这两年的仓储行业会议上，有个心照不宣的默契：台上讲的都是 AI 试点成功的故事，台下茶歇时聊的，却大都是被悄悄叫停的项目。根据多家咨询机构的公开报道，企业级 AI 试点最终能走到规模化生产的不足三成，剩下的七成大多不是轰轰烈烈地失败，而是无声无息地“被搁置”——预算花完、团队解散、设备封存，复盘会永远没有开。这个现象本身值得研究：当所有人都在讨论如何把 AI 试点做成功的时候，几乎没有人在认真讨论，什么时候应该停下来。
七成 AI 试点走不到生产：数据背后是什么
根据公开的行业调研口径，“试点炼狱”已经成为一个在行业报告里被反复引用的词：项目卡在试点阶段，既不扩大也不叫停，每个月固定烧掉维护费和人力。归因到仓储场景，这个现象有三层原因，层层嵌套。
第一层：立项时只定义了“成功长什么样”，没定义“失败长什么样”。我看过的绝大多数试点立项文档里，成功标准写得清清楚楚——识别准确率提升多少、人力节省多少；但失败标准一栏是空白的。没有失败标准，复盘会就开不起来，每一次复盘都会自然滑向“再给一个月”的延期申请。延期不是决策，是决策的缺席。
还有一个经常被忽略的归因：试点花的钱和生产花的钱，是两个口袋。试点多用创新预算或厂商补贴，规模化要动的是运营预算，审批人不同、考核指标也不同。很多 AI 试点在技术上并没有死，是死在了预算交接处——根据公开报道的复盘样本，“技术上可行、预算上没人接”是试点炼狱最常见的入口之一，而这一点在立项时几乎从未被讨论过。
第二层：数据质量的隐形税。华东某第三方物流企业 2025 年上半年做过一个视觉盘点试点：仓库里数万个 SKU，用摄像头加算法做自动盘点。算法在演示环境里很漂亮，一进真实货架，识别率就卡在九成出头上不去。根因不在算法，在标注——包装相似的 SKU、反光的缠绕膜、昏暗的巷道灯光，标注质量决定了模型上限。三个月下来，近半预算烧在了补标注上，项目叫停。这不是孤例：根据行业公开报道，视觉类 AI 项目里，数据准备环节吃掉的时间和预算，普遍是立项时预估的两倍以上。
第三层，也是最致命的一层：业务方参与度的衰减。美国中西部一家配送中心 2024 年底引入 AMR 做拣选补货，试点从 8 台起步。两个月后缩编到 4 台，理由是充电排队和巷道动线冲突影响了正常作业；又过了两个月只剩 2 台；2025 年初项目正式关停。技术复盘说算法没问题，业务复盘只说了一句：“这东西添乱。”一个 AI 试点如果走到“业务方希望它消失”的地步，任何技术指标都救不回来。
AI 试点 kill 标准：三条红线
基于上面的归因，我给出一个可以直接写进立项文档的决策框架——三条红线，触发任何一条，启动 kill 程序：
| 红线 | 触发条件 | 为什么是这条 |
|---|---|---|
| 北极星指标偏离度 | 连续两个复盘周期，核心指标偏离试点目标 30% 以上，且拿不出可验证的改进斜率 | 单周期波动可能是噪声；连续偏离且斜率不改善，说明方向错了，不是运气差 |
| 数据质量门槛 | 输入数据的完整率、准确率跌破立项时写定的下限，且修复所需投入超过预期收益的量级 | 数据是 AI 试点的地基。地基不行，上层建筑再漂亮也是危房 |
| 业务方参与度 | 连续两次复盘，业务负责人缺席，或到场但无行动项认领 | 技术问题可以修，组织信号修不了。当业务方用脚投票，试点已经死了，只是还没埋 |
kill 程序和 kill 标准同等重要：标准必须写在试点启动之前，由业务、技术、财务三方签字确认；三条红线的测量方式也要在立项时定死——北极星指标看谁的仪表盘、数据质量谁来抽检、业务方参与度看会议纪要里的行动项认领数，标准不量化就等于没有标准；双周复盘只对三条红线，不谈情怀不谈潜力；触发红线后两周内必须做出 kill 决策，并形成复盘纪要归档；有一个组织设计的细节值得强调：kill 决策权建议交给一个三人小组，而不是试点负责人自己——让执行者亲手杀死自己的项目，人性上几乎做不到；叫停不等于浪费——设备、数据资产、标注规范凡是能复用的，一律转入资产池，供下一个项目调用。
反常识：试点失败最贵的不是钱，是信任
这里有一个反常识的判断：AI 试点失败最大的成本，不是烧掉的那几十万预算，而是组织对 AI 的信任透支。根据公开报道中多家企业的复盘，一个被拖了半年才叫停的试点，会让管理层形成“AI 就是不靠谱”的刻板印象——下一个真正有价值的项目，连立项会都开不起来。反过来，一次体面的、按标准执行的叫停，反而会增强组织对 AI 治理能力的信心：我们清楚什么能做、什么不能做，这种判断力本身就是一种能力。杀死一个 AI 试点，有时候恰恰是为了保住下一个。
一个可参考的量级：根据公开报道的复盘样本，被拖死的试点平均延续 6～9 个月才叫停，而按标准果断叫停的试点，平均 3 个月内就有结论——前者对组织信心的伤害，是后者的数倍。拖延不是谨慎，是把一次小失败酿成一次组织级的信任危机。
结尾：一个开放式的问题
当全行业都在卷“试点成功率”的时候，也许更值得回答的问题是：你的组织有没有一套体面的认输机制？上面的三条红线里，哪一条在你的上一个 AI 试点里其实已经亮了，只是没人敢说出来？下一个被拖死的试点，会死在哪个环节——是数据，是业务，还是那份从来没人写过的失败标准？
作者：陈博士｜供应链研究员
