这两年,几乎所有做供应链的人都绕不开一个话题:AI。
很多公司都已经开始尝试把 AI 用到需求预测、库存管理、补货建议、异常预警这些环节里。老板的期待通常也很直接:既然上了 AI,库存应该更健康,缺货应该更少,计划应该更准,团队应该更轻松。
但现实里,很多团队遇到的情况却是另一种画风:AI 上了,库存还是没降;预警更多了,缺货还是照样发生;系统更复杂了,Planner 还是在群里解释半天。
这时候,问题往往不是“AI 不够聪明”,而是它接到的业务链路,本来就没有理顺。
很多人对供应链 AI 的想象,其实很顺滑:输入销售数据,输出预测结果,系统自动补货,然后库存下降、缺货减少,业务效率自然提升。
这个逻辑听起来没问题,但真实业务并不是一条直线。供应链本来就是一个由多个部门、多种口径、很多例外和大量权衡组成的系统。如果底层逻辑没搭好,AI 只会把原本就存在的问题更快地放大出来。
在实际落地里,供应链 AI 最容易先卡在四道坎。

第一道坎,是数据口径没统一。
很多公司内部,销售、财务、供应链、渠道团队看似都在讨论“销量”,但每个人看的东西可能根本不是同一个数。有人看 sell-in,有人看 sell-out,有人看开票,有人看出库,还有人看 GMV。
如果连“我们到底在看什么”都没有先对齐,AI 再强,也只能在混乱的输入上给出看似高级、但不一定可靠的输出。
换句话说,AI 不是来帮公司猜定义的。
它只能基于你给它的数据做判断,而不是替你先解决组织内部的口径分歧。
第二道坎,是需求信号本来就被污染了。
很多企业在谈预测时,默认历史销量就代表真实需求。但实际并不是这样。
缺货带来的销量损失,不等于需求下降;促销期间突然拉高的销量,也不代表自然需求真的增长;渠道压货、提前下单、一次性大单、异常退货,这些都会让需求信号发生偏移。
如果这些因素没有先被拆解、标记或校正,AI 学到的就不一定是“需求”,而更可能是一堆业务噪音。
最后预测数字也许看起来很像那么回事,但业务执行时还是会发现:该缺的还是缺,该多的还是多。
所以很多时候,不是预测模型不行,而是输入给模型的需求信号本身就不干净。
第三道坎,是补货规则没接上。
这是很多非供应链背景的人最容易忽略的一点。
预测结果只是在回答“可能会卖多少”,但补货决策回答的是“到底补多少、什么时候补、补到哪里”。这中间隔着一整套业务规则:MOQ、lead time、安全库存、仓库容量、在途库存、资金压力、品类优先级、渠道优先级,甚至还有一些组织内默认但未被写清楚的经验判断。
也就是说,预测并不自动等于补货。
如果这些规则没有被明确表达出来,或者还大量依赖老员工经验、拍脑袋判断、群聊协调,那么 AI 给出的建议就很难真正落到执行层。
它可以给一个数,但业务到底敢不敢用、怎么用、谁来拍板,仍然是另外一回事。
很多团队不是缺一个“更聪明的预测工具”,而是缺一套能承接预测结果的补货逻辑。
第四道坎,是异常没人接。
这是最容易被低估、但也最真实的一道坎。
很多系统都能做预警,AI 当然也能发现异常,比如某个 SKU 的风险升高了、某个渠道的库存偏低了、某个需求变化开始偏离正常区间了。
但发现异常,不等于问题被解决。
如果后面没有明确的人去跟进、判断、处理、复盘,那么这个预警本质上就只是一条提醒。
很多公司看起来是“有系统、有看板、有 AI”,但真正的问题在于责任闭环没有建立起来。
谁来判断?谁来协调?谁来推动执行?谁对最终结果负责?如果这些问题没有答案,再高级的系统也只能停留在“看见问题”,而不是“解决问题”。
所以说到底,AI 时代对供应链提出的挑战,其实并没有变。
真正的问题不是“你有没有上 AI”,而是“你的业务基本功,配不配得上你的技术投入”。
如果企业真想让 AI 在供应链里发挥作用,至少要先把四件事补上。

第一,统一数据语言。
把关键指标和业务定义先对齐。什么叫销量,什么叫库存,什么叫缺货,什么叫有效需求,最好在组织内部有一套明确共识,而不是各说各话。
第二,清洗需求信号。
把真实需求和促销、缺货、异常波动这些因素尽量拆开,让模型看到更接近业务真相的数据,而不是被扭曲过的结果。
第三,显性化补货规则。
把那些原本只存在于个别人脑子里的经验,尽量整理成清晰、可执行、可复盘的规则。这样 AI 的输出才能真正被接住,而不是停留在建议层面。
第四,建立责任闭环。
每个预警都应该有人跟进、有人执行、有人复盘。否则系统只会让你更早地看到问题,却不会自动帮你把问题处理掉。
我越来越觉得,AI 对供应链真正有价值的地方,不是把 Planner 变没,而是把 Planner 从重复拉数、对口径、催流程、解释偏差这些低价值动作里解放出来,让人把精力更多放在判断和决策上。
但这个前提始终没变:流程得先跑顺,规则得先讲清,责任得先接起来。
否则,AI 再贵,也可能只是一个更高级的提醒器。
甚至更扎心一点,它可能只是一个昂贵的显示器。
夜雨聆风