AI 行业落地 | 第38期：函件AI回款翻三成，代下单仍只是零头

AI行业落地 · 2026-11-01 · 九羲科技

两个数字放在一起看，挺有意思。一个说：催收函件的 AI，把回款率抬了三成。另一个说：AI 替人下单的时代来了，但 DoorDash 一个季度收到的 AI 代下订单，只有几百单——在 9.93 亿的总单量里，连零头都算不上。

一个正着走，一个反着照。早报这一期就收两个案例，一个讲 AI 在泥泞的业务细节里怎么跑出 ROI，一个讲高频低摩擦的场景里，AI 为什么还没成气候。两个放一起，就是 AI 落地今天的真实体温。

· · ·

催收函件里的 AI：地址对了，钱就回来了

2026 全球数商大会现场（图片来源：华夏时报 / 新浪财经）

1. 背景：催收的第一步，卡在地址上

银行做贷后催收，最要紧的一步不是话术，是通知要送到。函件寄不出去，后面的电话、协商全是空转。而地址，偏偏是最脏的数据：十几年前开户时留的，搬家了、区划调整了、省市区县缺省了。传统发函把信寄出去，退件、石沉大海，银行连人都找不着。

武汉智品堂科技就盯着这一个环节做——以函件为载体的合规触达与回款促进，核心是"地址找人"技术¹。场景选得刁：边界清晰（地址准不准），价值反馈极快（回款看得见）。

2. 方案：三道环节，环环啃硬骨头

第一道在发函之前。自研了 10 个 AI 大模型：地址标准化模型把不规范、缺省市区县的地址补全修正，把无效地址直接剔掉——先解决"地址本身就不对"这个源头问题；地址选择模型再从一个人的多个地址里，优选出签收率最高的那一个。第二道是函件生产与投递：和中国邮政共建全自动打印封装流水线，打印、封装、复核全程自动化。第三道按客群定制：不同机构侧重不同，有的看重批量效率和成本，有的看重签收凭证的法律效力，有的要针对特定客群优化发函策略。

数据怎么接，值得多看一眼。银行委托代发函，发函结果和签收数据回流，形成"数据进入—决策—执行—反馈"的闭环。合作时间越长，模型对这家银行客群地址特征的判断越准。路径上坚持合规先行：数据可用不可见、最小必要原则，不追求原始数据直接入模型，先把数据治理成可安全供给 AI 的合规原料¹。

卡点和审批也想得明白。贷后场景碰个人信息，模型不直接吃原始数据；签收凭证的法律效力，靠邮政流水线的复核环节兜住——人机分工划得很清：AI 负责把地址算准，法律效力这道线，机器不敢代劳。

3. 效果与成色：数字漂亮，口径记在账上

三个可量化的指标：地址有效性从模糊状态提升到 85%；函件签收率做到 75% 以上，是传统模式的 2.5 倍；回款端直接见效——2024 年 6 月某头部互联网银行委托发函约 1000 封做测试，合作当月，使用其代发函的客户回款率较传统方式提升 30% 以上，单日峰值增幅达到 91%。目前累计发函超 1300 万份，客户覆盖全国性银行、消费金融公司、头部互联网银行、大型险企、小贷公司¹。

成色要如实标：以上数字是创始人余红波在 2026 全球数商大会现场接受《华夏时报》记者采访时披露的¹，"某头部互联网银行"未具名，属于单方宣称口径，不是第三方审计结论。信得过的是信源和场合，数字本身留一分审慎。

能抄走的方法点：落地的关键不在模型大，在把脏活做穿。地址治理是泥泞功夫，签收数据回流让模型越用越准——合作时间本身就是护城河。再往深看一层：这个场景为什么成立？三条都占了——边界清晰（找人）、数据充足（发函记录）、价值反馈快（回款）。企业选 AI 切入场景，先对这三条，比先谈模型实在。

· · ·

AI 代下单：9.93 亿订单里，AI 只拿了几百单

口号很响，用量很静（示意图，非实拍；图片来源：The Bridgwater Brief）

1. 现场：财报电话会上的一个问题

故事的另一头在大洋彼岸。"Agentic commerce"（智能体购物）的调子这一年越唱越高：AI 助理替你浏览、选品、下单，连 Visa、Mastercard 都在铺"智能体支付"通道，英国的银行和监管机构（FCA、ICO）已经开始为 AI 代购立规矩²³。

然后 DoorDash 的 Q3 财报电话会上，分析师问了一句：外面那些 AI 智能体，替用户下了多少单？CEO Tony Xu 的回答是：总共"几百单"（maybe several hundred），来自 Muse、Instinct、Fo 这样的第三方智能体²。而 DoorDash 同一季度处理了 9.93 亿单，同比增长 28%²。几百对 9.93 亿——真是连零头都算不上。

顺带说一句，DoorDash 并不敌视这项技术：它自己做了文本下单智能体、命令行下单工具、聊天机器人 Ask DoorDash，还开放了连接器让其他聊天机器人能下单。上面那个数字，统计的恰恰是"外部智能体替用户下单"——也就是 hype 里真正讲的那个版本²。

2. 为什么：摩擦太小、信任未立、门还没开

为什么工具都有了，用的人没有？三道坎摆在那。第一，点外卖本来就是 20 秒的事，智能体去掉的摩擦太小，省下来的不值当换习惯。第二，信任没解决：让人放心地让软件花自己的钱，这道心理关还没过。第三，商户自己还在犹豫放不放外部智能体进来：Amazon 挡，Walmart 开，门还没统一²。

Xu 在电话会上的话值得原样记一句："you never want to fight gravity, but you do not want to be delusional either"——对抗重力是愚蠢，但自欺欺人更愚蠢²。这是官方披露口径（CEO 财报电话会回答，TechCrunch 2026-10-30 报道转引），数字本身可信。

照见一层：能力有，不等于习惯成。"摩擦移除量"是判断一个智能体场景有没有命的试金石。省的是 20 秒的活儿，别指望它长成独立业务线；省的是几小时的泥泞活儿（比如上一个案例），才值得下注。英国监管提前立规矩，顺序是对的——规则就该写在用户到来之前；但做业务的人，要分得清"值得监管"和"值得投入"是两回事。

· · ·

· · ·