判断可以交出去，但不能悬空：AI 供应链的决策三件套

高大上的词，让判断看起来像有着落

十月下旬，一位老友从杭州过来，晚上一起吃饭。他在纺织业创业多年，是我眼中的企业家，那天凌晨就起来赶飞机，白天在珠三角三个城市连着见客户。聊到 AI，他很想用，课上了不少，推介也接了不少，可他说，听来听去都是差不多的词，讲得很厉害，就是解不了他的问题，像飘在空中。

他说的那种飘，我在很多场合都见过。数字孪生（把工厂和供应链在系统里复制一份，用来看，也用来推演）、控制塔（把供应链数据集中到一处，出了事就告警）、管理驾驶舱和大屏（把指标做成图表挂在屏上）、BI 报表，行业交流、项目汇报、宣传海报里到处都是。词本身没有错，让我有点反感的，是它们常被说得“假大空”：词一挂上去，判断就好像有了着落，却没人认领。这篇想说的是：判断可以交给机器，但不能悬空，要落进一次有人拍板、有人担后果的决策；每一类决策要写清三样，再加一个回路；交给机器越多，判断越要在事先做足。

我见过的企业里，大屏和 BI 报表陆续上线到几千张，多数没人用，有的上线以后几乎一次都没打开过，后来下线了。问用户，说的原因多在数据：各张表的数据打架、对不上，不知道口径怎么定的，不敢用。

大屏亮着，椅子空着（AI 用代码绘制）

早年做 S&OP，我们有系统支撑，可开会拍板用的基本是手工报表，没什么高大上的名字。这些表挂着几级计委、一张决策权限表和固定的节奏：每周、双周、每月固定的日子开不同级别的会，计委的决策文件按节奏发布。没有名词，管用。

同样是报表，差别不止一处，要紧的一处，是挂没挂上决策。手工报表每周有人拿它拍板。哪一级的计委会，会前会中格外小心的都是数据：数据错了、晚了、不全，或者口径混了，拍板就会拍偏；报数据的人压力很大，往后报的数据还有没有人信，也跟着受影响。所以数据一错，当场就有人追，越用越准，我们叫“以用促建”。大屏没挂在哪一类决策上，没人拿它拍板，也就没人管它准不准，越放越没人敢用。偏偏做大屏好汇报，治理数据不好汇报，大家更愿意多做几张。

所以下次再听到这些高大上的词，先问一句：挂在哪一类决策上，谁拍板，凭什么，多久拍一次，拍完记在哪。答不上来，判断就悬着。

决策三件套，再加一个回路

先把两个词分开。判断，是看清是什么、意味着什么、该怎么办，得出结论，人能做，机器也能做。决策，是在判断上拍板、投入、担后果。一个人当场看、当场拍的小事，两者是一回事；AI 进来以后，看和拍常被拆到不同的人和机器手里，悬空就发生在拆开的地方。判断落进一次决策，才算有着落。

所以设计一个数字化或 AI 项目，要设计的单位是它背后那一类反复要做的决策，比如产能怎么分配、长周期器件备多少料；名词、表和系统，都是为这些决策服务的。每一类这样的决策，要写清三样：决策证据、决策权、决策节奏，我叫它决策三件套；再加一个回路。一类写一回，每一次照着拍。它写的是决策，要保住的是判断：三样写清了，判断就有了着落。

决策证据：凭什么拍。我看四样。

• 挂上：这份证据给哪一类决策用。说得出谁看、看完拍什么板、多久看一次，才算挂上了。管的是对象。
• 对题：这类决策要回答的问题，需要哪些数据和信息；相关的选进来，不相干的别进来。管的是选什么。
• 表外：选进来的，有些进不了表。有些算得出，却不进表；有些算法还看不到，要留给人补。前一种，《供应链的不变量》第 13 条写过：分配报表上不给各地区部按重要性设权重，取舍留给计委集体决策。后一种，我们做供应商评级模型时专门留了一个口子，叫“专家判断”，留给专家的经验和他手里独有的数据。管的是缺口，谁来补。
• 够用：选进来的，要多少、多准，够拍这一次板就行。相关的数据也不是越多越细越好，多出来的是干扰；也不必等数据完美才用，边用边治理，就是前面说的“以用促建”。但不等完美，不等于用错的数据：不完美的数据加上人的补充，够支撑判断；错的数据只会垃圾进、垃圾出。管的是多少和多准。

