RELEX 不是在預測明天賣多少：它在重寫零售商每天怎麼下決定

供應鏈是最早成熟，也最容易被低估的一條路線

智能購物車和機器人容易上新聞，真正每天影響損益的，往往是更安靜的需求預測與補貨。RELEX 於 2005 年成立於芬蘭，報告指出目前已服務全球 600 家客戶，涵蓋供應鏈、商品管理與門店營運。

系統會依企業資料每天夜間更新需求預測與採購建議，捕捉銷售、庫存與需求變化。規劃人員不再逐條檢查上萬筆預測和訂單，而是設定規則與門檻，讓平台自動處理常態情況，只把例外推給人。

從需求預測，一路連到價格與促銷

需求規劃不只看歷史銷售，還要量化商品策略、行銷活動、外部事件、消費偏好與季節週期。補貨系統則要把預測轉成訂單與庫存分配；促銷預測要判斷活動增量；定價系統再根據競爭、需求與成本變化提出建議。

這幾個模組若分開運作，很容易互相打架：行銷加大促銷，供應鏈卻沒備貨；採購塞滿庫存，定價又沒有清貨策略。整合平台的價值，是讓不同部門在同一組情境假設下做決策。

人不會消失，但工作會從『下單』變成『治理模型』

當系統自動處理大多數常規商品，人員需要管理的是新品、極端天氣、供應中斷、競品攻勢與策略性商品。這要求企業把哪些決策可自動、哪些必須人工核准、錯誤如何回滾寫清楚。

好的供應鏈 AI 不應只是精準率更高，還要能解釋建議來自哪些需求因子、提供不同方案的銷量與利潤影響，並保留人工覆寫紀錄。模型做決定很快，但公司仍然要知道為什麼。

• 自動化：穩定、重複、低風險的常態訂單。
• 人工核准：高金額、低周轉、重大促銷與供應異常。
• 治理：預測偏差、人工覆寫率、缺貨與庫存成本的共同追蹤。

預測只是中間產物，真正要管理的是決策品質

很多企業導入需求預測時，第一個問題是準確率能提高多少，但單一平均值可能掩蓋最重要的差異。高銷量穩定商品、新品、季節品、促銷品與長尾品應分開評估；低銷量商品即使百分比誤差很大，財務影響也可能有限。更有意義的指標是缺貨損失、過量庫存、報廢與人工覆寫後的結果，因為它們直接對應現金。

系統每天提出採購與分配建議後，人員的角色轉向設定服務水準與風險邊界。哪些商品必須維持高現貨率、哪些可以接受等待、哪些供應商交期不穩、哪些促銷不能缺貨，都應成為明確規則。AI 並不是替企業決定策略，而是把策略大量、持續地執行；策略沒有寫清楚，模型只會最佳化一個沒人真正同意的目標。

人工覆寫也不應被視為失敗。當規劃人員因颱風、活動或供應中斷修改建議，系統應記錄原因、幅度與最後結果。長期看，這些紀錄能分辨哪些是人類掌握的有效訊號、哪些只是習慣性不信任模型。若覆寫經常改善成果，就應把新訊號納入系統；若覆寫反而變差，則需要調整權限或教育。

供應鏈 AI 上線後，組織要從逐筆處理改成例外管理

例外管理不是把所有紅色警報丟給人，而是限制每天需要人工判斷的數量。企業可以依金額、服務水準、風險與模型信心排序，只讓真正重要的案件進入工作台。若規劃人員每天仍要檢查數千筆建議，代表自動化只是換了一個介面，並沒有釋放決策能力。

跨部門節奏也必須一致。行銷決定促銷、採購確認供應、物流安排運能、門店執行陳列，任何一方延遲都會讓預測失效。成熟的平台應保留同一個情境版本，讓各部門看見活動假設、可供量、預期銷量與風險，而不是各自維護試算表。這類協作改善往往比模型本身的微小升級更有價值。

導入時可以先從穩定品類開始建立信任，再擴到生鮮、促銷與新品。每一階段都設定可回滾的自動化權限：先由系統建議、人工核准；成果穩定後讓低風險訂單自動送出；高金額或異常情況仍保留審核。這種逐步授權能把錯誤控制在可承受範圍，也讓組織真正學會與模型共同決策。