以物流領(lǐng)域?yàn)槔蠹蚁氲降氖强爝f小哥，但透過(guò)表象，物流是一條復(fù)雜的供應(yīng)鏈條，與之相伴的是復(fù)雜的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，這需要很多復(fù)雜的算法模型來(lái)解決。人工智能可以幫助運(yùn)籌優(yōu)化，提升復(fù)雜決策，強(qiáng)化學(xué)習(xí)的方法幫助決策更加高效。這些工作和人的工作是互補(bǔ)的，不會(huì)取代人類(lèi)工作。

另外物流天然需要大量的人力，人工智能把人從簡(jiǎn)單重復(fù)的工作中解放出來(lái)，讓我們?nèi)プ龈鼜?fù)雜更有價(jià)值的工作。幫助客戶(hù)得到更好的體驗(yàn)。

劉志欣用三個(gè)例子解釋了順豐是如何使用人工智能輔助工作的。

第一個(gè)例子是AI助理打造的數(shù)字化小哥，每天2億次的分揀，6億次的操作，非常重資產(chǎn)的方法，寶貴的資源獲取的方式，是其他企業(yè)很難挖掘的數(shù)據(jù)。第六代的手持終端能夠完成采集數(shù)據(jù)的工作。之后又研發(fā)了智能手環(huán)，解放小哥的雙手。對(duì)于較重的貨物，順豐研發(fā)了機(jī)械臂。此外，AI還可以幫助優(yōu)化路線(xiàn)。

第二個(gè)例子是智造有溫度的客服?？头^大多數(shù)是在進(jìn)行簡(jiǎn)單單調(diào)重復(fù)的工作，自動(dòng)輔助客服人員操作，讓客服人員進(jìn)行更加有溫度的服務(wù)。第三個(gè)例子是AI在客戶(hù)管理和小哥管理上的輔助。

以下為劉志欣演講全文，略經(jīng)編輯。

劉志欣：

物流領(lǐng)域人工的崗位和人工智能之間的關(guān)系是什么。說(shuō)到物流快遞行業(yè)，大家可能第一個(gè)想像到的畫(huà)面就是大街小巷很多奔流不息的小哥，以及路上行使的貨車(chē)，包括機(jī)場(chǎng)的貨機(jī)等等。通過(guò)這些表象，我們實(shí)際上看到下面是一個(gè)非常復(fù)雜的長(zhǎng)鏈條的業(yè)務(wù)環(huán)節(jié)，包括小哥上門(mén)收件，到了分揀再到目的地，再進(jìn)行一次分揀，進(jìn)一步的細(xì)化之后，做一些支線(xiàn)運(yùn)輸，還有最后的小哥快件等等。這個(gè)業(yè)務(wù)鏈條非常長(zhǎng)，和它相伴的就是一個(gè)非常復(fù)雜的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。怎么讓海量的包裹在這個(gè)非常負(fù)責(zé)的拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)中間高效、快捷，并且低成本的能夠完成它的旅程，流向最終的目的地，這就是我們有很多統(tǒng)計(jì)、運(yùn)籌等算法以及數(shù)學(xué)模型需要去解決的一個(gè)問(wèn)題。

今天人工智能的飛速發(fā)展，也能夠幫助我們提升原有模型的能力和效率。舉個(gè)例子，我們?cè)谧鲱A(yù)測(cè)的時(shí)候，傳統(tǒng)的方法就是我們用時(shí)間序列來(lái)做?，F(xiàn)在機(jī)器學(xué)習(xí)的發(fā)展，可以讓我們結(jié)合內(nèi)部、外部多種維度的數(shù)據(jù)，來(lái)多維度的構(gòu)建機(jī)器學(xué)習(xí)的模型，訓(xùn)練他提升我們預(yù)測(cè)的準(zhǔn)確性。

另外一個(gè)例子，我們?cè)谧鼍€(xiàn)路規(guī)劃的時(shí)候，傳統(tǒng)會(huì)采用很多預(yù)測(cè)優(yōu)化的方法。但是當(dāng)我們的量非常大，并且情況很復(fù)雜，我們需要做一些復(fù)雜決策的時(shí)候。這個(gè)時(shí)候，我們就會(huì)采用強(qiáng)化學(xué)習(xí)的方法來(lái)幫助我們的決策更加高效，更加智能。我們可以看到，人工智能技術(shù)的發(fā)展，實(shí)際上是幫助了我們?cè)械乃惴ǜ痈咝В@個(gè)算法本身和人工的崗位是共生互補(bǔ)的，它是一個(gè)工具，不會(huì)取代人的工作。