准确、完整、一致、及时这些数据质量要求，业内已有成熟的方法（如 DAMA 的 DMBOK），这里不展开。难的往往不在方法，在人和组织：管理层不把它当成自己的事，数据治理要么进不去，要么进去了只是绣花；再就是运动式地搞一阵，风头过了就停，坚持不下来。

决策权：谁拍板，谁担后果，按决策权限表落到哪一级、哪个人。《供应链的不变量》第 13 条“有人拍板，就得有人担责”写过，这里不重复。

决策节奏：多久拍一次，每月、每周、每小时，还是“实时”；“实时”是多快，也要定义。没按节奏拍会怎样，要说得出。

回路：拍完以后，结果怎样，达没达到目标，没达到是什么原因；有没有越过权限、越过建议稿，被否的理由是什么。这些记下来、定期回看，就成了下一次决策的证据。

证据管凭什么，决策权管谁拍谁担，节奏管多久拍一次，回路管拍完怎么回来。三样加一个回路，就是一张清单，附在文末。

机器参与分三档：交得越多，判断越要往前走

开头说的大屏和报表，是数字化那些年就有的毛病。AI 进来，这个毛病不会自己消失，还会被放大：机器从给数据，走到出建议，再到直接动手。

判断可以交出去。《权责契约》里给 AI Agent 定过三个角色：情报员、参谋长、执行者。那篇按置信度和金额，把同一个 Agent 放进三个区；这里借用这三个名字，按机器做到哪一步，分成机器参与的三档。三档交出去的都是判断，一档比一档多：情报员交出去的是看清是什么、意味着什么，参谋长交到了该怎么办，执行者除了判断，连动手也交了。拍板、担后果交不出去；到了执行者，是提前拍在规则里，让机器照着做。

不管哪一档，判断都可以分两份看：一份在事先，定看什么、按什么出、到哪为止；一份在当场，看着具体的数据和建议，认不认、怎么拍。交出去越多，当场那一份越少，到执行者就没有了；事先那一份越重，事先没做好的代价也越大。

情报员：机器给数据、给告警，人来判断该怎么办、拍板。我见过的驾驶舱、控制塔，多在这一档。当场，看数据的人还能把表外的东西补进来。事先那一份在上线之前：这块数据挂在哪一类决策上，对不对题，数据准备度够不够用。事先没判断清楚就匆匆上线，当场的人一看数据对不上，不敢用，也就不用了；看不出来的，就拿错的数据拍了板。前面那几千张大屏最后下线，缺的首先是事先这一份：没挂上决策，上线以后也就没人追。

早些年做采购数字化时，我也亲手下线过三百多张没人用的报表，是靠后台的访问记录发现的。没人用的原因，多是需求没管住、用户场景变了、功能对不上需求，也是没挂上决策。下线本身不难，难的是发现，和秋后算账：当初提的需求，为什么上线后没人用。没有埋点，这笔账算不清，回路也就断了。

风险雷达也在这一档，告警从人工约一天半缩到了小时级。当初交不交给它、每年续不续，数据信不信得过、能不能和自己的供应网络接上，都是事先要算账的判断。

参谋长：机器出建议，人拍板，可以越过。当场，拍板的人要拿机器建议之外的信息去对：认不认，改不改，凭什么越过。事先也是定规则，比情报员那一档多管一样：机器按什么出建议，目标是什么，看哪些约束，什么情况必须交给人拍。

数字孪生放在哪一档，要看它做到哪一步。只把现状复制进系统、让人看得见的，是镜像，和驾驶舱一样在情报员那一档；人提一个假设，比如某家供应商停供两周，它算出会影响什么，是推演，方案还是人出；能自己给出方案、建议怎么做的，才到参谋长。控制塔也一样。同一个词落在哪一档，看它做到哪一步，不看名字；同一个系统，不同的功能也可以落在不同的档。

有一年北方发洪水，同一个风险雷达走到了参谋长这一步：它报出一家供应商在灾区，风险高，会影响一款客户产品三周后的需求满足，并给了两条建议：向客户通报可能的影响；调整采购份额，加大另一家供应商的分配，两家的主次在这段时间做些调整。留给决策的时间有两天。拍板的人综合评估后采纳了建议，有惊无险。

