没有翻译的那一刻
上周一早上，Windows 设备上的自动化流程出现了小故障。每天有数十份国际询问进来，我们一直采用先将所有信息翻译成韩文，再进行分类的方式。但那天 Claude Code 跳过了翻译步骤，开始直接识别原文中的关键词。
起初我以为这是程序错误。但检查结果后才发现，分类准确度反而从 94% 提升到了 97%。
为什么不翻译反而更准确
中国买家的「订单请求」表述在翻译过程中会遗失语气。「库存询问」也是如此。特定的产品名称或技术用语经过翻译后，意义反而会扭曲。
机器人学到的很简单：按语言分别学习关键词模式，比翻译成单一语言后再分析要快得多，也更准确。英文中的「urgent」、中文的「急」、日文的「急いで」意思相同，但在文脉中的出现频率和组合方式各不相同。
成本削减的数学
Claude API 调用减少了 30%。翻译步骤消失了，这是合理的结果。按月计算，自动化运营成本下降了约 15%。更惊人的是处理速度，平均回应时间从 28 秒缩短到 18 秒。
更快的回应转化为买家满意度提升。在相同的成本结构下，我们能够处理更多的询问了。
小失误带来的大洞察
这个发现并非刻意为之。如果没有这个错误，我们会继续采用翻译型自动化。但限制本身成了创新。
在 B2B 业务中，速度就是信任。当韩国卖家需要与中国、日本、美国买家同时沟通时，与其消除语言障碍，不如强化语言别的理解能力。
下一步计划
我计划通过 Claude Coding 为每种语言附加信任度评分。同样的询问来自不同语言时，该如何判断其可信度，并将其模式化。机器人改变自身学习方式的旅程，现在才真正开始。