- 4 周 从签约到 AI 上线生产的时间
- 78% 上线时的异常路由准确率
- 260 至 80 每周工时(前/后)
有哪些变化
- 从签约到 AI 上线生产的时间
- 4 周
- 上线时的异常路由准确率
- 78%
- 每周工时(前/后)
- 260 至 80
- 异常处理平均时间
- 8 分钟至 2 分钟
- 所需的额外人手
- 0 美元
- 取代 40 页演示文稿的现场演示
- 1
当时的情况
一家拥有 400 名员工、董事会层面批准 500,000 美元 AI 预算的英国物流公司,已经花了六个月尝试落地 AI。他们聘请了一位 AI 战略顾问,评估了 12 家供应商,入围 3 家,启动了两个概念验证项目,然后双双放弃,并产出了一份 40 页的战略演示文稿。没有任何东西在生产环境中运行。这是常态,而非例外:2025 年 S&P Global 对一千多家企业的调查发现,42% 的企业已放弃了大部分 AI 计划,高于前一年的 17%,而平均每家组织在概念验证进入生产之前就废弃了其中 46%。董事会正在失去耐心。本应从这笔 AI 投资中受益的运营团队,已经停止参加 AI 督导会议,因为他们不相信会有任何东西真正交付。
真正出问题的地方
根本问题在于范围。这份 AI 战略演示文稿涵盖了四个部门的七个用例。每个用例都有商业论证、供应商推荐和时间表。但没有人提出最重要的问题:我们先构建哪一个,对那一件事来说"完成"意味着什么?该战略把全部七个用例当作一个需要并行交付的组合。在实践中,这意味着每次会议都变成了关于相对优先级、供应商选择以及在七个计划之间分配资源的辩论。没有任何一个计划拥有足够的专注度或资源来进入生产。McKinsey 2025 年的 AI 调查发现,报告获得显著财务回报的组织,在选择建模技术之前重新设计端到端工作流程的可能性要高出一倍。这份演示文稿颠倒了这个顺序:它为七个从未真正重新设计过的工作流程挑选了供应商和架构。
两个被放弃的概念验证清楚地说明了问题。第一个是需求预测模型,需要先清洗并标准化 18 个月的历史数据才能开始训练。数据团队仅为数据准备就估算了三个月。该项目在第二个月被搁置,因为数据清洗比预期复杂得多。第二个是客户服务聊天机器人,需要与七个内部系统集成。集成工作估算为四个月。该项目在第一个月被搁置,因为第一个集成花了三周而不是估算的三天。两者都遵循了教科书式的失败模式:一个建立在干净样本数据上的演示,一旦遇到实时系统和杂乱的生产记录就会崩溃。行业研究对这一差距毫不留情。在那些确实进入生产的 AI 概念验证中,从原型到上线系统的平均历程约需八个月,而大多数根本走不完这段路。
运营团队的痛点最为尖锐。他们每周处理大约 2,000 起配送异常:延误、错误路由或损坏的包裹。每起异常都需要一名人工操作员审查细节、确定合适的处理流程,并手动将其路由到正确的团队。这一流程平均每起异常耗时 8 分钟,每周消耗约 260 工时。运营总监已经要求自动化两年了。这项工作正是机器学习擅长的那种结构化、重复性的分类:读取少量异常属性并将其映射到正确的处理流程,这与 2026 年物流平台如今所自动化的分诊相同,可以从被动救火转向主动路由。这份 AI 战略演示文稿将其列为七个用例中的第五个,计划在第四季度进行。运营团队已经放弃了等待。
一步一步
单一用例研讨会
我们与运营总监、数据团队负责人和 CTO 进行了一场两小时的研讨会。目标是识别出一个满足三项标准的用例:高业务影响、有可用的训练数据,以及四周内可达成。配送异常路由在这三项上得分最高。数据已经在运营数据库中结构化,业务影响可量化(每周 260 工时),而匹配逻辑是基于模式而非生成式的,这意味着采用更简单的模型架构即可。四周的上限是刻意为之的。一个你无法在一个月内交付的用例,通常是一个尚未充分收窄的用例,而一个停滞的试点除了让组织认为"AI 在这里行不通"之外,什么也教不了。
