AI时代做物流仓储系统，90%的坑都出在需求

一家物流企业砸钱上了套智能仓储系统。大屏炫酷，机器人满地跑。

结果上线第一天就乱了套。拣货员抱怨推荐路线更远，戴着厚手套根本点不准屏幕。AI 补货建议让畅销品频繁缺货，滞销品却堆满货架。搬运机器人和人工叉车在通道里“打架”。仓管不敢执行建议，因为不知道它为什么这么推荐。

技术团队复盘时很委屈：“模型准确率不低，需求也和部门确认过。”

真相是需求从一开始就没对准业务问题。AI 只是把错误执行得更快、更贵。

很多团队一上来就列功能清单。这其实把手段当成了目标。正确的做法是先定义业务能力：到底要交付什么能力，产生什么业务成果？

比如作为仓储规划经理，我希望系统自动生成库位调整建议。以便将拣货行走距离降低 20%。成功标准是人均每小时拣货行数提升 15%。

这里没提用什么深度学习还是运筹优化。先谈业务成果，再谈技术手段。

AI 时代最大的陷阱，就是直接让大模型“扮演仓管”生成需求。它可能混入大量通用常识，却漏掉企业特有的约束。

因此传统需求引导依然不可替代。面谈、问卷、跟班观察，把隐性经验显性化。最后让一线员工提前试用，把性能、可解释性等非功能性需求写进文档。

算法日益廉价的未来，提出正确问题的能力才是最稀缺的竞争力。