说白了，欧盟 AI 法案不是冲着仓库来的，但它偏偏把仓库里最常用的两样东西——人脸考勤、算法排班——划进了"高风险"那一档。我干了 20 年美国仓储，第一次觉得：一部欧洲的法律，值得美国这边的仓储人也认真读一遍。
先说结论：这部法案 2024 年 8 月 1 日生效，禁用的 AI 做法（比如工作场所情绪识别）从 2025 年 2 月起就已经违法；和用工沾边的高风险系统，合规义务从 2026 年 8 月开始适用。罚则很重，禁用类最高 3500 万欧元或全球年营业额的 7%，多数违规是 1500 万欧元或 3%——具体数字以欧盟官网最新文本为准，我不替你背书。但数字不是重点，重点是：你的系统到底算哪一档，以及合规到底要花多少钱。这事分两面，我一个一个讲。
欧盟 AI 法案给仓库 AI 定了四个档，一张表看明白
| 档位 | 仓库里的典型例子 | 意味着什么 |
|---|---|---|
| 禁用 | 摄像头分析员工情绪、给员工打"社会分"、公共场所实时远程人脸识别 | 直接违法，别碰 |
| 高风险 | 人脸识别考勤、算法排班派单、AI 绩效评估、AI 筛简历 | 能用，但必须合规：做风险评估、保证人工监督、留日志、告知员工 |
| 有限风险 | 内部 HR 聊天机器人回答请假政策 | 必须明确告诉对方"这是 AI" |
| 最小风险 | 库位优化、需求预测、AMR 路径规划 | 该怎么用怎么用 |
看懂这张表的关键，是"识别"和"核验"的一字之差。很多考勤机宣传册上都写"人脸识别"，但技术上分两种：1:N 识别是摄像头扫一圈认出你是谁，1:1 核验是你先刷工牌、系统只比对这一个人的脸是不是本人。在欧盟 AI 法案的语境里，前者是"认出这个人"，妥妥的高风险；后者是"确认是不是他自己"，合规负担轻得多。买设备的时候问清楚这一句，能省掉后面一大笔律师费。
还有一个容易被忽略的义务：法案要求部署方在使用高风险系统之前，告知员工代表和受影响的员工——哪些环节在用 AI、用了什么数据、有什么保障措施。我听说欧洲已经有仓的工会拿这一条做文章：排班算法上线前没做告知，工会被要求介入后直接叫停。技术合规做完了，程序合规没做，照样白搭。
我亲眼见过的一个坑：人脸考勤在美国是省钱神器
2023 年，我在一家 Ontario 的 3PL 仓做项目，8 万平方英尺，300 多号人。他们刚上了一套人脸考勤机，效果是真好：代打卡基本绝迹，考勤争议从每月 40 多起降到个位数，HR 跑工资的时间从 3 天缩到 1 天。一套系统 4 万多美金，一年维护费不到 1 万，老板觉得这钱花得值。
2024 年底，这家公司在鹿特丹开了新仓，想把同一套系统原样搬过去。我当时就劝他先等等。这套系统是 1:N 识别模式——员工走过去，摄像头认出是谁，自动打卡。在美国这叫效率，在这部法案下，工作场所的生物识别直接进高风险。更麻烦的是法案要求"人工监督"：高风险系统做出的重要决定，必须有人能看懂、能干预、能担责。考勤机认错人、把加班算漏了，以前是 IT 的事，现在是合规的事。
他们最后的解法挺有代表性：鹿特丹仓改成"工牌 + 人脸 1:1 核验"——先刷工牌，系统只确认这张脸是不是工牌的主人。功能上几乎没差别，代打卡照样防得住；但合规上从"识别"变成了"核验"，再配上员工书面告知和日志留存，律师说这就过得去了。说白了，这部法案不是不让你用，是逼你把"认出这个人是谁"和"确认这个人是不是他自己"分开。前者是监控，后者是服务，一字之差，待遇完全不同。
算法排班这事，我见过太多人栽在"解释不清"上——欧盟 AI 法案专治这个
2022 年，一家 Phoenix 的电商代发客户，旺季一天 2 万单，上了套算法排班系统：根据历史效率数据自动排班、派单，"效率低的自动排夜班"。上线三个月，人效涨了 12%，管理层很满意。但一线怨声载道——有人连续三周被排夜班，问为什么，主管也说不清，"系统算的"。最后闹到工会，系统下线，前期投入全打水漂。
在这部法案下，这类系统是标准的高风险：法案明确把"雇佣和劳动者管理"列入高风险清单——招聘、任务分配、绩效监控，全在里面。部署方的义务包括：上线前做影响评估、保证人工能推翻系统的决定、保存运行日志、告知被影响的员工和员工代表。
这里有个反常识的判断：我见过太多人把欧盟 AI 法案当"成本"，其实它是面"筛子"。算法排班真正的价值从来不是"全自动没人管"，而是把排班从主管的拍脑袋变成可解释、可审计的规则。法案强制要求的人工监督和可解释性，恰恰是这类系统在美国也最缺的东西。Phoenix 那家客户如果当年被迫给系统加上"为什么排他上夜班"的解释界面，可能根本闹不到工会那一步。合规花的钱，某种程度上是在替你补产品设计的课。
合规怎么做：先盘点，再分类，最后算账
我的做法分三步，每一步都有明确产出。
第一步，30 天内盘点。把仓库里所有"对人做决定"的 AI 列出来：考勤、排班、绩效、带分析功能的监控摄像头，一个都别漏。很多仓连自己用了几个 AI 系统都说不清，盘点本身就是第一课。
第二步，按上面的表定档。禁用类的立刻停；高风险类的，去找供应商要符合性文件。这里有个很多人没注意到的点：这部法案把主要义务压在供应商（做系统的人）身上，买合规供应商的系统，你作为部署方的担子轻一大半。选型的时候把"有没有 AI 法案符合性文档"写进招标要求，比事后补救便宜得多。
第三步，算账。任何影响员工排班、薪酬、评价的 AI 输出，必须配一个真人能看懂、能改、能担责——这就是"人工监督"的成本。举个实在的例子：一套人脸考勤系统，一年维护费 1 万美金，加上合规评估、日志审计、人工复核流程，一年可能多花 1.5～2 万，合规成本是系统本身的 1.5 倍。这时候就得认真算：代打卡省下来的钱，够不够覆盖？如果这套成本（评估 + 日志 + 监督流程）超过系统带来的收益，就退回"规则引擎 + 人工确认"。我见过太多所谓的 AI 排班，退回规则引擎，效果差不了 5%，成本降 80%。说白了，别为"AI"这个词付溢价。
最后留一句忠告：你的排班系统要是连主管都解释不清它为什么这么排，欧盟 AI 法案只是第一个找你麻烦的——工会、律师、离职员工，早晚排着队来。
作者：老米｜20年美国供应链老兵