我自己搭的供应商风险参谋 Agent，前不久拿一家公司试了一次。下面是它报告里“专家洞察”那一节，分核心风险判断和决策建议两部分：

我自建的供应商风险参谋 Agent 报告里的“专家洞察”（截图，已遮去公司名、行业、金额和替代供应商）

核心风险判断，大方向我认可；决策建议看上去很专业，我只接受一部分，有三条不同意见。一是建议太宽，该细到品类，甚至器件：对方是头部，有些品类上可能仍有优势，应按品类评估、收缩份额。二是“大额采购”没有量化，多少算大额、不同等级怎么处理，没说。三是“6 个月内完成替代供应商切换”，没算引入、切换一家供应商要多久，可行性存疑。

这三条意见，指的都是我事先没给它定的：建议细到哪一层，多大算大额，换一家供应商要多久。当场我补上了，记下来放进 Agent 的下一轮迭代，这是回路；改好以后，它们就成了事先的规则。事先这一份不定，建议看上去像一份做足了的判断，拍板的人不细看，就容易照单全收。

执行者：机器直接做，人定规则。以前常说的“实时决策”，多半是实时执行；有了 Agent，这正变得平常。这一档当场没人了，判断全在事先的规则里：谁定规则，边界在哪，规则之外没见过的情况退回给谁，因为规则出了事谁担，要在方案评审时写清楚，留档。当场没人，事后还得有人：盯着结果，偏了能叫停，改了规则再放。这就是回路，改过的规则，成了下一轮的事先。

“实时”多快，本身也是事先定的，跟着业务场景走，也跟着技术和数据准备度走。前面那个风险雷达，识别风险事件从天级缩到小时级，差不多一年进一档；做过的系统，关键用户界面的响应也从分钟级到秒级，再到毫秒级。我现在每天定时收到七八份全球相关课题的报告，Agent 按我事先定的规则去搜、去写、按点推给我。我的判断，在它们动手之前就做完了。

所以三档事先定的都是规则，管的东西不一样。越往后，规则离动作越近，当场能兜底的人越少，判断就越要往前走：

交出去越多，悬空的代价也越大。

把判断花在贵的、回不了头的地方

Agent 越来越多，判断越来越要紧：错的判断，会被机器更快、更高效地执行成错的结果。

判断的力气有限，要花在影响大、回不了头的决策上；影响小、可逆的，可以放手，少投一些。比如我每天收的那几份报告，写偏了，改一下规则，第二天就回来了，我就让它自己跑。

这几个名词本身不空，有企业做成了。我待过的一家公司，供应链指挥中心把端到端的运营数据实时投到前后两面墙的大屏上，还会给出决策建议。靠的是背后一套组合拳：长期投入的数据治理、长效的管理机制、流程标准化、组织和人员的建设。反过来，一张 Excel 表也够用，前提是挂上了决策。

三件套和三档都不是新东西：决策权有 RACI 一类的工具，按机器参与深浅分级，自动化研究里几十年前就有人做过。这篇做的，是把它们落到供应链的决策上，写成一张能拿来对的清单。

名词做牵引，判断要有着落

我自己也给一间比较大的会议室起过名字，叫“数字塔”，同事们召集开会，习惯说一句“到数字塔开会”。这也是一个名词。我用它牵引大家的数字意识和数字化文化，没有把它当成项目目标：一个名词底下没有判断的着落，做到没做到也没法衡量。

AI 能替人省掉很多活，也能接过一部分判断。交出去可以，但要放进规则里，别让名词盖住。下次再听到这些高大上的词，拿下面这张清单对一遍：

• 碰到哪几类决策：这个项目、这个名词背后，是哪几类反复要做的决策。
• 证据：挂在哪一类决策上，对不对题，表外的谁来补，够不够拍这一次板。
• 决策权：谁拍板，谁担后果；交给机器的那部分，规则谁定，到哪为止，规则外的交给谁。
• 节奏：多久拍一次，没按时拍会怎样。
• 回路：拍完记在哪，多久回看一次，越过和被否的理由记了没有。

立项、做方案时自己填一遍，是方法；听汇报、看别人的方案时拿它去问，是诊断。人拍的，写清谁拍、凭什么、多快；机器做的，写清谁定的规则、到哪为止、出了事谁担。判断可以交出去，但不能悬空。

写作说明：我用 AI 按初稿改写、核查和反方审视；亲历和判断出自我本人，全文由我定稿并负责。