小实验的开始
上个月，Windows设备上堆积的订单确认单超过了200份。每次都要手动确认格式、逐个交易伙伴地检查错误，耗时很长。「机器人能自动验证这些吗？」这个小想法开启了一场实验。
首先，我们在谷歌工作表中整理了订单数据的核心字段。交易伙伴、商品名称、数量、运送日期、特殊要求等等。然后给Claude Code输入了简单的指令。「学习每个交易伙伴的订单格式，标记任何偏离模式的项目。」
AI超乎预期
第一次执行时，机器人发现了明显的打字错误和空白。结果很普通。但从第2周开始，有趣的事情开始发生了。
机器人开始自行检测像「交易伙伴A总是将运送日期设为星期二，但这次订单是星期四」这样的模式。开发者没有逐一输入规则。AI是通过查看数据而自行学习交易伙伴的偏好。
另一个案例。交易伙伴B的订单中，「商品代码」字段经常是空的，机器人没有将其分类为简单错误，而是理解为「这个交易伙伴按商品名称订购的模式」。同样的情况，但根据背景内容有不同的解释。
隐藏的问题浮出水面
自动验证过程中，许多意想不到的数据问题出现了。
首先，交易伙伴发送的订单确认单编码各不相同。同样的信息，有些文件用UTF-8，有些用其他编码。机器人自动检测到了这一点，我们也因此了解了问题。
其次，日期格式表示混乱。「2024-01-15」、「01/15/2024」、「15-01-2024」等混在一起，人眼看起来是同一天，但对自动化来说是错误。
第三，最令人惊讶的是「重复订购」的模式。有些以3个月为周期重复的订单，机器人检测到后给出「你知道这个月的订单漏掉了吗？」的通知。我们确实漏掉了几份订单。
小自动化带来的改变
现在每周一早上，机器人会自动生成验证报告。有问题的订单按优先级排列，每个都附带建议。我们看报告后5分钟内就能回应。
更重要的是，这个过程积累下来，成了我们团队改进与交易伙伴订购方式的契机。机器人的报告清楚地呈现了交易伙伴的特性，我们也因此能标准化按交易伙伴的应对方式。
「自动化的真正价值似乎不在快速处理工作，而在于发现过程中隐藏的模式。」
现在又准备了另一个小实验。这次是让机器人追踪交易伙伴的回应时间，在预期运送日期可能超期的订单上提前发出通知。期待又会发现什么意想不到的事。