以物流领域为例，大家想到的是快递小哥，但透过表象，物流是一条复杂的供应链条，与之相伴的是复杂的网络拓扑结构，这需要很多复杂的算法模型来解决。人工智能可以帮助运筹优化，提升复杂决策，强化学习的方法帮助决策更加高效。这些工作和人的工作是互补的，不会取代人类工作。

另外物流天然需要大量的人力，人工智能把人从简单重复的工作中解放出来，让我们去做更复杂更有价值的工作。帮助客户得到更好的体验。

刘志欣用三个例子解释了顺丰是如何使用人工智能辅助工作的。

第一个例子是AI助理打造的数字化小哥，每天2亿次的分拣，6亿次的操作，非常重资产的方法，宝贵的资源获取的方式，是其他企业很难挖掘的数据。第六代的手持终端能够完成采集数据的工作。之后又研发了智能手环，解放小哥的双手。对于较重的货物，顺丰研发了机械臂。此外，AI还可以帮助优化路线。

第二个例子是智造有温度的客服。客服绝大多数是在进行简单单调重复的工作，自动辅助客服人员操作，让客服人员进行更加有温度的服务。第三个例子是AI在客户管理和小哥管理上的辅助。

以下为刘志欣演讲全文，略经编辑。

刘志欣：

物流领域人工的岗位和人工智能之间的关系是什么。说到物流快递行业，大家可能第一个想像到的画面就是大街小巷很多奔流不息的小哥，以及路上行使的货车，包括机场的货机等等。通过这些表象，我们实际上看到下面是一个非常复杂的长链条的业务环节，包括小哥上门收件，到了分拣再到目的地，再进行一次分拣，进一步的细化之后，做一些支线运输，还有最后的小哥快件等等。这个业务链条非常长，和它相伴的就是一个非常复杂的网络拓扑结构。怎么让海量的包裹在这个非常负责的拓扑网络结构中间高效、快捷，并且低成本的能够完成它的旅程，流向最终的目的地，这就是我们有很多统计、运筹等算法以及数学模型需要去解决的一个问题。

今天人工智能的飞速发展，也能够帮助我们提升原有模型的能力和效率。举个例子，我们在做预测的时候，传统的方法就是我们用时间序列来做。现在机器学习的发展，可以让我们结合内部、外部多种维度的数据，来多维度的构建机器学习的模型，训练他提升我们预测的准确性。

另外一个例子，我们在做线路规划的时候，传统会采用很多预测优化的方法。但是当我们的量非常大，并且情况很复杂，我们需要做一些复杂决策的时候。这个时候，我们就会采用强化学习的方法来帮助我们的决策更加高效，更加智能。我们可以看到，人工智能技术的发展，实际上是帮助了我们原有的算法更加高效，而这个算法本身和人工的岗位是共生互补的，它是一个工具，不会取代人的工作。

从另外一个层面来看，物流领域是一个高需求、大流量的方向，我们这里面天然就需要有大量的工作岗位出现。回到人工智能的本质，人工智能就是通过数据去做四件事情：一是感知；二是认知；三是建模；四是规划。我们做的是这几个层面的事情，更多的是辅助人类更加高效的去完成他的工作。所以我们研究AI，研究大数据，根本的目的是为了让我们的员工的工作更加高效，把他们从很多简单重复的工作当中解放出来，去完成更多更有价值的、更有挑战、更有难度的一些工作，为我们的客户带来更好的体验。

基于刚才讲的两点，我们可以看到，现在中国物流行业已经走到了一个非常有挑战，但是同时也是非常振奋的一个时期。作为物流快递行业的一个领军企业，我们顺丰对如何引领中国物流未来的发展模式是有责无旁贷的义务的。

下面我们可以根据几个具体的例子跟大家分享一下我们人工智能算法是怎么样帮助我们工作人员更加高效的完成他们的工作，让我们的客户有更好的体验，而不是威胁现有的人工工作的岗位。

第一个例子，AI助力打造数字化小哥。

每天我们有上千万的包裹，大概有4千多万公斤的重量，经过我们几十位一线的小哥，经过两亿次的分拣，6亿次的搬运操作，这些包裹能够送到全国的各个地方。怎么看待这个问题？可能很多人会认为这是一个非常重资产的行业。我们的看法是不仅仅局限于此，不止是一个重资产，更多的是一个非常宝贵的数据获取的资源，因为我们几十万的小哥散布在全部每个小区，每个写字楼，就像毛细血管一样，收集大量的贴近物理世界的数据。他的各种判断和决策，这些数据是非常宝贵的，并且也是其他企业很难获得的一些数据。所以说，我们要充分的挖掘这些小哥给我们带来的数据的价值，因为数据本身就是人工智能方向一个重要的引擎。

