让 AI 和十年运营各备一批货，输赢分品类

备货该信模型还是信老运营，会议室吵了两次没结果，我们干脆设了个双轨：八个链接，模型管四个，做了十年的运营管四个，各自出补货量，一个月后用实际销量对答案。结果两边各赢一半，赢的方式对流程的启发，比分输赢本身大。

封顶线是提前定好的：每个链接的备货金额不超过过去三十天销售额的八成，双方都一样。这条线后来救了模型一次——押错变体的那批货，亏的是额度内的小钱，没有变成翻倍的窟窿。

稳定品：模型赢，赢得冷静

四个稳定出单的链接，模型预测误差整体比老运营小一截。大促回落期最明显——人工看着销量往下走，手上总想「多备点保险」；模型按趋势回归算，回落算得干干净净。人工的情绪税，一个月里交了三次。

最典型的是一个宠物喂食器链接。大促后第三周，人工建议补双倍，模型建议回到大促前水平。实际销量站在模型那边，回来得比人的直觉快。

新品：模型输得难看

两个改款链接上，模型拿同类目的历史趋势当基数，备量顶到封顶线；老运营当场压掉一半。月末实际卖动的是另一个变体，模型的量压在了错误的款上。老运营当时的理由听着很玄：「这个类目看主推图，就能猜到流量会偏哪个变体。」事后验证，猜对了。

稳定品模型胜在数据充分，新品人工胜在数据之外

模型输的地方，数据里都没有

复盘把那个月翻了个底朝天，模型不知道的事有三件：竞品同月降价清仓、我们主图改版、包装换了规格影响转化。三件事全部不在销量序列里——模型没有算错，是它的输入里压根没有这些变量。

双轨停了，分工留下来

双轨跑完就停了，留下的规矩是分流：稳定链接的补货量由模型出，人只审异常；新品和改款由人定量，模型只做一件事——算出封顶库存，把人的乐观压在可承受范围内。一个管常态，一个管变量。

分流跑了一个月，异常单的处理时长没有变长，新品定量的一次通过率反而高了——人定量的时候知道头顶有个封顶数，报得比原来克制。

数据里没有的事，长在人脑子里

预测的胜负手在数据里有没有那件事，不在算法强弱。数据里没有的事，只长在天天盯着链接的人脑子里。把模型放在它数据够用的那段，把人放在要出事的那段，这个组合比任何单边都便宜。