第一个AI试点,我的结论先放在前面:别选最炫的,选最不容易出错、又最容易让仓库里的人亲眼看到效果的。说白了,第一个试点的任务不是证明AI多厉害,而是让一线和老板同时相信一件事——这东西在我们这个仓里能跑起来,而且跑起来不添乱。我见过太多仓第一个试点就冲着全自动分拣、无人仓这种大词去,结果三个月还没跑顺,老板先没了耐心,一线先学会了绕开它。
我先讲一个我亲眼见过的反面例子。几年前一家做电商履约的仓,第一个AI项目定了"智能波次优化",听起来很高级:系统自动拼波次、算路径、排人力。上线第一周就出问题:大促期间订单结构一变,算法给出的波次把几个爆款SKU拆到了不同波次,拣选员来回跑,主管只好手工改单。改了两次之后,一线干脆不用系统建议了,项目名义上还在跑,实际上已经被架空了。钱花了不少,信任花得更多。问题不在算法笨,而在于第一个试点选了一个容错率极低的场景:波次错一次,全仓都感觉得到。
再讲一个正面的例子,同一时期另一家规模差不多的仓,第一个试点选的是"到货单据识别"。以前收货员要手工把供应商送货单上的品名、数量、批次抄进系统,一单少说十几分钟,还经常抄错行。试点只做一件事:拍照识别单据,识别结果先给人确认,确认后才写入。两周下来,单据录入时间省了一大半,更重要的是,收货员愿意用——因为系统错了他能当场改,改完还不用返工。这个试点省的钱不算多,但它让全仓第一次觉得,AI是来帮忙的,不是来添乱的。
第一个AI试点,别从最炫的开始
第一个AI试点怎么避坑,有三条硬标准,缺一条就换题。第一,错了可挽回:系统给错建议,人能当场发现、当场纠正,不会直接发错货、记错账。第二,不动主流程:试点挂在现有流程旁边,不用先把全仓流程推倒重来。第三,两周内能看到变化:不管是省时间、少错单还是少跑一趟,两周内一线要能说出具体哪一点变好了。达不到这三条的场景,再高级也先放一放。
按这个标准,有几类场景第一个试点就别碰。直接改拣选路径、自动分配任务、自动定价调价这类"系统直接替人做决定"的,别做第一个;需要全仓数据先洗干净才能跑的"预测类大项目",别做第一个;牵扯到客户承诺、发货时效、账务结算的,别做第一个。不是这些场景不好,是它们错一次的代价太大,不适合用来建立信任。
能先上的三类场景
符合低风险高可见度标准的三类场景,我按见效顺序排一下。第一类是单据与信息读取:送货单、箱唛、退货单的拍照识别,识别完先给人确认再写入。这类试点技术成熟,出错可拦截,收货、退货环节天天用得上,一线感受最直接。
第二类是异常提醒:库存快见底、某个SKU连续几天没动销、某批货临期、某个库位账实长期对不上,系统只负责提醒,不直接动手。提醒错了,人看一眼就过去了;提醒对了,主管会觉得这东西比自己盯报表省事。这类试点的妙处在于,它不抢人的活,只帮人少盯点东西。
第三类是小范围的预测核对:比如拿系统预测的明日出库量,跟人工排班表对一下,只做参考,不直接排班。预测准了,主管下次会主动来看;预测不准,也没人因此发错货。这类试点能让管理层看到AI的判断力,又不用为它的判断买单。
三类场景怎么选,看仓里最痛的点在哪。收货天天被单据拖住,选第一类;主管天天被报表追着跑,选第二类;排班、备货老是凭感觉,选第三类。选的时候还有个反常识的判断:第一个试点最有价值的,往往不是省钱最多的,而是最能让一线愿意继续用的。省钱多但没人用的试点,推广时还得再花一遍说服的钱;一线抢着用的试点,推广是顺水推舟。
第一个AI试点:30/60/90天怎么判成败
第一个AI试点定下来之后,用30/60/90天三段来判,别等三个月才开总结会。30天看"能不能用":系统稳不稳定、一线愿不愿意用、出错时人能不能快速纠正。这三项有一项不过,试点就要先停下来修,而不是硬推。60天看"有没有用":跟试点前比,单据录入时间、异常发现时间、错单数这几项里至少有一项实实在在变好,变好的幅度要能说出数字,哪怕幅度不大。90天看"能不能扩":这个场景换到另一个品类、另一个班次、另一个仓,还能不能跑,跑起来要不要大改。扩不动的试点,成绩再好看也只是个盆景。
判成败的标准,签试点合同之前就要白纸黑字写下来,而且要写人能验证的指标:比如单据识别准确率达到多少、异常提醒里真正有用的比例占多少、一线每天实际使用几次。供应商演示时给你看的数字,到了你的仓里、你的单据、你的灯光下,都要重新测一遍。演示环境里的准确率,到了真实仓库往往要打折扣,这不是谁骗谁,是真实场景本来就比演示脏得多。
留一个问题给你:你们仓第一个AI试点,如果只能选一个场景,你会选那个让老板在汇报里好看的,还是选那个让收货员下班能早走半小时的?我见过的经验是,选后者的仓,第二个、第三个试点才有机会谈;选前者的仓,往往第一个试点就是最后一个。所以先让一线信,再让老板看数字,这个顺序别颠倒。
作者:老米|20年美国供应链老兵,仓储解决方案顾问