数据验证与模型架构
我们花了三天验证异常数据:18 个月的已解决异常,附带操作员备注、处理代码和路由决策。数据足够干净,无需大量预处理即可训练。我们选择了一个分类模型,将异常属性(类型、承运商、起点、终点、价值)映射到处理流程。不需要 LLM,不需要提示工程,也没有随用量增长的 token 成本。这是整个行业一再重新学到的模式:物流领域最好的结果来自将经典运营方法与历史数据和一个聚焦的模型相结合,而不是去追求可用的最大系统。这个模型需要准确,而非有创造力。
可运行的集成构建
该集成被构建为与现有的手动流程并行运行,而非取而代之。当一起新异常进来时,模型会预测处理流程并预填充路由字段。操作员可以一键接受建议,也可以将其覆盖。这就是生产环境中的 AI 团队如今视为默认做法的"人在回路"设计:模型提议,由人来定夺,而每一次覆盖都被捕获为带标签的训练信号,而不是消失在工作流程中。这意味着模型可以在不给现有运营带来任何风险的情况下部署。错误的预测只会被纠正,而这些纠正会随着时间直接反馈到模型中。
生产部署与度量
该集成在第三周部署到生产环境。到第四周,模型在无需操作员干预的情况下正确路由了 78% 的异常。剩余的 22% 需要人工审查,但即使操作员更改了路由,预填充的字段仍然节省了时间。运营团队从每起异常 8 分钟降到平均不到 2 分钟。每周工时从 260 降至约 80,为那些确实需要人工判断的异常释放了大约 180 小时/周。运营总监向董事会进行了现场演示,而不是惯常的幻灯片。
用他们的话说
我们花了八个月谈论 AI。你们三周就交付了东西。当运营团队看到路由预测真正运行时,他们站起来鼓掌。我从没在督导会议上见过这种场面。
您在第一次会议上会问的一切
你们总是建议从单一用例开始吗?
是的。我们见过的每一个成功的 AI 计划,都是从一个定义明确、能快速进入生产的单一用例开始的。试图同时覆盖多个用例的宽泛战略始终会陷入停滞,这也是已公布的企业失败率如此之高的原因之一。先交付一件事,在真实运营中证明其价值,然后从一个可运行的基础而非一张幻灯片上去扩展。
准确率随时间提高了吗?
是的。随着操作员的纠正提供了额外的训练数据,模型准确率从上线时的 78% 提升到 8 周后的 89%。反馈回路从第一天起就内建在工作流程中,因此每一次接受和每一次覆盖都让下一次预测变得更好。没有这种回路的模型往往会随着真实世界数据的变化而朝相反方向漂移;而这个模型恰恰因为纠正有一条返回训练的路径而得以改进。
如果我们没有干净的历史数据怎么办?
数据质量是 AI 项目最常见的障碍。如果数据不干净,我们会先规划一个数据准备冲刺。我们对时间表是诚实的:如果数据准备需要 8 周,我们就说 8 周,而不是 2 周。数据准备不足是 AI 计划被放弃时被引用最多的原因,所以我们宁愿准确估算它,也不愿在第三周才发现它。这家物流公司拥有 18 个月干净、结构化的异常数据,这正是 4 周时间表成为可能的原因。
你们是构建定制模型还是使用现成的 AI?
这取决于用例。对于这个项目,定制分类模型是正确的选择,因为问题定义明确且数据是结构化的。对于其他项目,在更合适的场合我们会使用 OpenAI、Anthropic 或开源模型。对于像这样的固定类别路由任务,生成式模型会更慢、更贵且更不准确。技术选择服从于问题定义,而不是反过来。
作者Kostadin Stamboliev创始人兼 Imaginator
发布于