前阵子一个做 AI 的兄弟找到我，说要给我们仓上"视觉复核"：相机往复核台上一架，扫一眼就知道拣没拣错。"先试点，效果好再谈钱。"我一听就乐了——"效果好"这三个字，到底谁说了算？他说了算，还是我说了算？说到底，这就是AI试点成功指标该由谁来定的问题。
这就是今天想聊的：AI试点成功指标。我们小仓 3000 平，拣货的一共 9 个人，一个月出单 4 万上下。说白了，AI 这玩意儿我们是真想试，毕竟人工复核天天漏货、赔钱赔得肉疼；但试错的钱我们是真烧不起。所以我的规矩是：试点可以谈，北极星指标必须先定死——定死了，试点就不可怕；不定，多少钱都是打水漂。
我们自己的试点：先有指标，才有后来
2025 年 10 月，就是上面说的那套视觉复核，我答应试了，但试之前我先把账算明白了。
当时我们的人工复核，每 1000 单大概漏 9 单错发，错发率 0.9%。错发一单，平均赔 18 块：快递改地址、重新发货、客服扯皮，加起来只多不少。一个月 4 万单，错 360 单，一个月赔 6480 块。这就是我要 AI 替我省下的钱——北极星指标：6 周内，错发率降到 0.3% 以下。
光定北极星还不够，我还定了两条"护栏"：一是复核速度不能比原来慢（原来复核一单平均 25 秒，AI 要是准了但慢了，旺季一样要命）；二是试点周期锁死 6 周，到点验收，不行就拆走。这两条我写进了试点协议，供应商一开始还想含糊，被我怼回去了——"大哥，你的设备行不行，6 周还看不出来吗？"
结果：6 周后错发率 0.28%，复核速度反而快了，一单 22 秒。算账：每月少错 240 单，省 4320 块；试点费 2.8 万，7 个月回本。签了，到现在用得挺好。
反面教材：我朋友那 11 万，就这么没了
再讲个反面的。广州一朋友老陈，5000 平的仓，去年试了一套 AGV 搬运。供应商跟他说"先跑起来看看"，老陈也没多想——结果跑了三个月，花了 11 万，试点结束时供应商甩过来一个 PPT：累计运行里程、避障次数、系统稳定率 99.2%。
老陈问了三个问题：我的人效涨了吗？省了几个人？每单搬运成本降了吗？对方一个都答不上来。最后不了了之，设备拉走，11 万打水漂。
你看，问题根本不在 AGV 行不行，而在于从头到尾没人定义"算成功"。供应商的北极星是"系统稳定率 99.2%"——那是他的 KPI，不是你的。你的北极星必须是翻译成钱或者人的东西：错发率降到多少、每单人力成本降多少、人均 UPH 涨多少。翻译不成钱和人的指标，对小仓来说都是耍流氓。
AI 试点成功指标，就定这三层
我现在的做法很简单，一张纸能写完，分三层：
第一层：北极星指标，只能有一个。 必须满足两个条件：翻译成钱或人；试点周期内能测出来。比如"错发率降到 0.3% 以下""分拣人均 UPH 提升 15%""客服 AI 解决率到 60%"。注意，别定"准确率 98%"这种——准确率是供应商的语言，不是你的语言。
第二层：输入指标，两个。 看 AI 有没有真正"用起来"：一是覆盖率（多少比例的单走了 AI 流程，别试点 6 周结果只覆盖了 30% 的单）；二是异常处理时长（AI 搞不定的单，人工接管要多久，别 AI 省了时间、异常单又吃回去了）。
第三层：护栏指标，一个。 盯住"别把别处搞坏"：速度不能慢、别的环节差错不能反弹、员工别抵触到罢工。AI 试点最常见的死法不是没效果，是顾头不顾腚。
| 层级 | 指标举例 | 作用 |
|---|---|---|
| 北极星（1 个） | 错发率降到 0.3% 以下 | 判输赢的唯一标准 |
| 输入指标（2 个） | AI 覆盖率 ≥80%、异常接管时长 | 看有没有真用起来 |
| 护栏指标（1 个） | 复核速度不慢于 25 秒/单 | 别把别处搞坏 |
我们小仓的土办法：Excel 就能跑的对照组
大公司搞试点有数据团队，我们小仓就一个 Excel，但够用了。方法土得掉渣，但管用：
试点前，先拉 4 周基线：每周的错发率、复核速度、当月赔付金额，记下来。试点开始后，每周记一次同样的数。两条线往 Excel 里一画，效果一目了然——线往下走了，就是有效；线没动，就是没用；线往上走了，赶紧停。
千万别信供应商后台那个"系统稳定率 99%""识别准确率 98.5%"。那是他的北极星，不是你的。你的北极星永远只有三个问题：省了多少钱？省了几个人？多快回本？
还有，试点协议里必须写死四行字，我吃过亏总结出来的：①北极星指标和目标值；②试点周期 4 到 8 周，超 8 周没结论直接判失败；③达不到目标，试点费退多少、设备几天内撤走；④试点产生的数据归谁，供应商能不能拿去训练。第四条很多人漏——你的货、你的单，凭什么白送他当训练数据？
顺便说一句：北极星定错了，比没定更惨
去年还有个同行，指标倒是定了，但定错了，效果一样翻车。他给客服 AI 定的北极星是"AI 回复量占比到 70%"——结果客服小妹为了达标，把能推给 AI 的全推过去，AI 答不上来的也在那硬聊，客户投诉量翻了一倍。指标完成了，生意砸了。
所以北极星有个铁律：必须是"结果指标"，不能是"过程指标"。回复量占比、系统使用率、运行里程，这些都是过程指标——供应商最爱拿这个糊弄你。结果指标只有三种：省了多少钱、省了几个人、客户少骂了几句（投诉率、错发率）。定指标的时候问自己一句：这个数涨了，我月底的利润表会变好吗？不会，就换一个。
一个反常识的判断：试点不是考 AI，是考你自己
说句得罪人的话：很多小仓 AI 试点失败，真不是 AI 不行，是自己的流程太烂、数据太乱，神仙来了也救不了。库位编码十年没理过、SKU 主数据一团糟、复核流程全靠老师傅的眼睛——这种底子，AI 上来也是白给。
所以先定北极星指标，真正的意义是先逼自己把账算明白：我到底要省哪笔钱？现在这笔钱漏在哪？AI 替我堵住之后，多久回本？这三个问题答不上来，说明你还没准备好试点，钱先别花。
还有一个反常识：试点拖得越长，越说明失败。真正的试点 4 到 8 周就该见分晓——有效果，线会动；没效果，拖三个月也不会有。有些供应商就喜欢把试点拖成"长期合作"，每个月收你点服务费，温水煮青蛙。我的规矩：4 周没动静，直接喊停，别续费续成习惯。
大厂谈 AI 谈"战略"，我们小仓谈 AI 只谈"回本几个月"。指标定死了，试点就不可怕——最坏的结果，就是花小钱买了个"这玩意儿不适合我"的答案。而这个答案本身，就值回票价。
小仓有小仓的活法：钱要花在刀刃上，指标要定在试点前。
下次再有供应商跟你说"先试点看看效果"，你就把这篇甩给他：行啊，先把北极星指标写进协议，咱们再谈。敢签的，八成靠谱；支支吾吾的，你懂的。
作者：小马｜小仓创业者
