近日，Business Insider 援引亚马逊内部规划文件及聊天记录报道，亚马逊正在美国部分仓库测试基于机器学习的人员配置系统。该系统旨在通过算法优化员工岗位安排以提升运营效率。然而试点过程中，现场管理人员频繁绕过系统建议甚至要求关闭自动化功能，迫使亚马逊重新审视 AI 在仓库管理中的落地策略。
AI 负责排班，目标是降低运营成本
近年来，亚马逊在推进物流网络自动化的进程中，开始将人工智能应用于仓库人员调度。据内部规划文件显示，亚马逊正在测试多套劳动力管理系统：
- DOPLERS：根据业务需求计算人员配置方案；
- Full Facility Load Balancing（FFLB）：动态推荐员工跨区域调配；
- Right Link Station：自动记录支援岗位员工签到及工作情况。
这些系统结合订单量、包裹流量及实时运营数据，为管理人员生成排班建议。内部测算显示，若 FFLB 系统全面推广，预计每年可节省约 700 万工时，降低约 1.93 亿美元人工成本。不过亚马逊方面表示，该数据仅为理论估值，目前系统仍处于测试阶段。
现实并未按计划推进
系统上线后，现场执行情况与预期存在偏差。Business Insider 获取的 Slack 聊天记录显示，多位仓库经理曾要求关闭自动人员配置功能，或希望拥有自行关闭系统的权限。
在一次测试“强制执行”机制时，一名仓库经理直接留言要求立即关闭功能，产品经理随后回复将暂时禁用强制执行。这些记录反映出，部分一线管理者对 AI 自动调度存在明显抵触情绪。
管理层为何不信任算法？
内部讨论显示，管理人员的担忧并非针对 AI 技术本身，而是认为算法难以完全理解仓库现场的复杂动态。主要顾虑包括：
- 系统可能因包裹数量短暂下降而建议减员，忽略订单很快恢复的可能；
- AI 可能将员工调离真正紧急的工作区域；
- 员工频繁被重新调配，导致包裹在仓库内反复流转，反而降低整体效率。
此外，算法难以量化员工间的经验与能力差异。有经理举例指出，算法无法识别不同体型和年龄员工在特定任务上的效率差别。这反映出现场负责人普遍认为，仓库管理不仅依赖数据，更需长期积累的现场经验。
亚马逊认为，问题在于“人工干预”
与一线管理者的看法不同，亚马逊内部规划文件将矛头指向了人工修改行为。文件指出，向管理人员提供优化建议是必要的，但若无强制执行机制，人工修改和既有工作习惯会削弱算法模型的效果。
另一份文件强调，如果管理人员频繁修改 AI 建议，公司就无法准确评估算法本身的准确性。从亚马逊的角度来看，核心问题并非 AI 能力不足，而是算法始终未获得完整执行的机会。
2026 年路线图：逐步走向“强制执行”
内部路线图显示，亚马逊计划未来进一步减少人工干预，具体措施包括：
- 加强对人工修改行为的追踪；
- 限制管理人员偏离算法建议的幅度；
- 提高自动执行比例；
- 将“减少人工干预人员配置次数”列入成功指标。
规划文件明确提出，2026 年的最终目标是实现系统的“强制执行”。这意味着未来仓库管理人员在人员安排上的自主决策空间可能会进一步缩小。
亚马逊回应：目前仍是试点阶段
针对相关报道，亚马逊回应称，相关系统仅在少量美国仓库进行测试，目的是帮助管理人员根据包裹数量变化做出更一致的人员安排，而非取代管理者决策。亚马逊强调：
- 报道引用的是早期规划文件；
- 部分 Slack 讨论来自试点阶段，用于收集建设性反馈；
- 这些问题并非普遍存在，也不代表当前系统状态；
- 节省成本的数据仍属理论估算，公司会根据测试结果持续优化算法。
从机器人拣货、自动包装到如今尝试用 AI 优化仓库排班，亚马逊一直致力于将运营决策更多交给算法。此次曝光的内部文件表明，技术落地最大的挑战未必来自算法本身，而在于如何让一线管理者建立信任并改变长期形成的管理习惯。
对于跨境卖家而言，这场内部磨合同样值得关注。若 AI 人员调度未来能够成熟落地，亚马逊有望进一步提升 FBA 仓库运营效率、优化旺季履约能力并降低物流成本；但在系统仍处于试点和持续迭代阶段的情况下，距离全面改变仓库管理模式或许尚需时日。
