客户半夜发来询价单，AI能当场报出价吗？非标报价AI怎么落地

先把答案放桌上：能，而且这是制造业AI里离钱最近的场景之一。但"当场报出价"要拆成两半说：非标生意里占大头的、历史上见过同类的单子，AI当场解析参数、参照历史单、按规则算价，几分钟就能把正式报价递到客户眼前；真正没见过的新东西，AI不硬报——当场回一个初步区间稳住客户，写明正式报价什么时候给，同时把单子推给老师傅。一句话：报价这个活其实是两半——"算"的那一半AI全包，"拍板"的那一半留给人。非标报价正是AI工程师樊军刚交付过的场景：老师傅从"埋头算"变成"扫一眼审"，效率翻5倍，年省10-15万，3-4个月回本。这一篇把老师傅的经验怎么变成系统、哪类单敢自动报、四步怎么落地，一次讲透。

上一篇把个人AI和企业AI的分工讲完，结尾预告了这个题，今天兑现。这个题答起来格外有底气——非标报价正是AI工程师樊军刚交付过的第一个客户场景。老板们的问法通常长这样：

"我们的产品全是非标件，尺寸、材质、工艺一单一个样，报价全靠老师傅一单一单算。客户半夜十一点发来询价单，最快也得第二天下午报出去——这种活，AI真接得住？"

接得住接不住，不空对空争。先算一笔"慢"的账，再把老师傅报价的动作拆开看——拆完，答案自己会浮出来。

---

先算慢的账：报价慢，丢的不是时间，是单子

《哈佛商业评论》2011年发过一项研究，研究团队干了件很实在的事：给2241家美国公司各发一条网页询盘，掐表看多久有人回。结果是——在30天内有回应的公司里，平均响应时间42小时，将近两个工作日；还有23%的公司，压根没人回。同一个团队还追踪了29家B2C和13家B2B公司的125万条销售线索，跑出两个扎眼的倍数：一小时内联系客户的，把线索聊成有效商机（研究里的定义：跟能拍板的人说上话）的概率，是晚一小时联系的近7倍，是拖过24小时才联系的60多倍。

这是十五年前的数据，那时候客户手边还没有AI帮他货比三家——今天的买家只会更没耐心。而且注意，研究里量的只是"联系"，连报价都还不算；把一份有名有姓、有价有据的正式报价单在几分钟内递过去，是比"联系"硬得多的先手。

对着自查一下：客户半夜发来询价单，老师傅第二天上班才看到，查表、核算、复核，下午发出——前后十六七个小时，不巧赶上周末，就是42小时，正好踩在行业平均线上。不是你做得差，是大家都这么慢。也正因为大家都慢，谁先快起来，谁就把"快"变成了赢单率。

报价快不起来，卡的从来不是打字，是"算"：图纸要看、变量要对、成本要查、系数要套——这些活全长在老师傅一个人身上。所以下一步，把他的"算"拆开看。

---

老师傅的"看一眼就知道"，拆开是四个动作——三个给AI，一个留人

非标报价难，难的不是算术，是变量多：尺寸一变工时变，材质一变单价变，客户一变折扣变——排列组合下来价格表印不完，所以这套账只能长在老师傅脑子里。

但把"看一眼就知道"放慢十倍，动作其实就四个：

前三个动作是"算"，第四个是"拍板"。表看明白，两件事就通了：第一，AI报价不玄——它干的就是把前三个动作接过来，而这三个恰恰是机器的看家本领：不累、不忘、不跳步。第二，老师傅能带出徒弟，就能"带出"AI——他教徒弟的，本来就是前三个动作的规则；徒弟只能自己悟的第四个，AI也不碰。

数据那篇给这类东西起过名字："经验饭"——还在脑子里的经验，访谈提炼成"什么条件下怎么算"的规则，落到纸面才喂得进系统。非标报价，就是经验饭最典型的一桌。

---

系统长什么样：算的全包，拍板的留人

上一篇说过，企业AI和个人AI的分水岭是"接进流程自动干活"——报价系统就是这句话在售前的样子：从"老师傅上班才开始算"，变成"系统全天候在算"。询价单进来——邮件、微信、Excel附件、图纸照片都行——系统走一条流水线：

第一步，解析参数。AI把询价单读一遍，挑出定价变量：规格、材质、数量、工艺、交期。数据那篇说过，这代大模型本来就吃"乱饭"，手写单据拍张照都认得；没把握的字段标黄，留给人确认，不硬猜。

第二步，找依据。拿参数进历史库检索相似单，再套规则库算价——每一步都留痕：参照了哪几张历史单、用了哪条规则、成本底线是多少。知识库那篇立的规矩，在这里是标配不是选配：答案带出处，审的人一眼看清这个价是怎么来的。

第三步，分档出手。参数全落在历史验证过的范围内、依据充分的单子——直接生成正式报价发出，或者躺进待审清单，老师傅上班扫一眼放行；新参数、超出历史范围的——当场回客户一个初步区间，附一句"正式报价明早九点前给您"，同时把单子连同AI算的底稿推给老师傅。客户夜里十一点四十发来询价：前一种情况，十一点四十几分他就能收到正式报价单；后一种情况，他收到的是一个靠谱的区间加一个明确的时间承诺。两种都比"明天下午"快出一整天，而且句句有据。

