惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Hacker News - Newest:
Hacker News - Newest: "LLM"
N
News and Events Feed by Topic
PCI Perspectives
PCI Perspectives
Help Net Security
Help Net Security
C
CXSECURITY Database RSS Feed - CXSecurity.com
V2EX - 技术
V2EX - 技术
Google Online Security Blog
Google Online Security Blog
Hacker News: Ask HN
Hacker News: Ask HN
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
P
Palo Alto Networks Blog
The Last Watchdog
The Last Watchdog
C
Cyber Attacks, Cyber Crime and Cyber Security
Security Latest
Security Latest
Application and Cybersecurity Blog
Application and Cybersecurity Blog
W
WeLiveSecurity
Cloudbric
Cloudbric
O
OpenAI News
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
Webroot Blog
Webroot Blog
www.infosecurity-magazine.com
www.infosecurity-magazine.com
S
Schneier on Security
罗磊的独立博客
雷峰网
雷峰网
S
Security Affairs
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
L
LINUX DO - 热门话题
NISL@THU
NISL@THU
量子位
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
博客园 - 【当耐特】
博客园 - Franky
S
Security @ Cisco Blogs
Project Zero
Project Zero
AI
AI
T
Troy Hunt's Blog
Latest news
Latest news
Simon Willison's Weblog
Simon Willison's Weblog
S
SegmentFault 最新的问题
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
T
Tailwind CSS Blog
The Cloudflare Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Scott Helme
Scott Helme
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Jina AI
Jina AI
I
Intezer
V
Visual Studio Blog
Cyberwarzone
Cyberwarzone
博客园 - 叶小钗

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
聊聊AI Agent在供应链场景下的应用(上篇)
风叔 · 2024-08-12 · via 人人都是产品经理

从计划、采购、仓储到交付和退货,AI Agent的应用贯穿供应链的每一个环节,为企业带来了前所未有的效率提升和成本优化。本文将深入探讨AI Agent在供应链各环节的应用场景和潜在价值,为企业构建智能化供应链提供实践指南。

在前面的文章中,风叔通过5W1H分析框架详细介绍了AI Agent。

大佬们都在关注的AI Agent,到底是什么?用5W1H分析框架拆解AI Agent(上篇)

大佬们都在关注的AI Agent,到底是什么?用5W1H分析框架拆解AI Agent(中篇)

大佬们都在关注的AI Agent,到底是什么?用5W1H分析框架拆解AI Agent(下篇)

接下来,风叔会从行业实践的角度,详细介绍AI Agent在各个业务领域的应用场景,涵盖营销、供应链、门店、生产、财务、人力资源等环节。

一、计划

“凡事预则立,不预则废”,计划是驱动供应链的核心因素,贯穿在供应链的整个生命周期环节,包括销售计划、采购计划、生产计划和库存计划。

1. 销售计划

销售计划是指当产品开始售卖时,预计每个产品能有多少销量。销售计划的颗粒度可大可小,从整个企业层面,销售计划包括年度计划、季度计划和月度计划;在更细粒度的产品和门店层面,还可以制定周计划和日计划。

企业需要根据产品的保质期和用途,设立合理的销售计划颗粒度。比如在服装行业,因为服装的季节性,使用季度计划和月度计划比较合适;但是在餐饮行业,还需要细化到周计划和日计划,因为很多餐饮食材的保质期就只有1天。

销售计划是企业实际开展经营的总纲领。销售计划决定了需要采购多少原材料、配置多少库存、以及配送周期和数量。如果没有销售计划,产品卖出去多少都是抓瞎,最终的结果要么就是库存积压卖不出去,要么就是商品售罄供不应求,该赚的利润都没有赚到。

当然,销售计划也只是一个预估,和最终实际的销量不可能100%匹配,但我们需要做的就是尽量减少实际的误差。

销售计划的关键在于训练企业的销量预测模型,最简单的销量预测模型是线性回归模型。通过收集企业过去每个品类、每个门店的销售记录,拟合出影响销售额的核心关键因子的权重,比如品类、地区、门店、营销活动、价格、季节、天气等因素。

可以训练一个专门进行销售计划的AI Agent,其主要作用包括:

  • 对接企业的商品、订单、门店、优惠等数据;
  • 定期训练和更新销量预测模型,细化到门店和品类;
  • 将模型预测的结果以标准销售计划文档或表格形式输出,再由人工进行校对;
  • 支持对输入问题进行答复,比如数据源头、计算方式、各因子权重等;

2. 采购计划

采购计划是指企业需要提前采购多少原材料、找哪些供应商采购、采购周期是多久。

采购计划是跟着销售计划联动的,受到销售计划的指引。因为销售计划不一定准确,所以采购计划也需要保留一些buffer。同时,采购计划也需要考虑上游供应商的响应效率和成本。