在去年的时候，本来有一个第五代的手持终端给小哥工作，它最大的功能就是扫描和操作。但是我们发现，它并不能够帮助我们去完成采集小哥日常行为数据的一种功能。于是我们很快的投入资源，研发了第六代的手持终端，更多的是完成采集数据等方面的工作。我们还面临着一个问题，就是我们的小哥平常日常工作的时候需要双手来劳动，他如果这个手拿一个手持终端进行一些工作会非常不方便，所以我们研发了智能手环，能够帮助他更高效、更方便的进行工作。除了末端的生态之外，我们还有很多装修、分拣、装车、卸车的工作。一个是工作强度非常大，再一个如果是很重的物品，其实是有着很高的风险的。所以我们也投入了资源开发了机械臂，来帮助小哥更轻松的完成他的这些工作。

回到线路规划，线路规划是物流领域非常核心的问题。我们结合了传统的方法做了这方面的一些工作，根据实时的件量来优化我们的路线以及很多复杂条件下的决策，让我们的物流更加高效，成本更加可控。这个主要是针对AI助力快递小哥方面的例子。

第二个例子，“智”造温度的客服。

怎么看待智能客服这个问题？我们希望给客户提供的是一种更加针对个人的，更加定制化，更加有温度的一些服务。但是实际上我们发现，我们的客服人员每天绝大部分的工作都是在重复一些简单、单调的工作。我们基于这个问题，采用了一些NLP的技术，一些自然语言处理的技术去分析客户对话当中的意图，把他的关键信息抽取出来之后，会帮助我们的系统，自动的辅助我们的客服人员或者自动的完成一些操作，让客服人员真正把他们的时间、能力和资源投入到对客户更加定制化、更加有温度的场景中来，真正完成一个人和人之间的交流。

第三个例子，智能决策辅助人工决策，助力公司向自动化、信息化、智能化高效精准管理发展。

脱离了具体的一线业务之后，同样顺丰也会面临很多管理上的挑战。传统上管理都是基于人的知觉、经验或者是一些预判的规则。这个时候会受限于个人的能力，也会受限于我们很多时候做的是一些局部的判断，并不是一个全局的判断。所以说，我们也是从非常多维度的内部、外部的数据结合在一起，建立一些机器学习的模型，帮助我们做到一些智慧的决策。

这里面有几个具体的例子：

一是中转场的管理和规划。

中转场是非常重要的环节，大量的货物在这里进出做分拣。这个时候，我们就采用了计算机视觉的技术，辅助我们去搭建一些模型，仿真整个操作环节，帮助我们整个中转场里面各个环节的操作更加高效，让我们的资源更加弹性、可控、更加灵活。

二是关于小哥的管理方面。

这是分配任务的方面，我们通过实际的数据会发现，不同的收派任务其实是有很大的区别的，比如说区域等等，甚至于包括用户什么时候在家等等，这个时候，我们就会根据数据寻找出各个任务一些不同的规律，同时也挖掘小哥他自己擅长做一些什么方面的工作，将这个任务和小哥的能力进行一些匹配。同时我们也可以达到互补，让资源更加弹性的目的。

三是关于客户方面的管理。

传统上我们会有专门的相关团队对于我们所有的中小客户、大客户进行一些管理。比如这个时候他们会定期的每个月去分析这些客户他们是否会有一些异动，是否会有一些流失的风险。但是这个有一个很严重的滞后，我不可能做到每天对大量的客户都进行这些分析。所以我们也是从大量的数据当中去挖掘客户一些异动的规律，会做一些机器学习，我们传统上是人为的定义很多规则，而且这个规则覆盖不全。现在的话我们可以做到实时，甚至我们根据客户的件量和订单等数据，可以预判他是否有流失的风险，能够让我们的销售人员第一时间介入，和客户进行沟通，帮助他们减少损失。

从这几个方面的例子我们可以看到，人工智能本身可以帮助我们一线的小哥工作人员，可以帮助我们二线的客服人员，还可以帮助我们三线的一些管理人员。总的来说，更多完成的是我怎么通过数据和算法来帮助我们更加高效，更加有效，更加轻松的完成他的一些工作，而不是取代人这一方面的工作。