從另外一個(gè)層面來(lái)看，物流領(lǐng)域是一個(gè)高需求、大流量的方向，我們這里面天然就需要有大量的工作崗位出現(xiàn)?；氐饺斯ぶ悄艿谋举|(zhì)，人工智能就是通過(guò)數(shù)據(jù)去做四件事情：一是感知；二是認(rèn)知；三是建模；四是規(guī)劃。我們做的是這幾個(gè)層面的事情，更多的是輔助人類(lèi)更加高效的去完成他的工作。所以我們研究AI，研究大數(shù)據(jù)，根本的目的是為了讓我們的員工的工作更加高效，把他們從很多簡(jiǎn)單重復(fù)的工作當(dāng)中解放出來(lái)，去完成更多更有價(jià)值的、更有挑戰(zhàn)、更有難度的一些工作，為我們的客戶(hù)帶來(lái)更好的體驗(yàn)。

基于剛才講的兩點(diǎn)，我們可以看到，現(xiàn)在中國(guó)物流行業(yè)已經(jīng)走到了一個(gè)非常有挑戰(zhàn)，但是同時(shí)也是非常振奮的一個(gè)時(shí)期。作為物流快遞行業(yè)的一個(gè)領(lǐng)軍企業(yè)，我們順豐對(duì)如何引領(lǐng)中國(guó)物流未來(lái)的發(fā)展模式是有責(zé)無(wú)旁貸的義務(wù)的。

下面我們可以根據(jù)幾個(gè)具體的例子跟大家分享一下我們?nèi)斯ぶ悄芩惴ㄊ窃趺礃訋椭覀児ぷ魅藛T更加高效的完成他們的工作，讓我們的客戶(hù)有更好的體驗(yàn)，而不是威脅現(xiàn)有的人工工作的崗位。

第一個(gè)例子，AI助力打造數(shù)字化小哥。

每天我們有上千萬(wàn)的包裹，大概有4千多萬(wàn)公斤的重量，經(jīng)過(guò)我們幾十位一線(xiàn)的小哥，經(jīng)過(guò)兩億次的分揀，6億次的搬運(yùn)操作，這些包裹能夠送到全國(guó)的各個(gè)地方。怎么看待這個(gè)問(wèn)題？可能很多人會(huì)認(rèn)為這是一個(gè)非常重資產(chǎn)的行業(yè)。我們的看法是不僅僅局限于此，不止是一個(gè)重資產(chǎn)，更多的是一個(gè)非常寶貴的數(shù)據(jù)獲取的資源，因?yàn)槲覀儙资f(wàn)的小哥散布在全部每個(gè)小區(qū)，每個(gè)寫(xiě)字樓，就像毛細(xì)血管一樣，收集大量的貼近物理世界的數(shù)據(jù)。他的各種判斷和決策，這些數(shù)據(jù)是非常寶貴的，并且也是其他企業(yè)很難獲得的一些數(shù)據(jù)。所以說(shuō)，我們要充分的挖掘這些小哥給我們帶來(lái)的數(shù)據(jù)的價(jià)值，因?yàn)閿?shù)據(jù)本身就是人工智能方向一個(gè)重要的引擎。

在去年的時(shí)候，本來(lái)有一個(gè)第五代的手持終端給小哥工作，它最大的功能就是掃描和操作。但是我們發(fā)現(xiàn)，它并不能夠幫助我們?nèi)ネ瓿刹杉「缛粘Ｐ袨閿?shù)據(jù)的一種功能。于是我們很快的投入資源，研發(fā)了第六代的手持終端，更多的是完成采集數(shù)據(jù)等方面的工作。我們還面臨著一個(gè)問(wèn)題，就是我們的小哥平常日常工作的時(shí)候需要雙手來(lái)勞動(dòng)，他如果這個(gè)手拿一個(gè)手持終端進(jìn)行一些工作會(huì)非常不方便，所以我們研發(fā)了智能手環(huán)，能夠幫助他更高效、更方便的進(jìn)行工作。除了末端的生態(tài)之外，我們還有很多裝修、分揀、裝車(chē)、卸車(chē)的工作。一個(gè)是工作強(qiáng)度非常大，再一個(gè)如果是很重的物品，其實(shí)是有著很高的風(fēng)險(xiǎn)的。所以我們也投入了資源開(kāi)發(fā)了機(jī)械臂，來(lái)幫助小哥更輕松的完成他的這些工作。

回到線(xiàn)路規(guī)劃，線(xiàn)路規(guī)劃是物流領(lǐng)域非常核心的問(wèn)題。我們結(jié)合了傳統(tǒng)的方法做了這方面的一些工作，根據(jù)實(shí)時(shí)的件量來(lái)優(yōu)化我們的路線(xiàn)以及很多復(fù)雜條件下的決策，讓我們的物流更加高效，成本更加可控。這個(gè)主要是針對(duì)AI助力快遞小哥方面的例子。