对于采购计划,同样可以训练一个AI Agent,其主要作用包括:

  • 对接企业的供应商、商品BOM等数据;
  • 接收由销售计划Agent传递过来的详细销售计划文档,并进行解析;
  • 结合商品BOM清单、供应商成本和响应时间,输出标准采购计划清单,再由人工进行校对;
  • 支持对输入问题进行答复,比如数据源头、计算依据等;

3. 生产计划

生产计划是指,企业需要如何安排产品的制造和生产。

生产计划也是跟着销售计划联动的,同时也受到产能的制约。因为生产是将原材料正式变成产品的过程,产线一旦启动就比较难停下来。

所以,企业一定要提前安排好生产计划,每天生产多少、需要多少条产线支撑、需要多少工人等等。即使企业将生产环节外包出去,也务必需要和代工厂谈好生产计划。

对于零售批发业务,比如超市、便利店或电商平台,直接采购现成的商品进行售卖,则不需要考虑生产计划。

类似的,生产计划的AI Agent其主要作用包括:

  • 对接企业的生产管理系统;
  • 接收由销售计划Agent传递过来的详细销售计划文档,以及由采购Agent传递过来的采购计划文档,并进行解析;
  • 结合产能因素,输出标准生产计划,再由人工进行校对;
  • 支持对输入问题进行答复,比如数据源头、计算依据等;

4. 库存计划

库存计划是指企业需要准备多少产品库存,在什么仓位时需要补货。

库存是销售环节和生产、采购环节之间的缓冲,因为销售动作是实时的,而产品的生产和采购需要一定的时间,所以需要有合适的库存。

库存的数量不能太多,否则容易导致库存积压,产品卖不出去;库存的数量也不能太少,否则容易出现售罄,消费者的需求得不到即时响应。

库存计划的主要任务是计算四大类库存,周转库存、安全库存、过剩库存和风险库存。周转库存是业务正常经营用的库存,由周转周期决定,比如周转周期是一周,门店日常都会备一周的货,这就是周转库存;

安全库存是用来应对需求和供给的不确定性,也是最最重要的库存,是整个库存计划的核心;过剩库存是超出周转库存和安全库存,但是能够在一定时间内消化掉的库存;风险库存是整体库存中剩余的部分,即存在巨大风险,很难在短期被消化掉的库存,极易形成库存坏账。

库存计划的目标就是实现充足的周转库存和安全库存,以应对市场需求,但尽量消除过剩库存和风险库存。

我们也可以训练一个专门进行库存计划的AI Agent,其主要作用包括:

  • 对接企业的实时销售数据和采购数据;
  • 根据特定计算方式,为每个品类、每个门店计算上述四大库存;
  • 输出标准库存计划,再由人工进行校对;
  • 支持对输入问题进行答复,比如每个门店、品类的安全库存值、数据来源、计算方式等;

在上述内容中,大家不难发现,在计划环节,我们构建了4个AI Agent。为什么不直接使用一个AI Agent解决所有问题呢?

因为目前AI的规划能力还存在比较大的短板,只有将每个Agent的职责边界进行固化和缩小,才能保障Agent执行的准确性,以及方便我们追溯问题。这也是我们在每个AI Agent中,都要加入人工校对的原因。

二、采购

采购需要根据采购计划来拆解和执行,需要满足采购的7R原则。即需要在合适的时间(Right time)、选择合适的供应商(Right source)、以合适的价格(Right price)、购买合适数量(Right quality)和合适质量(Right quantity)的商品(Right Goods)、并配送到合适的地点(Right place)

一个完整的采购流程需要做好供应商管理和采购订单管理,这是两个最核心的环节。

1. 供应商管理

管理供应商的关键数据,包括供应商的商品、资质、单价、联系方式、供货周期和绩效等等。对于供应商的评估,需要从多个维度进行考量,包括供货价格、服务水平、响应时效及稳定性、网点分布情况、供应商规模、账期等等。

传统的供应商管理环节,需要大量且重复的人工操作,比如供应商寻源、检查供应商的各项资质和证书、供应商信息入库、供应商信息更新等。

供应商管理环节同样可以有专属的AI Agent,其主要作用包括:

  • 寻源:根据企业对供应商的要求,自动在特定网站爬取供应商基本信息;
  • 外呼:通过AI外呼自动联系供应商;
  • 检查:通过OCR等技术,自动检查供应商的各项资质和证书,进行筛选;
  • 入库:对于符合要求的供应商,进行人工核验后入库;
  • 更新:根据外部输入,自动更新和维护供应商信息;

