「時間，是電商最大的敵人，」富邦媒體科技物流科技與系統維運副總經理林合壎形容，在電商的世界裡，消費者對到貨速度的期待不斷被推高，「今天下單、明天到貨」已不再是驚喜，而是基本要求。
但速度成為唯一指標時，物流現場將承受巨大壓力。momo早期從電視購物起家，商品型態以「少樣多量」為主，隨著電商崛起，逐漸轉為「多樣少量」，一個訂單的品項往往分散在不同倉庫，分箱出貨、跨區調度成為常態，不僅推升成本也增加碳排。
林合壎指出，過去，物流作業高度仰賴人力與經驗，從倉儲補貨、裝箱方式到配送路線，多依靠資深員工的經驗法則判斷。然而，在少子化與人力難補的現實下，這種做法已難以長期支撐規模成長。
面對時間、成本與永續的多重拉扯，momo並未急著尋找解方，而是先重新定義問題本身。
重塑物流產業鏈，用數據決策彌補人為盲點
「關鍵不在於把某個環節做到極致，而是整條物流鏈的決策方式，能否同時考量更多變數，」林合壎指出，真正的挑戰，在於如何在出貨速度、庫存效率、包裝浪費與配送里程之間，做出整體最適配的選擇。
在物流現場，一筆訂單從倉庫出發，往往牽動一連串連鎖反應。當商品未被配置在最接近消費者的倉庫，就必須跨區支援；品項分散，裝箱時只能分箱出貨；箱數一多，配送車次與里程也隨之增加。結果就是物流成本提高、碳排增加，也耗費大量包材。這些看似零碎的問題，其實都指向同一個根源：當物流判斷只能仰賴個人經驗與直覺時，便很難同時顧及速度、成本與資源使用，整體效率自然難以最佳化。
正因如此，momo導入AI時選擇從「協助決策」而非「取代人力」開始。
富邦媒體科技倉儲運輸暨平台研發處處長吳康德指出，過去補貨、裝箱與調度多仰賴經驗判斷，隨著品項與訂單快速成長，盲點愈來愈難避免。團隊因此從資料整合著手，結合歷史銷售、區域需求與活動檔期，預測各區需求變化，提前調整庫存配置，並將裝箱與配送納入模擬，在不同條件下反覆試算，找出兼顧效率與資源使用的解法。
「AI的角色，是把人無法同時考慮的變數算進來，」吳康德說，如今，現場人員不再需要憑直覺做出所有判斷，而是透過系統建議進行檢視與調整，逐步建立人機協作的工作模式。
中南區在地出貨達8成，解決跨區調撥效率難題
導入過程中，最大的挑戰並非技術與模型本身，而是讓員工相信系統工具。
以揀選與裝箱為例，系統一開始或許能精準計算商品的體積與重量，卻未必理解「醬油這類液體商品，必須直立放置、避免擠壓」等現場經驗；配送路線也是如此，模型能算出最短距離，卻需要司機回饋哪些路段難以停車、哪些時段容易壅塞。這些來自第一線的修正，都能讓系統把經驗轉化為可以被複製、被累積的判斷。
因此，momo採取「人機共用」的方式推進，讓系統先提出建議，再由現場人員進行驗證與回饋，逐步修正參數。「人的角色應該退回策略層，而不是事事干預，」林合壎強調，當模型能穩定處理複雜計算，人才能把注意力放在方向設定與例外判斷上。
隨著決策逐步由系統驅動，改變開始反映在營運成效上。
透過AI銷量預測與動態佈貨，momo得以更精準預判區域需求，目前中南區消費者的訂單，已有80%可由當地倉庫直接出貨，大幅降低跨區調撥，加快配送速度；而在永續層面上，2019年至2024年間透過AI協助揀貨裝箱，單件包裹重量減少了26.6%，緩衝材用量減少45.9%。隨著AI智慧物流大腦逐步成熟，momo也透過提升併箱率、降低跨區出貨與優化包裝，可以在不增加車次與人力的情況下攤薄單件物流成本，成功穩住營運成本結構。
林合壎透露，momo的下一步是「生態共榮」。對內，AI將成為標準作業語言；對外，則計畫將相關工具產品化，與供應商與合作夥伴共享智慧供應鏈帶來的效益。在這場轉型中，momo證明了與時間賽跑不必盲目加速，解答，往往就藏在數據與現場的深度對話中。
百強AI應用心法
「AI不是為了取代人，而是讓經驗留下來，成為組織可以不斷複製、優化的決策能力。」—富邦媒體科技物流科技與系統維運副總經理林合壎
公司：富邦媒體科技股份有限公司（momo 購物網）
成立：2004年
AI應用領導人：富邦媒體科技物流科技與系統維運副總經理林合壎
AI應用項目：智慧物流（供應鏈／物流AI決策），透過AI結合歷史銷售、區域需求與活動檔期，進行銷量預測、動態佈貨、裝箱判斷與配送調度
AI應用成效：
1.中南區消費者訂單，80%可由當地倉庫直接出貨，大幅降低跨區調撥
2.2019年至2024年單件包裹重量減少26.6%、緩衝材用量減少45.9%
核稿編輯：康育萍、黃巧惠
