Choco 利用 AI Agent 实现食品分销自动化

# Choco 借助 AI Agent 实现食品分销自动化 Source: https://openai.com/index/choco/ ## 为 AI 时代重构食品分销 Choco（https://choco.com/us?utm_campaign=391918817-Global%20%7C%202026%20%7C%20OpenAI%20Case%20Study&utm_source=OpenAI%20Website&utm_medium=OpenAI&utm_term=Case%20Study）是一个 AI 驱动的平台，致力于食品与饮料分销的现代化转型，目前服务超过 21,000 家分销商和 100,000 家采购商，覆盖美国、英国、欧洲及海湾合作委员会地区。通过将餐厅、供应商和分销商连接至统一系统，Choco 简化了食品供应链中的订购、销售和客户管理流程。 随着订单量激增，Choco 遭遇了一个重大瓶颈：订单仍通过电子邮件、短信、语音留言、图片甚至手写便条涌入。团队需要手动将这些输入转化为结构化的 ERP 订单——这一缓慢且易出错的过程限制了业务规模，并造成了持续的运营摩擦。 > "处理这些输入只是第一道门槛，但并非最难的。真正的问题在于隐性上下文：客户特定的 SKU 映射、单位偏好、送货规律。这些知识都储存在接单员的头脑中，我们需要将其编码到推理层中，在订单捕获的瞬间消解歧义。" ——Narbeh Mirzaei，工程副总裁 随着生产级 LLM 的出现，Choco 看到了超越工作流软件、构建能够直接执行任务的 AI 系统的机会。OpenAI API 成为这一转型的核心。 ## 落地实施 Choco 将 OpenAI API 嵌入其平台核心，为新一代 AI 原生产品提供动力。公司推出了 **OrderAgent**（https://choco.com/us/orderagent?utm_campaign=391918817-Global%20%7C%202026%20%7C%[…]e&utm_medium=OpenAI&utm_term=Case%20Study&utm_content=OrderAgent），可处理多模态输入——包括电子邮件、短信、图片和文档——并将其转化为结构化的、可直接对接 ERP 的订单。 > "转录和提取能力为我们奠定了坚实基础。真正的工程挑战在于构建动态上下文学习基础设施，使系统能够针对每位客户的订单历史和目录来消解歧义。这正是自动化与智能之间的分水岭。" ——Narbeh Mirzaei，工程副总裁 Choco 还打造了 **VoiceAgent**（https://choco.com/uk/stories/suppliers/introducing-the-choco-voice-agent-built-by-choco-in-collaboration-with-openai），基于 OpenAI 的 Realtime API 驱动，让客户能够通过电话自然下单，响应延迟低于一秒——即使在非工作时间也能实现。 一位身穿黑色围裙、头戴帽子的男士站在厨房中，一边打电话一边拿着一张纸。身后的架子上摆放着罐子和烹饪用品。画面上方叠加的对话气泡显示了一段关于订购披萨原料的交谈，包括面粉、番茄和披萨盒，语音 Agent 回应了库存情况并询问盒子尺寸。 选择 OpenAI 的原因在于其模型性能、多模态能力、结构化输出以及大规模生产可靠性。在单一生态系统内处理文本、视觉和音频的能力，使 Choco 能够将此前割裂的工作流整合为一个智能系统。 实施过程快速且可扩展。借助 OpenAI 的 SDK 和 API，Choco 迅速将语音转文本、嵌入和函数调用等能力集成到基础设施中。团队还建立了严谨的评估框架，包括真实数据集、持续监控和 A/B 测试，以确保生产环境中的准确性和性能。 采用率的提升源于对整个订购流程的无缝整合。客户无需改变下单方式——无论是电话、短信还是邮件，系统都能自适应。 > "一旦客户看到它能在自己的订单上正常运行，信任便迅速建立。那正是采用率真正加速的时刻。" ——Daniel Khachab，联合创始人兼 CEO 通过可选的"Autopilot"模式，分销商可以在置信度达标时自动处理订单，同时保留对边缘案例的人工审核。随着时间推移，系统从修正中持续学习，不断提升准确性和可靠性。 ## 成果一览 - 年处理订单超过 880 万笔，消除数百万手动工作流 - 手动订单录入最高减少 50%，释放团队精力投入更高价值工作 - 实现 2 倍生产力提升，团队无需增员即可扩展规模 - 错误率控制在 1–5% 以下，支持可配置的自动化阈值 - 支持 7×24 小时订单接收，消除夜间和周末的延迟 ## 领导力心得 - 从第一天开始评估：即使是很小的真实数据集（10–20 个样本），也能让团队衡量进展、验证改进并自信地迭代。 - 投资 AI 原生可观测性：调试 AI 系统需要的不只是传统日志——捕获模型输入、输出和推理轨迹对于理解和改进性能至关重要。 - 尽早设定正确预期：与确定性软件不同，LLM 是概率性的。让团队和用户理解这一差异，是建立信任、避免采用过程中产生摩擦的关键。 ## 未来展望 Choco 正持续扩展其在食品分销生态系统中的 AI 能力，深化 Agent 在执行复杂运营工作流中的作用。随着 AI 系统承担更多职责，公司正在赋能一类新用户——非工程师出身的"Agent 编排者"，他们设计并管理驱动业务成果的智能系统。 > "我们正从支持工作的软件，转向真正执行工作的系统。这一转变让我们的客户运营得更快、更精简、更具韧性。" ——Daniel Khachab，联合创始人兼 CEO 展望未来，Choco 计划进一步扩大 OpenAI API 的使用规模，为销售、商务和供应链运营中更自主、更具上下文感知能力的系统提供动力——持续其从工作流软件向 AI 驱动执行基础设施的转型。