2. 采购订单管理

管理具体的采购订单,订单记录了采购的供应商、商品、数量、价格和约定的到货时间。当供应商的商品到货,质量检查无误之后,需要关闭采购订单。

在传统的采购订单环节,也需要大量且重复的人工操作,比如联系供应商、下采购单、跟踪采购进度、催促供应商、到货商品检查等等。

因此,针对这个环节的AI Agent,其主要作用包括:

  • 下采购单:接收采购员或库存Agent的信息,自动向对应的供应商,下单特定数量的特定商品
  • 追踪进度:对接供应商的系统API,自动跟踪采购单的进展;
  • 催货:当进度不及预期时,自动拨打供应商电话进行催货;
  • 关单:到商品到货后,接收商品入库信号,自动关闭采购订单。

三、仓储(生产)

坦白说,对于商品的生产制造环节,风叔的理解也不是很深入,所以在这一小节先只讲仓储。

仓储是一个承上启下的环节,在业务经营中起着非常重要的作用。对于零售商,采购过来的商品,需要进行统一的存储和调拨。

对于生产商,采购的原材料在正式投产之前需要存储,生产出来的商品在往下游配送之前也需要存储。

尤其是在现在线上线下融合的时代趋势下,仓储的重要性愈发突出。一方面仓储需要为门店供应库存,当门店缺货时,需要从附近的区域仓请货;另一方面,对于门店无法配送的区域,还需要从仓库直接发货配送。

通常一个完整的仓储流程包括这几个环节:

  • 入库:入库是指采购、生产或者退货的商品进入仓库。仓库内的区域划分可以按照品类、型号、区域等方式,但需要满足入库区和出库区分离的原则,避免产生混乱。
  • 盘点:盘点是指库内作业,例如对商品进行清点、移库移位等操作,方便企业对自己的货品管理做到心里有数。
  • 出库:出库是指因为线上订单、门店订货等原因产生的商品调出仓库,商品出库一定需要有出库单,出库单需要和订单相关联。

还有一个概念稍微提一下,叫做中央库存。中央库存并不是一个物理意义上的库存,而是一个虚拟意义上的库存。它是指将企业分散在全国各地的仓库、门店库存进行集中管理和调度,避免出现各地仓库和门店各自为政的情况,更好的在全渠道模式下,满足消费者需求。

对于仓储管理,可以训练专属AI Agent,其主要作用包括:

  • 查询:仓库工作人员可以通过对话方式,向AI Agent查询某个商品或品类在哪个区域
  • 监测:监测商品的库存数量,当库存数量达到安全库存水位时,自动向采购Agent发起采购请求,或者发送提醒给仓库管理员或采购员
  • 检查:通过OCR技术对各项单据进行检查,比如入库单、出库单、调拨单等等,对异常信息进行提醒

四、交付

交付是企业将商品最终交付到消费者手上的过程,是整个供应链环节中和消费者产生实际接触的环节。所以交付环节体验的好坏,直接影响消费者对品牌的感受。

对于线下渠道来讲,交付主要是消费者进入门店后获得商品和服务的环节,消费者关心门店商品是否有货、购买是否顺畅。

影响门店端交付体验的,主要是门店的购物体验和有货率,购物体验和营销更相关,而有货率和供应链挂钩。

为了保障门店有货,通常门店都会有门店报货系统,门店店长基于门店销售和库存情况,决定报货下单量。更高阶的做法是,总部基于各个门店的销量和库存,自动进行补货。

在这个环节,我们可以为门店搭建三个Agent。

  • 需求预测Agent:专门基于门店历史销量数据,进行门店和品类的未来销量预测
  • 库存监控Agent:根据历史需求数据和供给数据,为门店计算每个品类的安全库存,并监控当前库存水平,给出预警,通知门店报货Agent进行补货
  • 门店报货Agent:根据库存监控Agent的输入信息,向企业总部发起报货请求

对于线上渠道来讲,交付是消费者在线上购买商品后,将商品从仓库或门店配送到消费者指定地点的过程。因此,我们还可以搭建一个物流追踪Agent,以对话机器人的形式,方便消费和查询配送进展。

五、退货

退货是前述环节的逆向过程,当消费者对交付的产品不满意时,会向产生交易的渠道退货,商品会退回到门店或仓库。

一个很自然而然联想到的AI Agent是售后客服Agent,主要有以下作用:

  • 解答消费者提出的关于产品和服务的问题;
  • 识别消费者情绪,当消费者情绪不佳时,立刻转人工;
  • 退货后,通过短信等形式自动向消费者发送补偿优惠券;

六、总结

本篇文章是AI Agent在供应链场景下的应用的上篇,从供应链五大环节出发,介绍了每个环节中AI Agent能够带来的提效。有很多细节在本篇文章中点到为止了,留到下篇文章中再进行详细阐述。

作者:风叔,微信公众号:风叔云

本文由@风叔 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。