“许多人担心自己是否会被 AI 替代。但我认为 AI 是一个很好的助手，只要多尝试使用它，就有机会获得正向的提升。”
“ WorkBuddy 的「专家」模式，最有用的地方是它背后的那套完整、标准的方法论，用特定领域专家身份执行任务。”
——Steven 汪
深圳 orbit one 奥彼文创意西餐厅采购经理
一个西餐采购经理的一天，是如何度过的？
每天收集各部门的采购需求，统一下单； 商品到货后，负责收货入库，将账单一笔笔录入系统，不能出错； 定期进行商品盘点，逐一清点库存，并与系统账目进行核对； 月末，汇总当月数据，核算毛利率，并向管理层提交月度分析报告。
这些活儿不算太复杂，却琐碎、重复，部分看似简单的环节甚至有些消耗时间。
作为深圳一家连锁餐饮公司的采购负责人，Steven 汪的日常围绕着各种供应商货单、库存单据和报表打转。当同一件事重复到第一百遍时，Steven 汪忍不住想：这当中最磨人的环节，能不能让 AI 替他干了？
于是，他尝试把第一张送货单丢进了 WorkBuddy。
接下来的几个月，Steven 汪做的其实只有一件事：把那些让自己分身乏术的活儿，一件件说给 WorkBuddy 听，再看着这位“AI同事”，如何动手把想法一步步变成能用的工具。
采购经理 Steven 汪
01 货单识别系统：从每天手动敲键盘，到月底一键生成进货单
Steven 汪交给 WorkBuddy 的第一件事，是采购入库。
餐饮企业的水果、蔬菜等商品需要每日采购，货到了，供应商递来一沓沓纸质送货单，还有各家格式不一的电子表格。按流程，单子上的供应商、日期、品名、编号、金额、单价、数量，得一笔笔核对、录入，做成一张齐整的入库表，再导入公司统一使用的进销存系统。
由于系统存在部分功能限制（如：拍照识别），在接触 WorkBuddy 前，这项繁琐的录入工作，一直是由 Steven 汪手动完成的——纸质的账单需要一个字一个字敲进系统，不小心敲错一位，就要返回到海量的数据中重新比对；电子版账单又存在着每家供应商格式不同的问题，Steven 汪需要按照管理系统要求的模版重新排版后才能上传。最忙的时候，这项工作能从月初一直堆到月末——而纯人工做完一遍入库、盘点加算毛利，至少要十天的工时。
Steven 汪最初的设想很朴素：纸质的进货单，能不能不再靠人手敲，拍个照就能变成表格？他花费了一周左右的时间，用 WorkBuddy 开发了一个 OCR 智能识别系统，能够将指定格式的纸质进货单，识别并转换为可上传至管理系统的标准模版。
可新问题马上冒出来：如何把每个商品都“对上号”？同样一款商品，供应商叫它土豆，系统里叫它马铃薯，OCR 把字识别对了，系统却不认识这个名字。于是，Steven 汪又在识别系统里加了一层 SKU 匹配：将供应商的商品名，和自家系统里的商品名对应起来。这层匹配还自带学习功能，用得越多，匹配率就越高。
使用后他发现，效率确实比纯手工高了一大截。
但 Steven 汪并不满足。
靠 OCR 识别意味着要每天拍照，照片一旦拍糊了识别率就会降低，效率还是卡在那儿。于是，针对电子版账单格式不同的问题，他又进一步开发了供应商对账电子账单处理系统，通过 WorkBuddy 将不同格式的电子账单转换为统一的模版，并进一步解析出全部进货单。这样一来，不需要每天重复录入或拍照，只需要在月末核对总数，就能够一次性生成所需的进货单。
“之前 10 天的工作量，能够缩短到 5 天左右。”
Steven 汪算过一笔账，无论是购买第三方系统的高级版本还是自己从头搭一套替代系统，都不如现在这样操作来得划算。他的打法是：原有的系统负责信息存储，只做数据管理；WorkBuddy 负责信息处理，把数据进出的效率补齐。
“相当于给原来的系统加了一个外挂。”
02 库存盘点小程序：多人协作，速度与准确度两不误