护栏三条，一条不省：成本底线写死在规则里，低于底线的价格系统压根生成不出来；只有历史回测验证过的单型允许自动发，新单型一律过人；每张AI报价都带依据，出了偏差能追溯到哪条规则、哪张历史单。幻觉那篇立的"关键数字走系统、答案标出处、拿不准转人工"，落到报价场景，就是这三条的样子。

---

落地四步，2-4周：盘家底、榨经验、考试、放行

第一步，盘家底（第1周）。历史报价单、价格成本表、客户特殊约定，收拢到一处——Excel就行，乱点没关系。数据那篇的"三问"在这里做：报一个价靠哪些信息、都存在哪、十分钟凑不凑得齐。凑得齐，往下走。

第二步，榨经验（第1-2周）。访谈老师傅，把"看一眼就知道"翻译成"什么条件下怎么算"：他说、你记、AI整理，再让他对着最近的真实单子逐条校准——"这单为什么这么报？"通常两周，主力产品线的规则就能捋出来。

第三步，考试（第2-3周）。拿过去的100张真实报价单让AI盲报，跟老师傅当年实际报的价对答案：总体差多少、哪类单差得大、差在哪条规则。这是全项目最值钱的一步——验收不看演示，看历史回测，历史单就是现成的标准答案。回测不过关的单型回炉修规则，过关的进入下一步。

第四步，试运行放行（第3-4周）。AI报、老师傅审——他审的每一单，都在继续教AI；跑顺了，回测达标的常见单型逐步放行自动报，老师傅只管新单型和大单。

这套流程跑完是什么样，AI工程师樊军刚交付过的通风设备企业是现成的样子：改造前，老师傅带一个助手管报价，每天15-20单，催急了出错率8-10%；上线后AI秒出草稿、准确率99%+，老师傅从"埋头算"变成"扫一眼审"，效率翻5倍，助手岗位省下来，报错损失基本归零——年省10-15万，系统投入3-5万，3-4个月回本。

投入口径跟系列每一篇一致：单点场景3万起、2-4周上线；多场景组合与长期合作另有分期方案。要选第一个上的单点，报价往往就是答案——它离钱最近：省的是人力和报错，赚的是响应速度带来的单子。

---

常见问题

Q：我们的产品比通风设备复杂多了，AI真学得会吗？

判断标准不是复杂度，是规律性：老师傅能把报价教给徒弟的，就能教给AI——他教徒弟的本来就是"什么条件下怎么算"，条数多、分支深，只是工作量大小的事，不是能不能的事。真正连老师傅都得现场勘完才敢报的单子，AI也不硬报，但它能把认参数、查历史、算基础价这些重复劳动全干掉，让老师傅只花时间在真正难的那一成上。复杂不挡路，没规律才挡路。另外这套方法不挑行业——非标报价的底层逻辑，在制造、贸易、批发、供应链是相通的：变量不一样，"认参数、找相似、套规则"的骨架一模一样。

Q：AI报错一单亏几万，责任谁担？

先看人的基线：人工报价出错率8-10%，客户催得越急错得越多——这笔损失现在每天都在发生，只是没人给它记账。AI这边三层防：成本底线写死，亏本价压根报不出来；只有回测验证过的单型自动发，新单型必过人；每张报价带依据，审的人看得见来路。责任始终在人——但人的活从"从头算"变成"看依据审"，错误率和劳动量一起降一个量级。真正该怕的不是AI报错，是人算错了都没人发现。

Q：老师傅明年退休，现在做还来得及吗？

来得及，但要立刻动手——他还在，规则才访谈得出来、回测才有人校准；人一走，这套经验就再也榨不出来了。做法记住员工那篇的三件套：署名（规则库以他的名字命名）、给钱（传承补贴）、升角色（从算价的，变成报价规则的作者加终审人）。对他来说这不是被替代，是干了半辈子的手艺第一次变成公司账上的资产——而且署着他的名。

Q：我们的询价一半在微信里，格式乱七八糟，AI认得了吗？

认得了，这正是这代大模型的强项：微信文字、Excel附件、PDF图纸、手写单据拍照，都能解析成结构化的参数——数据那篇说的"乱饭"指的就是这个。没把握的字段，系统标黄让人确认，不硬猜。这一步的价值经常被低估：省掉的是内勤一遍遍从微信往表格里抄单的时间，堵掉的是抄错一个数、后面全错的口子。

---

一句话总结

客户半夜发来询价单，AI接得住：见过同类的，当场解析、参照历史、按规则报出去；没见过的，先回一个区间和时间承诺稳住客户，天亮转老师傅——"算"的全包，"拍板"的留人。落地四步2-4周：盘家底、榨经验、拿100张历史单考试、试运行逐步放行。账两头算：省的一头，助手工资加报错损失，年省10-15万、3-4个月回本；赚的一头，一小时内响应、把询盘聊成商机的概率是拖过24小时的60多倍——非标报价AI，省钱是顺带的，抢单才是本事。