这两年我走访仓库，跟库房主管和系统集成商聊得最多的一个话题，不是买哪家的 AI 产品，而是这样一句话："我们想先做个小试点。"做一个小的、可控的 AI 试点，几乎已经成为小仓库拥抱 AI 的标准开场白。但当我继续追问三个问题——选哪个场景试、试点前留了什么基线、试完什么算成功——大多数人的回答开始含糊。这个现象本身就很值得研究：人人都认同"从小试点开始"，却很少有人说得清"小仓库 AI 试点"到底该怎么做。试点做成了变成标杆，试点做砸了变成全公司反对 AI 的理由，差别往往不在技术，而在试点方法本身。
数据：试点到生产的漏斗，有多漏
先看一组公开数据。根据 Gartner 在 2024 年发布的一份分析，到 2026 年底，至少 30% 的生成式 AI 项目会在概念验证（PoC）阶段之后被放弃，原因包括成本过高、价值不明确和风险控制问题。这个数字说的是全行业，但逻辑同样适用于仓库场景：试点很容易启动，试点之后能进入生产环境的很少，漏斗的漏口不在技术，而在"值不值"和"接不接得住"这两个问题上。
行业采用率的另一面是渗透速度。根据 MHI 发布的《2024 年度行业报告》（与德勤合作调研），人工智能在供应链行业的采用率正处于快速上升通道，预计未来 5 年将进入主流应用阶段。也就是说，现在恰恰是大量小仓库第一次被 AI 推销、第一次动心、第一次做试点的窗口期。
我自己的一组小规模走访也能佐证这个判断。2024 年第四季度，我实地走访了 14 家 1 万平方米以下的小型仓库，其中明确做过 AI 相关试点（视觉检测、语音拣选、智能排班三类为主）的有 4 家；这 4 家里，有 3 家的状态是"试点结束了，没有下一步"，既没有推广，也没有复盘结论，项目就静静地停在那里。这个比例当然不能代表全行业，但它说明了一个真实存在的困境：小仓库的 AI 试点，最常见的结局不是成功也不是失败，而是无疾而终。
归因：AI 试点是怎么死的——三种典型死法
把失败和停滞的案例放在一起，归因下来有三种高频死法。
第一种，选错场景：解决的是供应商想卖的问题，不是仓库的痛点。 我见过不止一家小仓库，试点的场景是供应商演示里最出彩的那个，比如用大语言模型做"智能问答助手"帮员工查 SOP。听起来很酷，但仓库真正每天流血的地方是收货破损、盘点差异、拣货错发。问答助手上线三个月，登录次数还不如考勤机，试点自然就"结束了"。场景选题错了，后面的基线和验收做得再漂亮也没有意义。
第二种，没有基线：试点前没数据，验收时只能说"感觉变好了"。 2023 年下半年，浙江义乌一家约 3000 平方米的家居用品小仓，选了 AI 语音拣选做试点。但这家仓库的拣货员三个月流失率超过 60%，试点前测的基线——平均单均拣货 95 秒——到验收时，参与试点的团队已经换了一半人。基线漂移了，任何对比都失去意义，最后只能写一份"员工反馈积极"的总结报告。这种没有对照组的试点，在研究方法上是不成立的。
第三种，温室效应：试点期间的一切条件都不可复制。 供应商派工程师驻场两周，数据单独标注清洗，试点范围的货品是特意挑过的整齐品类。试点一结束，人撤了，特殊条件没了，效果跟着消失。这在学术上叫"霍桑效应"的变体，在工程上叫"demo 与生产的鸿沟"。一个健康的试点，应该是在正常生产条件下跑出来的。
小仓库 AI 试点：从哪里开始？选题四标准
归因清楚了，选题就有了标准。我给小仓库的第一个 AI 试点定了四个评分项，每个 1～5 分，总分 20 分，建议只做总分 14 分以上的场景：
| 评分项 | 含义 | 高分长什么样 |
|---|---|---|
| 痛点重复性 | 场景发生频率够不够高 | 每天发生上百次，样本量充足 |
| 基线可测性 | 现在有没有现成数据能当基线 | WMS/考勤/索赔记录里直接能拉出 30～60 天数据 |
| 闭环长度 | 从输入到结果反馈有多快 | 24 小时内能看到结果，越快越好验证 |
| 失败成本 | 试砸了能不能快速回滚 | 一周内可回滚，损失在可承受范围 |
按这个标准给小仓库常见的 AI 场景排个序：视觉异常检测（收货破损、数量核对）通常是最高分——高频、有索赔记录可当基线、闭环当天完成、失败了大不了回到人工抽检；预测性补货提醒次之；语音拣选、智能调度这类依赖人员稳定和流程标准化的场景，小仓库第一次试点建议往后放，不是不好，是变量太多。
