AI 先动仓库办公室：计划员和单证员，未来三年的活法

有一个现象值得先摆出来：过去十年，行业里讨论"机器换人"，镜头永远对准库内——AGV 会不会替代拣货员，机械臂会不会替代打包工。但过去两年的实际变化发生在另一个地方：仓库的办公室。补货计划、波次排单、单证制作、异常对账，这些坐在电脑前完成的工作，正在被 AI 以远快于库内自动化的速度接管。

根据美国劳工统计局（BLS）发布的 2025-2035 年就业展望，办公室与行政支持类职业是未来十年预计降幅最大的职业大类，降幅约 4%，预计减少约 75 万个岗位，劳工部明确把原因归为"自动化工具的持续整合，包括 AI 驱动的工具"。麦肯锡此前的分析则估计，到 2030 年美国约有 1200 万劳动者需要因 AI 与自动化转换职业，其中损失最集中的正是办公室支持与行政类岗位。这些数字描绘的不是某个行业的特例，而是一条跨行业的趋势线——而仓储物流的办公室岗位，恰好站在趋势线最陡的那一段上。

为什么是办公室先被动，而不是库内？归因要从工作性质说起。计划员和单证员的日常，本质上是"结构化数据的搬运与判断"：把订单、库存、在途数据搬进一张计划表，把发票箱单提单搬进一套单证。前者是规则密集型工作，后者是语言密集型工作，而这两类恰好是生成式 AI 最擅长的——起草、归纳、分类、核对、回复。相比之下，库内的拣货、搬运涉及非结构化物理世界，机器人要处理每一件形状不一的货，技术难度和成本都高出一个数量级。所以过去两年的真实顺序是：软件先吃掉了办公室的重复劳动，硬件还在库内缓慢爬坡。这不是偶然，是技术成熟度曲线的必然结果。

两个正在发生的位移

先看计划员。华东一家做服装代发的 3PL，2024 年还在用 3 个补货计划员每天手工跑 Excel：看库存水位、看在途、看促销日历，逐 SKU 定补货量。2025 年他们上了一套带 AI 预测的补货模块，逻辑并不神秘——历史销量、季节系数、促销标记喂进去，系统直接输出建议补货量和到货节奏。变化发生得很安静：3 个计划员没有走，但工作内容变了。他们不再逐行填表，而是每天只处理系统标红的"异常"：某个 SKU 预测与实际偏离过大、某供应商交期突然拉长、某次大促的备货逻辑需要人工拍板。用他们运营总监的话说，"以前 80% 时间做表，20% 时间做判断；现在反过来了"。

再看单证员。一家做跨境小包集货的货代，单证团队原来 6 个人，负责把客户的发票箱单转成各国清关要求的格式、核对 HS 编码、回复查验问询。引入文档 AI 之后，格式转换和初核基本自动化，6 个人剩下 3 个，留下的 3 个只做两件事：AI 拿不准的疑难编码判定，以及被海关质疑时的申辩材料组织。单证员这个岗位没有消失，但它的"合格线"上移了——从"会打单证"变成了"能处理 AI 处理不了的那 10%"。

这两个案例的共同点是：被替代的不是"岗位"这个名头，而是岗位内部 70%-80% 的重复性任务。留下的人，工作重心从执行变成了兜底和判断。

一个评估框架：你的岗位暴露度有多高

判断自己未来三年的位置，可以用一个简单的二维框架。横轴是任务的结构化程度：越规则化、越可数字化，暴露度越高。纵轴是判断的不可替代性：需要跨部门博弈、需要承担责任、需要处理真正的模糊性，暴露度越低。

落在"高结构化、低判断"象限的，是最先被压缩的：数据录入、格式转换、常规对账、标准报表、排班表制作。计划员工作里"按公式算补货量"的部分、单证员工作里"按模板出单证"的部分，都在这个象限。

落在"高结构化、高判断"象限的，是转型的方向：异常处理、预测偏差的归因、供应商谈判、查验申辩。这些工作的数据是结构化的（AI 能帮忙准备），但最后的判断需要人来背书和担责。未来三年，计划员和单证员的活法，就是从第一象限搬到第二象限。

还有一个容易被忽略的维度：责任归属。AI 可以生成一份补货计划，但当这份计划导致断货时，板子打在谁身上？只要责任还需要一个自然人来承担，带责任的判断岗就不会被完全自动化。这也是为什么"计划员"这个 title 可能还在，但 JD 已经重写的原因。

2027-2029：三年的趋势判断

基于以上归因，我对未来三年的判断是三条，都有时间线。

第一，2027 年之前，50 人以上规模的 3PL 和品牌方仓库，计划与单证环节的 AI 辅助工具会成为标配——不是"要不要上"，而是"上了哪一家"。驱动因素不是技术多先进，而是同行都在上，人工做表的成本劣势会迅速显现。

第二，岗位数量收缩，但岗位含金量上升。参考 BLS 的数据方向：办公室支持类岗位整体收缩是大趋势，但留下来的计划员和单证员，薪资议价能力反而可能增强，因为他们的工作从"可替代的执行"变成了"难替代的判断"。历史上每次自动化浪潮都是这个剧本：打字员消失了，但能驾驭文字处理系统的人更值钱了。

第三，会出现一批新 title：自动化流程管理员、AI 异常处理专员、数据质量负责人。这些不是"AI 创造的新工种"那种宏大叙事，而是办公室里自然长出来的职能——有人要管 AI 的输出质量，有人要定规则，有人要在 AI 和业务之间翻译。这批位置，会优先从懂业务的老计划员、老单证员里产生，而不是从外部招一个"AI 专家"空降。因为业务理解才是稀缺品，工具操作三个月能学会，十年的一线体感学不会。

这里有一个反常识的判断，值得单独拿出来：未来三年，仓库里最安全的可能不是办公室，而是库内。拣货、复核、设备维护这些需要动手和现场判断的工作，自动化渗透速度远慢于办公室软件。过去"坐办公室比干库内体面"的排序，正在被技术曲线悄悄改写——至少在"被 AI 替代的风险"这个维度上，是这样。