第一步该做什么 |
|---|---|---|---|
| 没关注 | 「外贸靠人和展会」「我们是传统行业，用不上那些」 | 不是会被淘汰，是在看不见的地方慢下来：响应慢、内容更新慢、报价慢 | 别急着上工具，先量三个数：夜间询盘多久回、官网多久更新一次、业务员每天花多少时间搬数据 |
| 用了一下 | 拿通用 AI 写开发信、翻译、润色，用完回到原样 | 没有自家资料喂进去，输出要么太通用不敢用，要么改到不如自己写 | 把产品资料、常见问题、历史询盘整理成一份可检索的知识库，同一件事的输出质量会差好几倍 |
| 买了没落地 | 账号开了、培训做了一次、两周后没人再用 | 既没绑进流程，也没人负责纠错 | 挑一个高频环节先跑通，指定一个责任人，每周看一次它错在哪、改过来 |
你会发现三类公司缺的东西其实是同一件事：把 AI 当一个要带的新人，而不是当一套要装的软件。
三、六个卡点：为什么外贸场景特别难
卡点一：知识没沉淀，AI 没有原料
外贸企业的产品知识，通常散在四个地方：老业务员的脑子里、几年前的 Excel、往来邮件、微信群聊天记录。同一个产品的起订量，公司里可能有三种说法。
这种状态下接 AI，结果必然是它凭通用常识去猜。猜出来的参数你不敢发给客户，于是结论变成「AI 不行」。其实是原料不行。
卡点二：场景没选对，一上来就让最难的一段先上
最常见的错误起步是：让 AI 报价、让 AI 谈客户、让 AI 处理投诉。这三样恰恰是出错代价最高、最需要判断的部分。第一次答砸了，整个项目就被判死刑。
正确的起步点是：每天都要做、做错了也不致命的那一段。夜间接待、资料查找、数据搬运、跟进提醒——这几样做砸了顶多是慢一点，做好了立刻省时间。
卡点三：没有责任人
AI 项目常挂在市场部或老板关注里，但没有明确 Owner。现实是：预算紧张时，没有 Owner 的项目第一个被砍。而且 AI 需要持续纠正——今天发现它把某个参数说错了，改掉，下次就不会错；没人做这件事，它会一直错下去。
卡点四：时区与响应的空窗，没人认领
这是外贸独有的结构性问题，也恰恰是最容易做出成果的一段。广州团队下班时，欧美客户正在活跃；夜里进来的询盘，第二天上午才回，中间隔了十几个小时——而客户通常同时问了五家。
讽刺的是，这段恰恰是 ROI 最高、技术最简单的一段：AI 先接住，确认收到、问清需求、给资料，人工第二天上午兜底。我们做过的项目里，这一步几乎总是最先见效的。
卡点五：合规与口径的风险被低估
外贸里「说错话」的代价远高于国内贸易：产品参数错、认证表述错、功效宣称越界、交期承诺过头——轻则丢客户，重则索赔。而很多企业把 AI 当成翻译工具来用，忽略了它其实是在代表公司对外发声。
医疗、大健康、食品接触材料这类行业尤其明显。详见我们的 广州大健康 SEO 服务 与 广州医疗 SEO 专业服务团队 专题页里关于合规表述的说明。
卡点六：没有可衡量的目标，三个月就停了
「用了两个月，感觉没什么大用」——这是 AI 项目最常见的死法。多数时候不是没用，是没人提前定过要看什么数。一开始就约好四个数，每周看，值不值得继续就有答案了。这四个数在第八节。
四、三级成熟度：你现在在哪一级
| 级别 | 它替你干什么 | 代表场景 | 需要的门槛 | 常见失败方式 |
|---|---|---|---|---|
| L1 工具替代 | 产出草稿，人要重做一遍 | 写开发信、翻译、润色、整理会议纪要 | 几乎为零，会打字就能用 | 把这一级当成"已经 AI 化了"，然后停在这里 |
| L2 岗位助手 | 绑在一个具体岗位上，有输入有输出标准 | 夜间接待、产品参数问答、内容初稿、跟进提醒 | 企业知识库 + 场景边界 + 复核机制 | 有知识库但没人更新，半年后口径全旧了 |
| L3 数字员工 | 跨系统跑完一整件事，人只在关键节点签字 | 询盘进来→识别意图→答复→建档→跟进→数据回流 | 知识库稳、Skill 扎实、流程和系统已打通 | 知识库还没建就先上 Agent，跑得很勤快但说的话没人敢用 |
大多数公司实际上停在 L1，却在用 L3 的标准评价它。这就是为什么你会听到两种完全相反的结论——「AI 太好用了」和「AI 也就那样」——他们说的其实不是同一件事。
这三级的推进顺序和我们在 AI 化转型那篇 里讲的三层结构是一致的：知识库 → Skill → Agent，顺序不能反。
五、一条完整链路：AI 智能体怎么处理一条外贸询盘
抽象概念不好判断，我们拿一条真实的询盘走一遍。假设周五凌晨两点，一个西班牙语客户在你的官网上留了询盘。
- 接入与识别（AI 自动）——判断语言、意图、来源渠道；判断是询价、要样品还是同行刺探。
- 建档与分级（AI 自动）——六个触点合并到一条时间轴，打上 A/B/C 标记，A 类直接通知负责人手机。
- 首次回复（AI 出稿 + 知识库取数）——用客户的语言回：确认收到、复述他问的是什么、给出能公开的产品参数、认证清单、常规起订量与交期区间，附上资料。这一版的每一个数字都来自你的知识库，不是它猜的。