举一个按这个逻辑做成的例子。2024 年 3 月到 6 月，广东东莞一家约 5000 平方米的汽配电商小仓，收货区每天处理约 800 件，客户投诉破损带来的索赔每月在 1.2 万～1.5 万元之间波动。他们选的试点是在收货传送带上方加两台视觉相机，对疑似破损件做异常告警。试点前，他们花两周整理了过去 60 天的破损索赔率和漏检率当基线。三个月的试点下来，告警覆盖范围内的漏检率下降了约 40%～50%，但误报也让收货员每天多花约 20 分钟做复核。最后的决策很务实：效果成立，但 ROI 依赖复核成本，所以只在高客诉 SKU 上开启告警，其他品类维持人工。这个试点没有变成"全面 AI 化"的宏大叙事，但它回答了三个关键问题：有效果吗（有）、代价是什么（复核时间）、边界在哪（高客诉品类）。这就是一个合格的试点。
基线：没有基线数据，验收就是耍流氓
基线是整套方法论里最容易被跳过的一环，因为它看起来最"不 AI"。但我坚持一个判断：没有基线的试点，验收报告写什么都是文学。基线采集有三件套，缺一不可：
第一，当前指标的数值，至少 30～60 天的连续数据。是拣货单均时长、破损索赔率、盘点差异率，还是复核人力工时，指标必须和试点要解决的问题直接挂钩，而且是试点团队自己现在就能拿出来的数据，不是供应商帮你"估算"的。
第二，数据采集方式的说明。数据是系统日志自动记录的，还是人工 Excel 登记的？人工登记的数据，试点期间要保持同样的登记口径，否则"提升"可能只是登记变认真了。
第三，干扰变量的清单。淡旺季、促销活动、人员变动、SKU 结构变化，这些都要写下来。试点期如果正好赶上大促，效率指标天然好看，验收时必须剔除这个因素，或者把对比区间拉长到覆盖完整周期。
建议试点启动前先填一张基线记录表，试点团队和供应商双方签字确认。这张表的存在，本身就是对"感觉变好了"式验收的免疫。
AI 试点验收清单：试点结束前要回答的五个问题
试点跑完（建议周期 8～12 周，覆盖至少一个完整业务小周期），验收前逐项回答这五个问题，全部通过才算试点成功：
| 验收项 | 通过标准 |
|---|---|
| 效果提升 | 对照基线，核心指标提升达到预设目标，且持续至少 4 周（不是某两周的峰值） |
| 误报与复核成本 | AI 的误报率、人工复核增加的时间在可接受范围，总成本账算得过来 |
| 真实使用 | 试点结束前两周，员工在没有供应商驻场的情况下仍在正常使用，而非应付验收 |
| 可复制性 | 同一套流程、同一套参数，能搬到下一个区域或下一家仓库，不依赖特殊条件 |
| ROI 账 | 把硬件、软件、实施、复核人力、培训全部计入，回收期在管理层可接受范围内 |
这里要特别强调第二项和第五项。小仓库做 AI 试点，最常见的算账错误是只算软件订阅费，不算隐性成本：误报带来的复核时间、员工学习成本、流程改造成本、试点期间的双轨运行成本。AI 讲 ROI，最忌讳报喜不报忧，效果数字宁可保守，不可注水。
几个反常识的判断
基于上面的现象、数据和归因，我想给出三个可能反常识的判断，供参考。
第一，小仓库 AI 试点的第一目标，不是证明 AI 行，而是证明这家仓库接得住 AI。 技术供应商的 demo 在谁家都能跑，真正的风险从来不在算法，而在数据地基和流程纪律。一个连基线数据都拿不出来的仓库，试点成功反而是最危险的结果——因为它会诱使管理层在没准备好的地基上盖楼。
第二，第一个试点，选"无聊"的场景，不要选"酷炫"的场景。 破损检测、数量复核、异常告警，这些场景讲不出动人的故事，但它们高频、可测、闭环短。小仓库的第一次试点，目标是建立"选题—基线—验收"这套组织能力，而不是做出一个能上新闻的案例。能力建起来了，酷炫的场景自然有机会。
第三，如果一个试点不需要基线就能判断成功，那它大概率证明不了什么。 真正的改善一定体现在可测量的指标上。凡是只能用"员工反馈积极""管理层感觉良好"来验收的试点，本质上都是用仪式感代替了验证。
趋势判断与一个开放的问题
把时间线拉长看，我的判断是：2025 年到 2027 年，小仓库的 AI 试点会从"要不要做"的争论，变成"怎么做才算数"的基础设施问题。随着视觉、语音、预测类 AI 产品的价格持续下探，技术门槛会越来越低，而组织门槛——选题能力、数据纪律、验收标准——会越来越高，成为区分试点成败的主变量。先建立试点方法论的仓库，会在每一轮技术降价时都吃到红利；没有方法论的仓库，则可能在每一轮技术浪潮里都交一次学费。
所以最后留一个开放式的问题：如果你的仓库明天就要启动第一个 AI 试点，你现在能不能拿出 60 天的基线数据？如果答案是否定的，也许真正的第一步不是选 AI 产品，而是先把数据记下来。试点的方法论，从记录开始。
作者：陈博士｜供应链行业研究员
