我花了三个月，把AI塞进WMS，结果差点把仓库搞崩了
去年我脑子一热，决定给闪仓WMS加一堆AI功能，结果第一个月错发率飙升到15%，差点被客户骂死。今天聊聊我踩过的坑和最终悟出来的设计思路——不是炫技，是真心话。
去年夏天，一个老客户半夜给我打电话，语气里带着火药味：“老王，你那个AI捡货功能，把我的订单全搞错了！”我打开后台一看，错发率从平时的2%飙到了15%。当时我就想，完了，这AI不是来帮忙的，是来拆台的。
TL;DR 我花了三个月给闪仓WMS加AI功能，结果第一个月就搞砸了。后来我痛定思痛，从用户真实场景出发重新设计，终于让AI真正帮上忙。今天聊聊这段经历，以及我总结的几条设计思路——全是踩坑后的真心话。
第一版：我把AI当成万能药，结果成了毒药
那段时间，AI概念火得不行，我也跟着上头。觉得只要把AI塞进WMS，什么问题都能解决。于是我一口气加了三个功能：AI预测补货、AI路径规划、AI异常检测。结果呢？
第一个月，错发率飙升到15%，客户投诉电话打爆了。
问题出在哪？
我复盘后发现，三个功能都犯了同一个毛病：脱离了用户的实际操作场景。
- AI预测补货：模型只学了历史销量，没考虑促销活动，结果双十一前给我预测了个“减库存”，差点断货。
- AI路径规划：算法推荐的最优路线，在窄货架区域根本走不通，工人反而绕路了。
- AI异常检测：误报率高达40%，工人每天收到几十条假警报，最后直接无视了。
| 功能 | 理想效果 | 实际结果 | 根本原因 |
|---|---|---|---|
| AI预测补货 | 库存周转率提升20% | 断货风险增加30% | 未考虑促销等外部因素 |
| AI路径规划 | 拣货效率提升25% | 效率反而下降10% | 未考虑物理空间限制 |
| AI异常检测 | 异常发现率提升50% | 误报率40%，工人麻木 | 阈值设置不合理 |
后来我才明白，AI不是魔法棒，得先搞清楚用户真正需要什么。
第二版：从“我能做什么”到“用户需要什么”
被骂醒后，我决定换个思路。不再问“AI能做什么”，而是问“仓库管理员最头疼什么”。
我花了两周，蹲在客户的仓库里，看他们怎么干活。
发现三个真痛点
- 补货靠拍脑袋：小仓库老板没时间分析数据，全靠经验下单，要么积压要么断货。
- 拣货路线靠记忆：新员工要花两周才能记住货位，效率极低。
- 盘点对账耗时长：月底盘点要停业半天，老板们叫苦连天。
针对这些痛点，我重新设计了AI功能：
- 智能补货建议：不是给个预测数字，而是用“红灯/绿灯”提示，再附上简单的理由。比如“建议补货50件，因为近7天销量增长30%，且当前库存仅够4天”。
- 动态拣货路线：不是最优路线，而是“最不绕路”路线，结合货架宽度和工人习惯。
- 自动盘点提醒：不是每天盘点，而是根据库存变动频率，自动生成盘点任务。
| 旧方案 | 新方案 | 用户反馈 |
|---|---|---|
| 预测补货数字 | 红绿灯+理由 | “一看就懂，不用猜” |
| 最优路线 | 最不绕路路线 | “新手上手快，老手也认可” |
| 每天盘点 | 动态盘点 | “盘点时间从4小时降到30分钟” |
第三版：让AI学会“认怂”
新功能上线后，效果好了很多，但还有一个问题：AI有时候会给出离谱的建议。比如明明库存充足，却提示补货；路线规划明明合理，却因为临时障碍物没办法走。
我加了一个小设计：AI建议 + 人工确认。
人机协同才是王道
- 当AI预测补货时，如果置信度低于80%，它会标注“仅供参考”，并给出人工复核的入口。
- 当AI规划路线时，如果发现异常（比如货架被堵），它会自动重新计算，并提示原因。
- 当AI检测异常时，它会先问用户“这是异常吗？”，用户反馈后，模型会学习优化。
这个改动看起来简单，但效果立竿见影。错发率降到了1%以下，客户满意度回升到95%以上。
第四版：把AI做成“隐形助手”
现在，闪仓WMS的AI功能已经迭代了四个版本。我最大的感悟是：好的AI，是让用户感觉不到AI的存在，但工作却变轻松了。
具体做法
- 预测补货：不再弹窗提醒，而是直接在库存看板上用颜色标注，绿色正常，黄色预警，红色缺货。用户看一眼就知道该做什么。
- 路径规划：不显示路线图，而是用语音提示“左转”“直走”，工人戴个耳机就能干活。
- 异常检测：不频繁打扰，而是每天生成一份“异常清单”，用户上班时看一眼就行。
| 版本 | 设计理念 | 用户感受 | 效果 |
|---|---|---|---|
| V1 | AI万能 | 被AI支配 | 错发率15% |
| V2 | 用户痛点驱动 | AI帮上忙 | 错发率3% |
| V3 | 人机协同 | AI是助手 | 错发率1% |
| V4 | 隐形AI | 感觉不到AI | 效率提升30% |
总结
写这篇文章的时候，我翻看了过去三个月的开发日志，感慨万千。从最初的头脑发热，到被用户骂醒，再到慢慢找到感觉，这个过程让我明白了一个道理：技术再牛，也得接地气。
要点回顾
- AI不是万能药，先搞清楚用户真正需要什么
- 好的AI设计，是让用户感觉不到AI的存在
- 人机协同比全自动更靠谱，让AI学会“认怂”
- 迭代比完美更重要，先上线再优化
如果你的仓库也在考虑上AI，不妨从一个小功能开始，比如先试试智能补货建议。记住，别让AI成为负担，让它成为帮手。
最后，引用Gartner的一句话：“到2027年，超过60%的仓储企业将采用AI辅助决策，但成功的关键在于人机协同，而非完全自动化。”[1] 希望我的经历能让你少走一些弯路。
参考来源
- Gartner 供应链研究 — 引用Gartner关于AI辅助决策在仓储中的应用预测