在围绕人工智能“是否为泡沫”的讨论中，供应链和物流行业已成为该技术落地的沃土。Flexport、Uber Freight及数十家初创企业正开发多元应用并赢得蓝筹客户。
尽管AI已助力《财富》500强企业提升利润，但其正确应用对小型企业的价值同样显著。成立于2009年的库存管理软件公司Netstock便致力于此。
机会引擎：实时建议驱动降本增效
Netstock近期推出嵌入现有仪表板的生成式AI工具“机会引擎”（Opportunity Engine）。该工具从客户ERP中提取信息，提供定期、实时的优化建议。
Netstock称该工具已为企业节省数千美元。周四数据显示，其已累计提供100万条建议，75%的客户收到了价值5万美元以上的优化方案。
老牌企业的审慎拥抱：从黑箱到辅助工具
经营65年的家族餐饮供应公司Bargreen Ellingson最初对AI持谨慎态度。首席创新官Jacob Moody表示，老牌家族企业不信任盲目变革，无法接受让“黑箱”直接接管仓库管理。
Moody将Netstock AI定位为仓库经理“可选用”的辅助工具，采取“急切但谨慎”的试探策略。这有助于避免错误，因AI能筛选海量报告，在非工作时间迅速“从噪音中提炼信号”。尽管摘要并非100%准确，但效率显著提升。
赋能基层员工：洞察与经验结合
更深远的影响在于提升了资历较浅员工的效率。一名高中学历、入职两年的仓库员工虽无大学学位，但熟悉客户与装车细节。借助AI驱动的平凡洞察，他能快速判断系统建议的合理性，从而增强掌控感。
数据驱动与克制设计：拒绝眼球经济
Netstock联合创始人Barry Kukkuk指出，产品成功源于十余年积累的零售、分销及轻型制造数据。这些数据受ISO框架严格保护，是推荐模型的核心驱动力。
模型通过点赞/点踩及客户采纳行为进行强化学习。与社交媒体追求流量不同，Netstock关注的是“客户最终结果”。Kukkuk强调，当前生成式AI存在局限，过度开放对话可能导致准确性下降和模型“胡编乱造”，因此需小心翼翼把握平衡。
Opportunity Engine在仪表板中醒目但不强制，区别于Google Docs强行推送AI功能的做法。Moody赞赏这种非咄咄逼人的设计，明确表示AI不会在未获人类确认前做出库存决策。“若未来能与90%的建议达成一致，才可能移交控制权，但目前尚未达到。”
未来展望：保留核心知识至关重要
这是一个充满希望的开端，尤其当许多企业的生成式AI部署仍停滞不前时。但Moody对未来影响仍存担忧，推测数据科学专家需求或减少。
他强调，即使岗位调整，保留深刻理解理论并能阐释AI推荐逻辑的人才依然关键，以确保企业“不会盲目走上错误的道路”。