生成式 AI 进仓库这件事,热闹已经持续两年了。我翻过不少厂商演示和行业报告,演示里它什么都能干,到了真实仓库,多数还停留在回答问题那一步。这篇不打算讲愿景,只想把生成式 AI 在仓库的演进拆成三个阶段,看清楚每一步卡在哪里、值多少钱、大概要等多久。

一家仓库如果今天就想用生成式 AI,绕不开一个现实:仓库的决策容错率很低。拣错一单可以退换,发错一个托盘可能就是一整车的索赔。语言模型擅长的是处理模糊的表达、整理散落的信息,仓库要的却是确定的动作和可追溯的结果。这两者之间的距离,就是这篇文章要量的距离。

生成式 AI 在仓库的三级台阶

第一级是问答助手。员工对着手机或者平板问一句话,系统去查操作手册、查库存位置、查上一班的交接记录,再用一句话答回来。这个阶段的门槛最低,因为它不碰执行,只碰信息。2024 年秋天,我在一家位于加州安大略市的第三方仓看到类似的试点:夜班主管用语音问“明天早上要发的那批货在哪个库位”,系统从 WMS 里调出库位编号再念出来,省掉了翻电脑的时间。试点跑了六周,主管的评价很实在:省时间是真的,但前提是库位数据本身要准,数据不准,答案越流利错得越离谱。

第二级是副驾驶。它不再只是回答,而是帮人做判断:给出一批订单,建议先拣哪几单;看一眼当天的入库计划,提醒哪个库区会堵;甚至帮新员工写一份交接班纪要。这一级开始碰流程,也就开始碰责任边界。建议错了谁负责,系统敢不敢在建议里写清楚自己的把握程度,这些问题在演示里看不到,在现场每天都会冒出来。

第三级是自主执行。系统自己决定补货、调拨、改波次,人在旁边只负责复核异常。这一级离仓库最近的落地形态不是“全自动”,而是“小范围自主”:在某个品类、某个库区、某个时段内放权,超出范围自动交回人工。把第三级理解成一夜之间全面接管,是对仓库最大的误解。

三级之间没有跳级。问答助手跑不稳的仓,直接上副驾驶只会把错误放大;副驾驶的建议没人复核、没人纠错,谈自主执行就是空话。每一级都要先在小范围跑出可复核的结果,再谈扩大。

生成式 AI 的算账时刻:值不值,看这三个数

研究员看技术不看热闹,看账。生成式 AI 的账要分三笔算,而且每一笔都要先讲清楚前提,否则数字没有意义。

下面这张表是一个假设算例,数字全部是为说明方法而设的场景示意,不是任何一家仓库的真实账本。

成本或收益项 假设算例(场景示意) 怎么核实
问答助手试点投入 约 6 万美元,含对接与 3 个月试运行 按供应商报价单逐项对
主管每天省下的查数时间 假设每天 40 分钟,时薪按 28 美元计 连续两周实测打卡记录
副驾驶阶段新增投入 假设再加 12 万美元,含流程改造 拆成软件、集成、培训三笔
拣选波次优化带来的收益 假设每天多出 90 单产能 对照试点前后同一时段的出库量
兜底成本 假设每月预留 2 千美元处理模型答错 按真实纠错工单计数

算这张表的时候,有一个反常识的判断值得先讲出来:生成式 AI 在仓库最容易被高估的收益是“省人”,最容易被低估的收益是“少返工”。一个问答助手省不掉一个岗位,它省掉的是主管每天被打断四十次的碎片时间;而一个好的副驾驶建议,价值不在它多快,而在它让新员工少犯那种老员工一眼就能看出来的错。把账算到“省几个人头”上,项目立项那天就已经算错了。

时间线的判断同样要克制。问答助手这个阶段,多数中型仓在一年内可以跑出可用的试点;副驾驶需要流程数据先干净起来,这个准备期往往比模型本身更花时间;自主执行只会在极少数数据基础好、品类稳定的仓里先出现,而且一开始一定是小范围的。任何一张把三级压缩到同一年里的路线图,都值得多问一句:数据准备的那部分工作,写进计划了吗。

生成式 AI 走进现场,先过这三道关

第一道关是数据。仓库里的数据散在 WMS、ERP、手工表格和老师傅的脑子里,同一件货在三个系统里可能有三个名字。生成式 AI 对脏数据的容忍度比人低得多,人看到错的库位会凭经验纠正,模型只会自信地把错答案说得更流利。数据治理这一步没有捷径,跳过去的仓,试点期都会还回来。

第二道关是责任。副驾驶给建议、系统做执行,出了错算谁的,这个问题必须在上线之前写进流程,而不是出事之后再开会讨论。比较稳妥的做法是分级授权:低风险的常规建议可以自动执行,高风险的动作必须留人工确认,而且每一次自动执行的决定都要留痕,能回查、能复盘、能叫停。

第三道关是人的接受度。一线员工对新工具的态度很现实:好用就用,不好用就绕过去。问答助手如果十次里有两次答非所问,员工第三次就不会再问了。试点阶段最该收集的不是演示效果,而是员工真实的使用次数和绕过次数,这两个数字比任何满意度问卷都诚实。

把这三道关合起来看,生成式 AI 进仓库的顺序其实很清楚:先把问答助手做扎实,让员工愿意用;再把副驾驶放在一两个具体场景里跑通,让建议可复核;自主执行放到数据、责任、信任三样都齐了之后再谈。这个顺序慢,但它是仓库里唯一走得通的顺序。

往后看三年,生成式 AI 在仓库最可能的样子不是一个会说话的机器人,而是一层看不见的助手:藏在 WMS 的查询框里、藏在波次计划的建议里、藏在交接班的纪要里。判断一个仓是不是真的用上了它,不用看发布会,看两个地方就够了:员工每天是不是真的在问它问题,主管做排班和波次的时候是不是真的在参考它的建议。这两个答案如果是肯定的,第三级台阶也就不远了。

作者:陈博士|供应链行业研究员