智能决策支持：从纸面论文到老板办公桌上的真东西

前几天跟某大厂做供应链的老学长喝酒，他拍着桌子吐槽，说之前花几百万上的“智能决策”系统，最后还不如他干了二十年的老调度拍板准。 骗钱的概念太多了。今天就掰扯清楚，这个被炒上天的智能决策支持，到底是真有用还是割韭菜。

别被概念忽悠，智能决策支持根本不是“AI替你拍板”

很多人一听名字，就觉得是机器帮你做决定。错得离谱。 早在上世纪70年代，西蒙那批决策理论奠基人就把定义写死了：核心是支持，不是替代。说白了，就是帮你把乱七八糟的信息理清楚，把错选项都删掉，把每个选项的后果摆出来，最后拿主意的还是你。 早期智能决策支持系统核心决策流程图 这些年厂商为了卖货，把概念炒变味了。张口就是“全自动决策”“无人化管理”，真落地起来，碰到一点突发情况就掉链子。去年我接触过一个做生鲜连锁的老板，上了所谓的智能订货系统，梅雨天气还按照历史数据给你推两倍的叶菜订货量，烂了十几万的货，最后还是用回了店长经验加工具辅助的路数。 说实话，真正符合科研方向的落地成果，从来都不抢决策者的位置。去年Nature子刊发了哥大与上海交大合作的港口调度研究，成果说穿了很简单：系统不直接调集装箱，只是给调度员算出不同方案下，未来12小时的拥堵概率、滞港成本，推三个容错率最高的选项区间，最后调度员结合实际船期变化选。就这么个设计，比纯人工调度效率提了47%，比纯AI自动调度的错判率降了62%。 看见没？这才是对的路数。

近年的科研突破，都砸在了最疼的那个点上

过去十年，智能决策支持一直迈不过去的坎是什么？ 就是没数据的时候，啥也干不了。 你看现在大部分成熟的模型，都要求你有十几年的完整历史数据，才能跑出准确率。可国内百分之八十的实体企业，别说十年数据，能把三年的生产、销售数据理清楚就不错了。碰到原材料涨价、疫情这种突发黑天鹅，原来的训练数据直接作废，模型直接躺平。 这两年最新的科研突破，刚好就打在这个痛点上。第一个就是小样本因果推断型智能决策支持，不需要你堆海量数据，只要三五个同类型的案例，就能通过因果图推导出不同决策的潜在影响。我上个月看清华经管数据科学研究中心发的最新成果，这套方法比传统统计模型的准确率高了34%，对于中小制造、零售这类数据不全的行业太友好了。 小样本因果推断智能决策支持模型架构图 第二个突破我觉得更接地气，就是匹配决策者偏好的动态调整机制。原来的模型都是死的，上来就给你推一个“全局最优解”，完全不管用这个方案的人是什么风格。保守型的老板觉得最优解风险太大不敢选，激进型的老板觉得最优解太保守赚不到钱，最后方案只能压箱底。 现在最新的模型会先“摸脾气”，跟决策者做几次交互，摸清楚你的风险承受阈值、决策习惯，再推对应风格的备选方案。今年阿里云和中科大合作做的新能源电站调度决策系统，就是这么设计的，不同场站负责人的风格不一样，推的方案就不一样，落地使用率比旧系统翻了一倍还多。 不过话说回来，现在这些突破大部分还停留在实验室和头部企业试点阶段，普通中小企业还很难直接用到成熟的产品，这个是事实。

普通企业要蹭红利，别上来就砸大价钱

普通企业要蹭红利，别上来就砸大价钱 我见过太多企业，一听到新概念就头脑发热，砸个几百万上千万上整套系统，最后用不起来，钱打了水漂。 智能决策支持这波红利，不是只有头部企业能蹭，中小企业也能吃得到，但方法要对。 首先，别搞什么“全链路智能化”，先拆小问题。你是开连锁的，先从每个门店的补货决策下手，你是做加工的，先从原材料采购决策下手，问题拆得越小，投入越低，见效越快，试错成本也低。浙江有个做中小批量服装代工的厂子，去年跟浙大计算机系的科研团队合作，只做了一个面料采购的决策支持工具，花了不到二十万，今年原材料价格波动这么大，他们的库存积压成本直接降了18%，赚回来的钱是投入的五六倍。 其次，别迷信大厂的标准化产品。大厂的产品都是给超大规模企业设计的，你个几十亿规模的企业上去用，很多功能都是多余的，还贵得要死。现在很多高校和科研院所的团队都在找落地场景，定制一个针对你具体问题的小工具，比买百万级的套装划算太多。 最后记住，永远别把拍板权全交出去。真出了问题，机器不会给你背锅，最后挨骂赔钱的还是你自己。智能决策支持最大的用处，就是帮你省掉找数据、算概率、排可能性这些破事，让你把精力放在判断方向、把控风险上，这才是它真正的价值。 再过三五年你再看，它根本不是什么遥不可及的黑科技，就会变成像Excel一样，每个管理者办公桌上必备的工具。帮你少错选几次，就够了。