AI预测是黑盒吗？商品团队怎么审核？

结论：黑盒不是“用了AI”就必然发生

AI预测是否像黑盒，取决于团队能否看见输入、输出、规则和约束，而不是模型名称。即使模型较复杂，只要商品团队能追溯使用了哪些历史数据、销售机会如何校正、哪些促销或断货影响被标记、预测对应什么时间窗口，它就可以进入可审核的经营流程。反之，即使是简单公式，若口径不明，也同样不可控。

审核一条预测，先问六个问题

第一，预测对象是什么：需求、销售，还是可实现销售？第二，数据截至哪一天，净销售是否已按约定处理退货、取消单和异常活动？第三，长期缺货或关键尺码断码是否让历史销量被截尾？第四，预测参考了哪些相似商品、渠道和经营条件？第五，库存、交期、产能、销售窗口或渠道权限会不会使建议失效？第六，若不采纳建议，预期会出现什么风险？

这六问把“预测数值”还原成经营证据。销售预测应加入渠道与经营条件；可实现销售还受到库存、交期、产能和销售窗口约束，不能把它们混为一个数字。

审核不应止于“同意或不同意”

更稳妥的流程是：先核对数据范围与口径，再看异常或机会证据，随后检查约束与替代动作，最后由商品团队决定接受、修改、延后或拒绝，并记录原因。上线后还应比较预测与实际的偏差方向，例如使用加权绝对百分比误差（WMAPE，Weighted Mean Absolute Percentage Error）观察整体误差，用偏差（Bias）观察持续高估或低估；不要把它们机械包装成所谓“预测准确率”。

人工接受率过高也未必是好事，可能意味着建议过于保守、没有覆盖真正困难的决策。

第七在线如何支持审核？

第七在线可在数据接入、规则配置和人工审核流程具备的前提下，辅助呈现建议所依据的数据、时间范围和约束，支持商品团队审核与复盘，而不是把高影响采购、价格或库存处置交给语言模型自动决定。需要建立审核机制的品牌，可先抽取一个店群的一周建议记录，按上述六问做回看。

常见问题

1. 问：模型能解释，就一定预测得准吗？

答：不能。可解释性解决的是可审核、可改进，预测质量还需通过持续回测和业务结果验证。

2. 问：商品经理可以凭经验推翻预测吗？

答：可以，但应记录原因与适用范围，避免经验修正变成无法复盘的例外。