物资盘点，是整条链路里最让 Steven 汪头疼的一环。
公司过去使用的盘点工具，启动和搜索速度并不尽人意。有时候，同事把物料数完了，系统还在持续加载，Steven 汪得在旁边干等上一两分钟，才能把数字录入进系统。团队受制于系统的节奏，配合极不顺畅。
另一个常用的办法是，先把空白盘点表打印出来，大家拿笔记录，Steven 汪收齐后再统一录入系统。可这又会带来新的问题——一项数据要经手多个人，每个人都可能出错，难以追溯错在哪一步。
于是，Steven 汪开始琢磨：能不能自己搭建一个物资盘点的小程序？
他把这个需求又一次交给了 WorkBuddy：选取物料、录入数量、人工确认——功能和原来的系统保持一致，但搜索速度显著上升。同事一边点数一边在手机上录入，录完直接就能生成盘点表。
效果有多明显？Steven 汪当场向我们演示了整套流程：打开小程序，输入商品名称，对应的商品很快就弹了出来，输数字、确认，一整条链路十分顺畅。
速度提上去了，但盘点的担子还是压在他一个人身上。Steven 汪又想，能不能多人协作，让各部门自己盘自己的物料？顺着这个想法，他又把小程序做成了多人版——如今已经开发完成。水吧和后厨可以各自在自己的部门里录入相应的数据，系统自动把两边的消耗累加，谁都不用等谁盘点完，也不再需要专人最后汇总。一个人的重担，就这样拆分成了几个人顺手的小事。
“开发的活儿我全都交给了 WorkBuddy，我只当它的一双眼睛。告诉它哪里报错了、哪里又要改，剩下的，由它来搞定。”
03 采购价格分析看板：让市场价格波动“自己说话”
除了盘点和入库，采购还绕不开价格起伏、金额变化。
哪款商品比上个月贵了，某个供应商的价格为什么一路往上走，这个月的采购金额为什么多出这么一截——这些数字摊在报表上，采购经理得一条条说出所以然。
过去，这份分析要 Steven 汪亲自完成：把数据铺开，按物料分类算均价、做环比。但这样的分析，老板看完只知道涨了还是跌了，无法直观地看出变化的原因。
现在，Steven 汪把这一步直接交给了 WorkBuddy 的专家模式。产出的不只是一张表，而是一份归因报告：数量变了影响多少、价格本身变了影响多少、新增品项影响多少、平台均价动了影响多少......
在 Steven 汪看来，专家模式最有用的地方并不是分析得有多快，而是它背后的那套“完整、标准的方法论”——不是零散地罗列数据，而是基于一套成型的框架，把数据的波动一项项拆开、给出清晰完备的解释。而 Steven 汪要做的，仅仅是把这个月的采购数据整理好，放进去。
从入库、盘点到数据分析， WorkBuddy 近乎可以帮助 Steven 汪的所有工作。他还在 WorkBuddy 搭建了一个自己的“点子库”。那是他专门记录各种灵感的地方：工作中哪个环节又卡住了，也许能让 AI 优化下工作流，提升效率？比如，用一套“全物料订单工具”，替换现在使用的 WPS 订单系统。点子库刚建了两三天，他就已经有了新发现——原来卡住自己的地方这么多，而其中不少能被做成工具。
写在最后
访谈最后，我们问起 Steven 汪：你觉得把 WorkBuddy 用好的关键是什么？
Steven 汪觉得，关键在于“多多尝试”。
他说，给做建筑设计的太太推荐 WorkBuddy，太太有点担心用不好，但他告诉太太，先试着用起来就好。
Steven 汪对于自己使用 WorkBuddy 完成的每一个项目都印象深刻。他说，尽管自己是计算机专业毕业，但从未做过 IT 相关的工作。很多想法，他心里觉得“这应该能做成”，真要自己上手，又担心做不了。WorkBuddy 出现以后，那些停留在脑子里的灵感，终于有了落地的机会。
或许，用 AI 提效，本来就不必做出惊天动地的创造。只是需要把我们心里那个“应该能做成”的念头，说给 AI 听——剩下的，交给尝试就好。
