40｜AI 跨境營運決策模型 Capstone

一、案例定位

本案例把 Recommendation、Classification、Forecasting、Optimization、Scenario Analysis 整合到同一個跨境營運決策流程，讓學生理解這些 AI 模型不是五個孤立工具，而是一套 decision architecture。

二、學習目標

整合市場需求、成長、毛利、服務、風險、庫存與數位成熟度。

同時產生市場策略、履約建議、風險分類、庫存動作與 Scenario。

建立 Human-in-the-loop 決策治理。

辨識哪些工作可由 AI 支援、哪些不可自動化。

三、案例情境

管理層要從八個海外市場決定下一年度擴張優先順序，但市場排名只是第一步；還要決定履約模式、風險處理、庫存行動與需要人工覆核的事項。

Excel 核心表格（Word 完整閱讀版）

下列內容直接整理自本案例對應的 Excel 工作簿。Word 版保留理解案例所需的核心輸入、計算結果與管理輸出；若原始資料筆數很大，正文列示代表性樣本，而模型結果與管理摘要則完整呈現。學生可先只閱讀 Word 完成案例理解，再到 Excel 修改參數與資料進行情境重算。

Excel表 40-1｜市場營運資料

市場

需求

成長

毛利率

服務水準

風險

庫存覆蓋比

數位成熟度

Japan

10,831

15.66%

39.53%

0.90

43.04

0.80

0.46

Taiwan

3,988

3.36%

34.00%

0.88

35.72

0.86

0.57

Singapore

8,870

3.20%

27.33%

0.97

25.76

0.98

0.41

Thailand

12,796

9.09%

29.86%

0.94

60.68

1.01

0.59

Germany

10,983

13.20%

39.20%

0.98

31.16

0.96

0.61

Spain

10,626

16.88%

37.61%

0.88

41.41

0.81

0.49

France

9,377

10.13%

31.50%

0.93

51.82

1.06

0.54

Malaysia

8,997

2.07%

40.92%

0.95

28.43

1.06

0.78

Excel表 40-2｜整合 Decision Model

市場

Decision Score

排名

策略

履約建議

風險分類

庫存動作

情境

AI信心

需人工確認

決策理由

Japan

55.6

3

Pilot/選擇性投資

直郵/3PL

Medium

補貨

海外倉

Medium

商務確認

需求10831；成長15.7%；毛利39.5%；風險43

Taiwan

26.4

8

觀察

直郵/3PL

Low

補貨

直接出口

High

商務確認

需求3988；成長3.4%；毛利34.0%；風險36

Singapore

43.2

7

觀察

直郵/3PL

Low

維持

FTZ/3PL評估

High

法規/稅務

需求8870；成長3.2%；毛利27.3%；風險26

Thailand

51.8

5

Pilot/選擇性投資

海外倉/區域倉

High

維持

海外倉

Medium

風險審查

需求12796；成長9.1%；毛利29.9%；風險61

Germany

78.4

1

優先擴張

海外倉/區域倉

Low

維持

海外倉

High

商務確認

需求10983；成長13.2%；毛利39.2%；風險31

Spain

53.3

4

Pilot/選擇性投資

直郵/3PL

Medium

補貨

海外倉

Medium

商務確認

需求10626；成長16.9%；毛利37.6%；風險41

France

50.9

6

Pilot/選擇性投資

海外倉/區域倉

Medium

維持

FTZ/3PL評估

Medium

法規/稅務

需求9377；成長10.1%；毛利31.5%；風險52

Malaysia

69.8

2

Pilot/選擇性投資

直郵/3PL

Low

維持

FTZ/3PL評估

High

法規/稅務

需求8997；成長2.1%；毛利40.9%；風險28

Excel表 40-3｜Human-in-the-loop

檢查點

AI可做

必須人工確認

原因

市場排序

整理數據、比較權重

最終投資優先順序

涉及策略與資本配置

履約推薦

比較成本與時效

承運能力與合約

模型未包含即時容量

風險分類

標示異常與風險

不利處置

避免自動化誤判

Forecast

產生基準需求

促銷/新品/事件

外部事件可能失真

Optimization

計算可行解

限制是否合理

錯誤限制會產生錯誤最佳解

Scenario

比較模型假設

法律/稅務/海關

需專業與最新制度資料

Excel表 40-4｜管理摘要

KPI

結果

候選市場

8

Top 1

Germany

Top 1 Score

78.4

Top 2

Malaysia

Top 2 Score

69.8

Top 3

Japan

Top 3 Score

55.6

四、主要結果

目前 Decision Score Top 3 為 Germany、Malaysia、Japan。

Top 1 分數約 78.4。

每個市場不只得到一個總分，還同時產生策略、履約建議、風險類別、庫存動作、Scenario、AI 信心與人工確認欄位。

五、整合決策架構

Recommendation：選履約與營運方案。

Classification：把市場／訂單分流為不同風險處理。

Forecasting：估計未來需求與庫存壓力。

Optimization：在成本與服務限制下找可行方案。

Scenario Analysis：比較不同營運架構與假設。

六、主要結果與管理解讀

AI Decision Model 的價值不是『自動替主管決定』，而是讓資料、假設、限制與理由變得可追溯。

總分只負責排序；真正決策還要看風險、限制、資料品質與人工判斷。

模型中特別加入 Human-in-the-loop 表，讓學生看到法律、稅務、不利處置與資本配置等事項不能只靠模型自動完成。

七、What-if

改變 Decision Score 權重；設定風險>60 不得優先擴張；或要求所有高需求市場都比較海外倉與 FTZ，觀察 Top 3 與策略是否改變。

八、AI Prompt

你是跨境營運 Decision Copilot。請根據八市場的需求、成長、毛利率、服務水準、風險、庫存覆蓋與數位成熟度，以及 Excel 的 Decision Score，產出管理建議。對每個推薦市場分別給出：①策略；②履約方案；③主要風險；④庫存行動；⑤應比較的 Scenario；⑥AI 信心；⑦必須人工確認事項。不得只依總分下結論；法律、稅務、海關與不利人事／客戶處置必須標示人工覆核。

九、Excel＋AI 分工

Excel：透明的數值計算、權重、排序與規則。

AI：跨表整合、解釋、反證、Scenario 敘事與管理報告。

Human：設定目標與限制、驗證資料、承擔最終決策責任。

十、課堂任務

學生先自行選 Top 2 市場並說明。

再讓 AI 使用同一份 Excel 產生建議。

比較學生、Excel Score、AI 三者是否一致；若不一致，必須指出差異來自資料、權重、假設還是價值判斷。

十一、案例小結

本部分的核心不是學會五個 AI 名詞，而是學會把國際商務問題轉成：目標 → 資料 → 模型 → 限制 → 結果 → 解釋 → 人工覆核。

十二、資料來源

全部為教材模擬資料。真實跨境決策需使用企業即時資料與最新外部法規／市場資訊。