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

Google DeepMind News
Google DeepMind News
爱范儿
爱范儿
J
Java Code Geeks
L
LangChain Blog
V
V2EX
大猫的无限游戏
大猫的无限游戏
S
SegmentFault 最新的问题
博客园 - Franky
Microsoft Azure Blog
Microsoft Azure Blog
Jina AI
Jina AI
Blog — PlanetScale
Blog — PlanetScale
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
The Cloudflare Blog
博客园 - 司徒正美
B
Blog
G
Google Developers Blog
Stack Overflow Blog
Stack Overflow Blog
罗磊的独立博客
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Apple Machine Learning Research
Apple Machine Learning Research
Engineering at Meta
Engineering at Meta
MyScale Blog
MyScale Blog
有赞技术团队
有赞技术团队
Hugging Face - Blog
Hugging Face - Blog

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,
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。