第二個(gè)例子，“智”造溫度的客服。

怎么看待智能客服這個(gè)問(wèn)題？我們希望給客戶(hù)提供的是一種更加針對(duì)個(gè)人的，更加定制化，更加有溫度的一些服務(wù)。但是實(shí)際上我們發(fā)現(xiàn)，我們的客服人員每天絕大部分的工作都是在重復(fù)一些簡(jiǎn)單、單調(diào)的工作。我們基于這個(gè)問(wèn)題，采用了一些NLP的技術(shù)，一些自然語(yǔ)言處理的技術(shù)去分析客戶(hù)對(duì)話(huà)當(dāng)中的意圖，把他的關(guān)鍵信息抽取出來(lái)之后，會(huì)幫助我們的系統(tǒng)，自動(dòng)的輔助我們的客服人員或者自動(dòng)的完成一些操作，讓客服人員真正把他們的時(shí)間、能力和資源投入到對(duì)客戶(hù)更加定制化、更加有溫度的場(chǎng)景中來(lái)，真正完成一個(gè)人和人之間的交流。

第三個(gè)例子，智能決策輔助人工決策，助力公司向自動(dòng)化、信息化、智能化高效精準(zhǔn)管理發(fā)展。

脫離了具體的一線(xiàn)業(yè)務(wù)之后，同樣順豐也會(huì)面臨很多管理上的挑戰(zhàn)。傳統(tǒng)上管理都是基于人的知覺(jué)、經(jīng)驗(yàn)或者是一些預(yù)判的規(guī)則。這個(gè)時(shí)候會(huì)受限于個(gè)人的能力，也會(huì)受限于我們很多時(shí)候做的是一些局部的判斷，并不是一個(gè)全局的判斷。所以說(shuō)，我們也是從非常多維度的內(nèi)部、外部的數(shù)據(jù)結(jié)合在一起，建立一些機(jī)器學(xué)習(xí)的模型，幫助我們做到一些智慧的決策。

這里面有幾個(gè)具體的例子：

一是中轉(zhuǎn)場(chǎng)的管理和規(guī)劃。

中轉(zhuǎn)場(chǎng)是非常重要的環(huán)節(jié)，大量的貨物在這里進(jìn)出做分揀。這個(gè)時(shí)候，我們就采用了計(jì)算機(jī)視覺(jué)的技術(shù)，輔助我們?nèi)ゴ罱ㄒ恍┠Ｐ?，仿真整個(gè)操作環(huán)節(jié)，幫助我們整個(gè)中轉(zhuǎn)場(chǎng)里面各個(gè)環(huán)節(jié)的操作更加高效，讓我們的資源更加彈性、可控、更加靈活。

二是關(guān)于小哥的管理方面。

這是分配任務(wù)的方面，我們通過(guò)實(shí)際的數(shù)據(jù)會(huì)發(fā)現(xiàn)，不同的收派任務(wù)其實(shí)是有很大的區(qū)別的，比如說(shuō)區(qū)域等等，甚至于包括用戶(hù)什么時(shí)候在家等等，這個(gè)時(shí)候，我們就會(huì)根據(jù)數(shù)據(jù)尋找出各個(gè)任務(wù)一些不同的規(guī)律，同時(shí)也挖掘小哥他自己擅長(zhǎng)做一些什么方面的工作，將這個(gè)任務(wù)和小哥的能力進(jìn)行一些匹配。同時(shí)我們也可以達(dá)到互補(bǔ)，讓資源更加彈性的目的。

三是關(guān)于客戶(hù)方面的管理。

傳統(tǒng)上我們會(huì)有專(zhuān)門(mén)的相關(guān)團(tuán)隊(duì)對(duì)于我們所有的中小客戶(hù)、大客戶(hù)進(jìn)行一些管理。比如這個(gè)時(shí)候他們會(huì)定期的每個(gè)月去分析這些客戶(hù)他們是否會(huì)有一些異動(dòng)，是否會(huì)有一些流失的風(fēng)險(xiǎn)。但是這個(gè)有一個(gè)很?chē)?yán)重的滯后，我不可能做到每天對(duì)大量的客戶(hù)都進(jìn)行這些分析。所以我們也是從大量的數(shù)據(jù)當(dāng)中去挖掘客戶(hù)一些異動(dòng)的規(guī)律，會(huì)做一些機(jī)器學(xué)習(xí)，我們傳統(tǒng)上是人為的定義很多規(guī)則，而且這個(gè)規(guī)則覆蓋不全。現(xiàn)在的話(huà)我們可以做到實(shí)時(shí)，甚至我們根據(jù)客戶(hù)的件量和訂單等數(shù)據(jù)，可以預(yù)判他是否有流失的風(fēng)險(xiǎn)，能夠讓我們的銷(xiāo)售人員第一時(shí)間介入，和客戶(hù)進(jìn)行溝通，幫助他們減少損失。

從這幾個(gè)方面的例子我們可以看到，人工智能本身可以幫助我們一線(xiàn)的小哥工作人員，可以幫助我們二線(xiàn)的客服人員，還可以幫助我們?nèi)€(xiàn)的一些管理人員?？偟膩?lái)說(shuō)，更多完成的是我怎么通過(guò)數(shù)據(jù)和算法來(lái)幫助我們更加高效，更加有效，更加輕松的完成他的一些工作，而不是取代人這一方面的工作。