店长第三次在群里喊要货，那批货还躺在另一个区的仓里

先说句可能不中听的：做连锁的老板，十个里有八个，AI 第一步就上错了地方。

上哪儿了？上客服。给门店配个能聊天的助手，公众号里挂个智能问答，老板自己手机上装个问答 App。上线快，汇报时好看。但月底把账拉出来——省了几个人？省了几分钟？答不上来。

判断一件事值不值得先上 AI，我只用三条：每周都在重复、每次都要人拍板、拍错了要花钱。 按这三条筛，客服排不进前三。排第一的是另一件事：门店要货和仓间调拨。

早上八点半，三个群同时响

店长在门店要货群里发：某某货只剩三件了，今天得补。

仓管在仓管群里回：A 仓没货，B 仓还有两百多。

采购在供应商群里问：能不能明天到？

老板在第四个群里被 @ 了：B 仓那批货给谁？

然后是一串电话。谁先要的？上个月是不是调过一次？运费谁出？B 仓那批货的批次比新采购的贵还是便宜？

半小时过去，货定了。第二天，另一个店长问同样的问题。

月末还有一轮。采购单、入库单、对账单三张纸对不上，财务挨个发微信问。一张单子差两百块，来回问三天。

这就是很多连锁老板真实的日常。不戏剧，但每天都在发生，每天都在吃掉人。

卡住的地方，从来不是"记不下来"

ERP 早把调拨单记下来了。它记不下的是"为什么"。

为什么这箱货给了 A 店没给 B 店？因为 A 店在商场里，周末流量大。为什么不干脆让供应商直发？因为没到起订量。为什么不换一家供应商？因为账期差着二十天。

这些理由，一条都没进过系统。它们在老板脑子里，在干了八年的老仓管脑子里，在店长发消息时的语气里。

9 月 11 日，爱分析发过一篇对谈，里头有句话我看了两遍：企业 AI 落地最大的瓶颈，不是模型不够聪明，而是 AI 不认识你的企业。它不知道一家公司里有哪些业务对象、对象之间什么关系、数据和操作分布在哪里。所以文档问答走不进经营分析，幻觉也根除不掉。

放在调拨这件事上，准确得吓人。你给模型再多的算力，它也不知道你那个 B 仓在城市的哪一头，不知道跨区调一趟的运费是多少，更不知道该不该给那个总喊着要货、但周转最慢的店。

那代价具体是多少？算三笔。

一笔是时间。一张调拨单从提出到发出，中间要经过几个人、几个群、几通电话，你自己数。按一天三五张算，一年就是一千多次。

一笔是钱。跨区调拨的运费和就近采购的价差，从来没算过；紧急采购的溢价，算不清；一边是滞销店压着的库存，一边是缺货店丢掉的门票，两头都在流血。

第三笔最贵，是老板本人。你出差三天，这件事就停三天。

接进去之后，流程长什么样

不是"上个系统"。是三步，顺序不能反。

第一步，先把对象和关系列出来。 店、仓、SKU、供应商、账期、起订量、运费规则、谁有审批权——写成一张表。这一步不需要 AI，用 Excel 都行，但必须做。这就是爱分析说的那张"地图"。不做地图就上模型，等于让司机蒙着眼开车。

第二步，把每天拍板的判断变成规则。 安全库存低于多少触发补货；跨区运费超过某条线就改成当地采购；账期到期前多少天挂提醒；某个店连续四周周转垫底，要货量打八折。规则是人写的，机器负责执行、提醒、留痕。

第三步，让智能体每天固定时间跑。 早上七点把各店要货汇总，按规则生成调拨建议和采购建议，谁看谁点头；应付那边自动做三单匹配，对不上的挂出来给人处理。

常熟农商银行公开过一个案例，路径几乎一样。他们把一个审批流程拆成客户前置审查、准入、主体审查、用途审查等标准化节点，再把流水分析、征信解析这些工具接进去。结果是，AI 做流水解析的时间从 3 小时压到 3 分钟，模型准确率 85%，日均审批 200 笔，自动化通过率 85%。

但这里有个数字，我觉得比前面几个都重要：审批意见的业务采纳率，只有约 55%。

一半多一点。这不是失败，这是真实的分工位置。它没替人做决定，它把人从核对材料里拽出来，让人有时间去判断剩下那部分。指望 AI 全自动拍板是幻想，指望它干掉八成案头活是现实。

最容易翻车的四个地方

账实不符就上。 ERP 里的库存数和货架上的数对不上，你让 AI 去调拨，它调的是账，不是货。上了之后你会发现错得更快。

规则只停在会议纪要里。 开会定了一堆规矩，没人执行，AI 拿到的还是乱数据，学出来的还是乱建议。

一上来就想端到端全自动。 分析完给人确认、一键执行，和 AI 自主执行，是两个风险等级的事。爱分析那篇里讲得很直白：企业愿意让 AI 提供建议，和愿意让 AI 直接动关键业务，中间隔着一条河。

改人的习惯比改系统难。 真正干活的人已经在原来的系统里干惯了。改变岗位流程、界面习惯，还有那些已经沉下去的时间成本，不会因为技术可行就自动发生。

"我们 ERP 都有了，还上这个干什么"

这是我最常听到的反方说法，也是我认为最站不住的一条。

ERP 是记账的地方，不是做判断的地方。它记录"发生了一次调拨"，但它永远不知道"这次调拨该不该发生"。判断这件事从来没进过系统——它进了老板的脑子。

所以"我有 ERP 了"这句话，等于说"我有一本账，所以我不用想事了"。

今年外滩大会上，万事达卡的首席产品官林岳说了段话，逻辑一模一样。他说他大量用 AI 来"发现"商品，却始终没从发现走到支付。不是不想，是整个支付链路的底层设施都是为电子商务时代设计的，发起付款的主体是消费者或商家，现在要换成智能体，得把整套体系改一遍，还得让人愿意托付。

不是模型不行，是底下那条链路本来就不是为它准备的。你的调拨也是一样。

顺便说一句，工具这头的门槛在快速下降。今年 6 月，广东印发了一份促进词元经济发展的文件；汕头搞了个面向本地产业的智能体平台，企业用零代码界面就能定制功能，开发周期从 3 个月压到 1 个月，智能化改造成本降了 30%。

这话的意思不是"赶紧上"，而是：成本已经不是主要矛盾了，主要矛盾在你这边——你愿不愿意花三天，把规矩写清楚。

这笔账你算一下

调拨只是第一刀。但这一刀切开的东西是可以复用的：门店、仓、SKU、供应商、账期、审批权，这张表建起来之后，采购比价能用它，应付对账能用它，门店报损能用它，以后做选品、做门店画像，还是用它。

我们在这个场景里干活的时候，第一周基本不碰模型。全在跟老板和一个干了八年的老仓管对单子，一条一条问：这种情况你怎么办？那种情况呢？对完了，模型半天就能接上。对不完，接十个模型也是白接。

所以别问"AI 能帮我干什么"。

问另一个问题：我公司里哪件事，是每周都在重复、每次都要人拍板、拍错了要花钱的？

把这件事的规矩写下来，写到新来的文员照着就能干的程度。这份东西，才是 AI 进你公司的门票。