AI巡店系统在提升检测准确率后，为何反而引发店长投诉？本文揭露AI落地中模型边界与业务需求的真实差距，并详细拆解如何通过时间延迟机制、告警分级等工程思维，将每日数千条无效告警压缩至百条级。从空洞检测到动态阈值设置，这些看似简单的规则设计，才是让AI真正融入业务的关键所在。

做AI落地有一个巨大的坑：我们以为的准确率和业务实际的是不一样的。

AI巡店上线的前两个月，我们收集不同门店、货架场景特征，不断调参、数据增强、换backbone，空洞检测的准确率从88%提到了92%，心里还挺美。

然后运营说店长在群里投诉：“你们的AI，一个空洞告我100次，我手机一天到晚就是提醒。员工都在理货，谁有时间去处理啊？”

万万没想到，准确率涨了，体验更差了。

模型边界和业务需求的gap

此刻暴露出AI落地最常见的问题:业务的场景和模型的边界是不匹配的。

模型看得见“这里空了”，但看不见“空了多久”和“空了几个”。

比如：一个顾客刚拿走的空洞，3分钟后店员补上，和空了半小时一直没人管.在模型眼里，这两张图一模一样。店长需要的，不是“哪里空了”，而是“哪里一直没人管”。

所以核心除了把检测准确率从92%提到98%，还要给系统装上“时间感”。

我们怎么做？

第一步：让系统学会“等一会儿”

我的第一个改动，来自一份专利里读到的方法：检测到空洞后，不立即告警，等10分钟再确认一次。

1.在t0时刻，某货架区域饱满度低于阈值（比如<80%）。不告警，只记录状态，启动一个10分钟定时器

2.10分钟后再次检测：如果还低于阈值 → 真缺货，发告警；如果已恢复 → 说明补货了，静默结束

为什么是10分钟？这个“10分钟”不是随便定的。我结合的业务核心场景巡查实际规范，发现80%的补货动作都能在10分钟内完成，且总部要求必须30分钟内完成。设太短（比如2分钟），瞬时空洞会被误报；设太长（比如1小时），紧急场景会漏。

要是其他场景要求不一样，需要修改时间怎么办呢？于是我们做成了可配置的配置项。

第二步：解决“同一个空洞持续告警”的问题

但每10分钟判断一次，如果一个空洞持续1小时没人补，还是会发6次告警。店长还是会烦。

我加了三个机制：

1. 新告警去重：同一个区域、同一个问题的告警，发过就不再发第二次。只有区域从“饱满变空缺”再次发生，才算新告警。
2. 告警间隔控制：对于持续缺货的区域，每隔N分钟才提醒一次，不是每10分钟一次。
3. 等级升级：30分钟发普通告警，60分钟升级为“超时告警”，120分钟直接@店长。店员不会被持续轰炸，但也不会忽略越来越严重的问题。

第三步：一些“不聪明但很有用”的细节

夜间豁免：晚上11点到早上6点，不检测不告警。没店员补货，告了也没用。

高峰时段的动态阈值：客流高峰，我们把10分钟缩短到5分钟：因为这时候补货压力大，5分钟不补就该提醒了。

结合店内闲忙程度：如果系统检测到空洞，同时发现门店人数较多，就走延迟告警规则。

效果

更新了这套机制之后，告警量从每天每店几千量级降到了几十、一百多，非紧急场景下，店长手机还可以从“每2分钟响一次”变成“每天早上一份汇总”，从”催你补货“变成“帮你管店”。

其他需要通过规范和机制来解决的问题

1.店员故意不补：系统判断是真缺货，发了告警，但店员就是不去；原因可能是商品缺货了没货可以补，或者店员主观不想去补，这需要管理和流程优化，不是纯技术能解决的。

2.摄像头被遮挡：货架前长时间有人（比如理货员），系统检测不到空洞。解法需要“人离开后再检测”，但实现复杂。

3.模拟遮挡：比如纸箱挡在货架前，系统看到的是“空洞”，其实是遮挡。用深度摄像头可以解决，但成本高。

一些感想：AI产品经理定位

AI落地的核心，往往不是模型本身，而是那些围绕业务场景设计的时间逻辑和规则。

算法和技术（不管是大模型还是小模型；图像视频还是语言模型），都只是基础，真正让系统“好用”的，是耐心去解决“它该不该说话”“什么时候说话”“说几次”这些看似琐碎的问题。

AI场景下，工具使用和执行的工作会一步步被替代掉，产品经理的定位在这里更像是“解决方案专家”。我们不但要知道模型能干什么（包括大模型、小模型 ，不同模型技术方案能实现的边界），还需要知道业务需要什么。然后针对需求去想解决方案：可能是纯AI，也可能是AI加工程；也可能是AI加机制。

下一篇我打算聊聊AI巡店背后的“人工”：标注团队怎么搭、质检怎么分离、怎么让业务人员参与进来。有兴趣的可以关注。