你大概很难想象，在全球最大的电商仓库里，一套号称能提升供应链效率的AI管理系统，上线几分钟后，不是得到拥护，而是被一线经理求着工程师赶紧关掉。这是亚马逊在仓储人力管理自动化试点中发生的真实一幕，也撕开了大公司用算法提效的另一面——当代码试图指挥人，冲突往往在系统切换的第一秒就冒烟了。

商业内幕（Business Insider）获取的内部备忘录和对话显示，亚马逊早先效仿中国工厂的做法，在部分大型履约中心引入AI系统来辅助管理一线员工。初衷很清晰：消费者对更快配送的需求喷涌，电商巨头希望用算法优化人员排布、任务分配，把供应链的螺丝拧得更紧。但文件却描绘出另一幅图景：试点阶段，人类管理者正用自己的方式抵御这套数字上司。

打开网易新闻 查看精彩图片

亚马逊发言人如此为技术辩护：“经理们依然在做决策——这项技术只是给他们提供更好的信息，让他们能更明智地决定，同时腾出更多时间去支持团队。”从这个角度出发，AI扮演的是副驾驶角色：帮仓库主管看清数据，避免人工排班的盲区，理论上既能提效又能照顾到人的因素。公司也强调，文件只展现了一个“不完整的画面”，系统会不断迭代逻辑，需要时间、测试和反复打磨。

然而，被曝光的内部记录提供了另一种叙事。一份备忘录直言：“没有系统强制护栏，人工覆盖和习惯会侵蚀掉最好的科学。”这句话背后的事实是：管理者经常忽视软件的调度建议，有人专门寻找漏洞来绕开系统指令，甚至在某些时刻直接关掉相关组件。高管们承认，一开始提供的“最佳实践指南”根本不够，新科技的影响难以衡量，原因就是管理层压根没照着推荐走。正因如此，今年的一项核心目标被定为“硬执法”——也就是用系统级约束减少人为干预的空间。

系统刚切换就被人为叫停的极端案例，把这种摩擦推到了台前。一位经理不等AI热气还没散，就请求工程师关闭新上线的强制执行组件，给出的理由很直白：一线的人更了解货架之间正在发生什么，算法还没学会处理那些无法量化的突发情况。这种“我不跟从，是因为我比你更懂现场”的心态，成了仓库里人与AI共处的典型切片。

两种声音的对撞，其实指向同一个关键问题：当效率优化的权柄被部分移交给算法，一线管理者的经验与权威如何安放？正方看重的是数据面的提升——AI没有情绪，能持续发现人工难以捕捉的配置浪费，在长期运营中挤出几个百分点的边际收益。反方拿出的则是现场证据：初代系统的建议过于僵化，一旦脱离预设模式就容易失灵，强行要求遵守反而可能打断实际流程，把辅助变成了掣肘。

站在当下节点很难给这场试验下一个定论。一方面，任何复杂系统在早期测试出现大量人工覆盖和抵触，几乎是必经之路，不能简单等同于失败；亚马逊也表态会持续改进逻辑，拉长迭代周期。另一方面，如果“硬执法”意味着管理者被剥夺了最后的话事权，曾经能灵活调度的仓库运转节奏可能被程序锁死，在遇到黑天鹅问题时，背离了快速响应的本意。

值得冷静拆解的是，这件事并不是一个AI压倒人还是人抗拒AI的二元选择题。亚马逊的试点更像是揭示了算法与现场管理之间的能力边界——系统擅于在确定性的多维约束中算出最优解，而人类主管更擅长处理不确定性、进行临时权衡。一旦硬性耦合得太紧，任何一方的短板都会被放大。或许，真正需要迭代的不仅是AI的逻辑，还有人与系统之间那层“何种命令可被否决”的规则设计。