说白了,未来三年仓库里 AI 带来的变化,不是"机器换人"四个字能概括的。我见过太多老板一上来就问"上 AI 能裁几个人",这问题问反了。真正的问题是:哪些活儿会被拆开重组,哪些判断会变得更值钱,以及你为这轮重组要付什么代价。

先给结论:被重构最狠的,是"按固定规则做重复判断"的岗位;最安全的,是"在现场处理例外"的岗位;最尴尬的,是夹在中间、既不写规则也不碰现场的管理层。未来三年,仓库的人不会变少很多,但人的构成会大变样。

我见过太多"省人"最后变成"加人"

前年我去一家做汽配分销的仓,老板花了大价钱上了一套视觉复核系统,目标是把出库复核员从 6 个人砍到 2 个。系统上线第一个月确实快,扫描、比对、报警一气呵成。到了第二个月问题来了:系统对贴歪的标签、反光的包装袋、混装的异形件频繁误报,复核员每天要处理几百条报警,比以前纯人工还累。更糟的是,原来的老复核员被调走了,新招的人只会看屏幕报警,不会看货——系统一宕机,整个复核线直接停摆。

这事分两面看。收益是真实的:标准件的复核速度确实上去了,差错率也降了。代价同样真实:你省掉的是"按规则比对"这个环节,新增的是"给 AI 擦屁股"这个环节——异常处理、规则调优、系统值班,这些活儿以前不存在。老板算账只算了省下的 4 个人,没算新增的 2 个系统管理员和 1 个数据标注兼职,最后人力成本只降了一点点,但流程的脆弱性翻了倍。

还有一家做食品分销的仓,反着来。他们没裁人,而是把原来的拣货组长改成"异常处理专员":AI 负责派单和路径,组长只处理缺货、破损、效期冲突这些系统搞不定的事。三个月后,这家仓的准时出库率反而是同行里最高的。差别在哪?前者把 AI 当裁员工具,后者把 AI 当"把人推到更值钱的位置"的工具。

哪些岗位会被重构,先看一张拆法表

我习惯把仓库岗位按"规则化程度"和"现场不确定性"两个维度拆开看:

岗位 规则化程度 现场不确定性 未来三年走向
出库复核员 高 低 大部分被视觉系统吃掉,剩 1–2 人做异常终审
拣选员 中 中 不会被替代,但工作方式变:听指令、扫码确认,变成"人机协作岗"
排班与派单主管 高 低 被算法排班替代大半,主管转向处理突发缺勤和产能波动
收货质检员 中 高 难替代,异形货、破损判定仍需人眼和手感
库存分析员 高 低 被预测模型替代报表活儿,转向解读异常、做补货决策
设备维护技师 低 高 反而更吃香,AMR、传送带、分拣机越多,懂机电又懂软件的人越缺

这张表有个反常识的判断:最先被重构的不是最底层的体力岗,而是中间层"靠经验做重复判断"的白领岗。拣货员每天面对的货、库位、异常千变万化,AI 一时半会儿接不住;反而是坐在办公室排班、做报表、审单子的岗位,他们的工作恰恰是最规则化的——规则化,就是 AI 最擅长的。

这事的 trade-off 在这儿:AI 吃掉规则化工作,等于把"经验"从人脑里抽出来写进系统。好处是经验不再随人走,坏处是系统里的经验一旦过时,错起来是成批的错。人工错一件,系统错一千件,这个代价很多老板在立项时根本没算进去。

转岗不是口号,得有具体工种接得住

很多人一谈转型就谈"学习新技能",这话等于没说。落到仓库里,能接得住人的工种其实就那么几个,我一个一个说清楚。

第一个是异常处理专员。这个岗位以前是"救火队员"兼职干,现在得正式立起来:每天盯着 AI 报警清单,把误报、漏报、系统没覆盖的单子人工过一遍,再把高频异常反馈给负责调规则的人。干这个活儿的人不需要会写代码,但必须懂业务——知道哪个客户的货不能错、哪类单子错了要立刻拦下来。原来的复核组长、质检老员工转这个岗位最顺,他们的经验正好是 AI 缺的那块。

第二个是设备与系统运维。AMR 在地上跑、传送带在转、分拣机在吐货,这些设备不会自己修自己。以前仓库的维修工只懂机械,现在还得懂一点网络和软件——至少知道报错代码是什么意思、什么时候该重启、什么时候必须叫厂商。这个岗位招人难,市面上有经验的人不多,从内部转反而靠谱:老师傅懂设备,再补一点系统知识,比外面招一个既懂机械又懂软件的人现实得多。

第三个是数据质检员,名字听着虚,活儿很实在:AI 的判断准不准,全看喂给它的数据干不干净。标签贴歪、库位信息错、商品主数据缺字段,这些脏数据不清理,AI 天天误报。原来做单据、做台账的文员转这个方向很合适,他们本来就天天跟数据打交道。

这事分两面:转岗确实能留住人、稳住团队,但转岗本身也要花钱花时间——培训期少则一个月,多则一个季度,这段时间里这个人是"半个生产力"。老板要是只算"转岗后省下的招聘费",不算"培训期的产能损失",账又算错了。我见过太多转岗计划死在"培训期没人干活"这个环节上,正确的做法是错峰转:旺季前转一批,旺季后再转一批,别一下子全抽走。

管理者该怎么算这笔账

第一,算总账不算人头账。别问"能裁几个人",问"每单履约成本降多少、差错率降多少、异常恢复时间是变长还是变短"。我见过一家仓裁了 3 个人,结果旺季一次系统故障多赔了相当于 10 个人半年工资的违约金,这账怎么算都是亏的。

第二,先改流程再上系统。AI 放进一个本身就乱的流程,只会把乱放大。上面那家汽配仓后来回炉重做了复核流程——先统一贴标位置、规范异形件包装,误报率立刻掉了一大截,系统才真正跑起来。顺序错了,钱白花。

第三,给被重构的人留一条转岗路。最划算的转岗方向有两个:一是异常处理专员,专门收拾 AI 搞不定的烂摊子;二是设备与系统运维,仓库里自动化设备越多,这类人越难招。把老员工转过去,比外招便宜,也比裁了再招稳当。裁员省下的钱,常常会在招聘和培训上加倍吐出来。

第四,别信"三年后仓库没人了"这种话。仓库的物理世界太脏、太乱、太多例外,AI 在未来三年能做的是把"确定性的部分"啃掉,让人去处理"不确定的部分"。人的活儿不是没了,是变难了——从"按单子干活"变成"给系统兜底"。这个转变对员工的要求其实更高了,老板如果还按老标准招人、按老办法管人,重构就会卡在人这一关。

未来三年,仓库里最值钱的能力会变成三样:看懂 AI 在算什么、知道它什么时候会算错、在它算错的时候能立刻接手。这三样,没有一样是 AI 自己能教你的。

你要是仓库负责人,现在就该问自己一句:我的团队里,有几个人具备这三样能力?

作者:老米|20年美国供应链老兵,仓储解决方案顾问