- 追问与澄清（AI 先接，人工兜底）——客户追问非标规格、要账期、问能不能贴牌，AI 先接住并把信息问全；一旦涉及价格确认与承诺，转到人。
- 归档与推进（AI 自动）——把对话写回 CRM，按 SOP 排下一步提醒：三天后发技术资料，一周后问样品反馈。
- 数据回流（AI 自动）——这个客户最后有没有成交、从哪个渠道来，回传给投放与 SEO 端，让下一轮投放学「谁真的会买」。
在这条链路里，人工复核点只有三个：报价与承诺、非标技术方案、首次正式报价函。其余六步由系统跑完。三个复核点守住，风险就是可控的；六步全部自动化，换回来的是业务员每一个本该熬夜的夜里。
注意这个链路里最关键的东西不是模型，而是第 3 步——它给出去的每一个数字，必须有出处。出处就是知识库。这也是我们反复强调先建知识库的原因。
六、从哪起步：三个切口，别从最难的开始
切口一：夜间接待与时区补位
见效最快、出错代价可控、技术上最成熟。建议所有人都从这里起步。目标不是让机器人谈成生意，而是让客户在任何时间开口都有人接。
切口二：产品参数问答与内容生产
把知识库真正用起来：一边支撑接待，一边产出官网的事实块内容——参数表、应用场景、常见问答。这些结构化内容同时服务排名和 AI 引用，是一份投入两份回报的一段。原理见 AI 搜索时代官网还有没有用。
切口三：数据搬运与跟进提醒
不产生任何对外风险，纯粹把人从复制粘贴和「靠记着」里换出来。接这份压抑感最重的是销售自己，所以团队接受度最高。落地方法我们在 外贸询盘接不住那篇 里写得很细。
三个切口都跑顺之后，才是把它们串成一个 Agent 的时候。
七、询盘云的 AI 落地服务具体怎么做
先说清楚我们卖的是什么：卖服务，不卖软件账号。不是丢一套工具给你自己摸索，而是把下面这些做到能日常跑起来：
- 盘点与诊断——过一遍你的业务流程、询盘来源、现有资料，给出优先级：先做哪一段、为什么、预计改善哪一项指标。
- 知识库搭建——把产品参数、认证清单、应用场景、常见问题、历史询盘、对外口径整理成结构化、可检索的知识库。这是所有 AI 产出的唯一原料来源。
- AI 能力搭建（Skill）——把具体的重复劳动固化成可复用的能力：接待话术、参数问答、内容生成、素材变体、跟进提醒、数据搬运。
- Agent 落地——把多个 Skill 串成一条能自己跑完的流程，接进你现有的邮件、WhatsApp、社媒与 Marketing CRM。
- 三层把关——知识库只放确认过的资料；Skill 输出的一律是草稿不是终稿；涉及参数、认证、合规、报价的内容人工终审签字。顺序不能省。
- 团队会用——分次培训，每次一小时左右，不打断正在跑的业务。
- 交付物归你——知识库、Skill、流程文档、数据与报表全部留在你手里，服务期结束照样能跑，不依赖我们。
可以整条全包，也可以只补缺的那一段——只做知识库、只做夜间接待、只接 Agent，都行。AI Agent 落地服务 与 AI 数字员工 是这套东西里的两个不同形态。
还要说明一句广州本地团队的意义：知识库这一步，远程只能靠问卷和邮件收集资料，本地可以直接坐下来，对着样品、参数表、车间把料一次性理出来。这一步省下的时间，通常比后面所有环节加起来还多。
八、多久见效，怎么验收
| 时间 | 看什么数 | 合格的口径 |
|---|---|---|
| 2 周 | 夜间接待覆盖率、首次响应时长 | 非工作时段询盘响应覆盖率 100%，整体首次响应中位数降到 30 分钟内 |
| 4 周 | AI 产出的人工改动比例 | 持续下降并稳定——这个数越低，说明知识库越准 |
| 6~8 周 | 由 AI 接待转出的有效询盘数、每周省下的工时 | 转出的有效询盘能被销售确认有用，不是垃圾询盘凑数 |
| 持续 | 知识库条目数与月度更新次数、以及「说错了→改掉→下次不再犯」的纠错闭环有没有真的跑起来 | 每月有更新、说错的地方改了之后不再犯 |
验收口径只有一条标准：可自查。响应时长给统计口径，AI 引用给截图与可分享链接，数据在自己后台随时能拉。我们不用「AI 很聪明」「整体效率提升了」这种说法交差——那类判断没法验证。
九、边界：外贸里不能交给 AI 的三条红线
- 对外承诺与报价——价格、账期、交期、起订量的最终确认，一律人工
- 合规与事实——认证编号、技术参数、功效表述、法规条款，AI 可以给草稿，人签字才能发
- 关系的关键节点——首次正式报价、争议处理、大客户谈判、重要客诉，永远留给人
更完整的边界清单（工艺、品牌口径、方向性判断等）在 AI 化转型那篇 的第十一节，这里不重复。
一句话概括这条边界：先让它值最容易值的那个夜班，别一上来就让它替你去谈判。
十、回到开头
AI 智能体在外贸里普及得慢，不是因为外贸保守，而是因为它需要的三样前提——原料、岗位、责任人——恰恰是大多数企业还没有的东西。
好消息是这三样都不贵、也不神秘：把资料理清楚，挑一个每天都要做又不致命的环节，指定一个人负责每周纠错。做完这些，工具自然就有用了。
如果你不确定自己的卡点在哪一级，我们提供免费诊断：业务流程、询盘来源、资料现状、时区空窗逐一过一遍，告诉你先切哪一段、预计哪一项指标会先动，以及具体怎么起步。