在围绕人工智能是否泡沫化的讨论中，供应链与物流行业已成为这项技术真正落地的试验场。Flexport、Uber Freight及数十家初创企业正在开发不同应用方案，并成功获得蓝筹客户。虽然人工智能帮助《财富》500强企业提升利润（并为下一轮裁员向华尔街提供理由），但这项技术的正确运用对中小企业同样具有重要价值。
成立于2009年的库存管理软件公司Netstock正致力于此。该公司近期推出了名为“机遇引擎”的生成式人工智能工具，可直接嵌入现有客户仪表板。该工具从客户的企业资源规划软件中提取信息，并利用这些数据提供定期、实时的决策建议。
Netstock宣称该工具能为企业节省数万美元。本周四，公司宣布已累计提供100万条建议，其中75%的客户获得了价值5万美元以上的机遇引擎建议。
尽管前景诱人，但客户之一——拥有65年历史的家族式餐饮供应企业Bargreen Ellingson——最初对使用人工智能产品心存疑虑。“传统家族企业不会轻率相信变革，”首席创新官雅各布·穆迪向TechCrunch表示，“我不可能直接去仓库宣布‘这个黑盒子将开始管理库存’。”
穆迪将Netstock的人工智能定位为仓库经理“可选择使用或不用”的工具，他将这个过程描述为“怀着期待但谨慎地试水人工智能”。
穆迪表示该工具有助于避免失误，部分原因在于它能梳理员工用于库存决策的大量报告。他承认人工智能的信息摘要并非100%准确，但强调其能“快速从杂音中识别信号”，尤其在非工作时间效果显著。
穆迪注意到更深刻的变化在于：该软件使Bargreen Ellingson资历较浅的仓库员工“效率显著提升”。他以某仓库一位仅有高中学历的两年资历员工为例：“虽然他需要时间学习所有库存管理工具和预测系统，但他熟悉客户需求与日常发货流程。现在他能通过系统获得直观的人工智能洞察，快速判断建议是否合理——这让他获得了赋能感。”
Netstock联合创始人巴里·库库克坦言理解人们对新技术的犹豫——尤其当许多产品只是附加在现有软件上的平庸聊天机器人。他将“机遇引擎”的成功归因于三个因素：公司积累超过10年的零售商、分销商和轻制造商数据；这些遵循ISO框架严格保护的数据为推荐模型提供动力；以及结合开源社区和私营企业人工智能技术的混合架构。
虽然每条建议都可进行好评/差评评级，但模型主要通过用户是否采纳建议来强化学习。库库克指出，这种强化学习在社交媒体领域可能导致怪异甚至有害的结果，但他们追求的是不同目标：“我们不在乎眼球经济，只关注为客户创造实际价值。”
出于对当前生成式人工智能局限性的考量，库库克对扩展交互功能持谨慎态度。虽然让客户与人工智能对话探讨建议合理性看似合理，但可能导致准确性下降：“这是在走钢丝——给用户和大型语言模型越多自由，幻觉风险就越大。”
这解释了为何机遇引擎被置于Netstock标准仪表板的显眼但可轻松关闭的位置。与Google Docs强行推送20项人工智能功能的方式截然不同，穆迪十分欣赏这种非侵入式设计：“所有人工智能建议必须经人工审核确认后才能执行。当建议采纳率达到90%时，我们才会考虑授予系统更多控制权——但目前远未达到这个阶段。”
当众多企业级生成式人工智能应用陷入停滞时，这无疑是个充满希望的开端。但穆迪也对技术发展带来的影响表示担忧：“我担心这意味着一场重大变革，没人能预测Bargreen的未来形态。”他认为这可能减少对数据科学专家的需求，但强调即使将员工调往总部，保存企业知识仍然至关重要。
企业始终需要“深刻理解理论哲学、能理性分析Netstock推荐逻辑的人才”，确保不会“盲目走向错误的方向”。
