01 / 先数任务,再谈替人
一台机器人每天替员工完成若干次搬运,看起来很容易换算成“节省多少个人”。但门店购买的不是一串被释放的分钟,而是营业时间内持续可用的服务能力。任务时间减少,与工资支出下降之间,隔着一张真实的排班表。
设想一家店拟投入 ¥60,000 采购并部署设备。团队先把能够交给机器的任务逐项计时,再按人力成本折算,得到每月 ¥6,000 的理论可省人力。这只是模型起点:它尚未说明省下的任务分布在哪些时段、是否需要员工交接,以及机器停机时谁来接手。
如果员工原本在收银空档顺手完成搬运,去掉搬运不会自动减少一个班次;如果被替代的是独立、可取消的加班段,成本才更可能直接消失。因此,我会先要一张“任务 × 时段 × 岗位”的表,而不是接受一个笼统的人效提升百分比。
省下的是任务分钟;
— 远山,本文原创判断;非访谈引文
买单的是经营结果。
02 / 把分钟兑现成支出
本文把“人力节省兑现率”定义为:实际减少,或有可信基线支持、确实避免发生的人力现金支出,占理论可省人力金额的比例。它不是机器的任务成功率,也不是员工被替代的比例。
基准情景取 50%:¥6,000 的理论空间,只有 ¥3,000 进入实际支出变化。这个数必须由排班、工时与工资记录证明。人员调去做服务、理货或销售,可能有价值,但只要原有支出没有下降,就不能同时记作已兑现的人力节省。若要计入新增销售,必须另外证明增量贡献,避免同一份时间算两次。
03 / 从省人走到增量收益
再扣每月 ¥1,000 运维,基准情景的月净节省为 ¥2,000:¥6,000 × 50% − ¥1,000。这里把维保、耗材、软件、额外接管等持续成本统一放在运维项中;在真实项目里,需要逐项拆开,检查报价是否包含它们,并避免与人力项重复计费。
这一步也解释了为什么“技术能用”不足以支持采购。零兑现时,设备照样可以完成任务,却每月增加 ¥1,000 净支出;完全兑现时,净节省则为 ¥5,000。技术表现相同,组织是否改变、成本是否消失,能让经济结果走向相反方向。
同一台设备,三种兑现结果
查看假设、算式与完整数值
| 兑现率 | 兑现人力/月 | 运维/月 | 净节省/月 | 静态回收 |
|---|---|---|---|---|
| 0% | 0 | 1,000 | −1,000 | 不可回收 |
| 50% | 3,000 | 1,000 | 2,000 | 30 个月 |
| 100% | 6,000 | 1,000 | 5,000 | 12 个月 |
月净节省 = 6,000 × 兑现率 − 1,000。静态回收月数 = 60,000 ÷ 月净节省;仅在月净节省为正时成立。
需要分清口径:这里的“净节省”是简化的经营现金增量,不是会计净利润。折旧、税费、融资以及资金时间价值均未计算,增长收益与设备残值也未计入。它回答的是已有成本能否被释放;若要判断完整投资价值,仍要补齐现金流时间表和会计口径。
04 / 回收期依赖什么
基准情景的静态回收期是 30 个月,不是设备的固有属性。这个数字假设 ¥2,000 净节省从开始运营起每月稳定出现,期间没有额外改造、大修或停机损失。如果部署后几个月仍要双人值守,实际回收时间就会延后。
在本例中,兑现率需高于约 16.7%(1,000 ÷ 6,000),月净节省才为正。但“每月不亏”远不等于“值得投资”:剩余租期、设备可用年限和业务调整窗口,必须给 ¥60,000 留出足够回收时间。我不会仅凭一个正数通过项目,也不会把 100% 兑现当作默认基准。
真正值得谈判的,也不只是设备便宜多少,而是哪些条件能使节省更早兑现:试点验收是否检查排班变化,故障响应是否有明确边界,改造和维护成本是否写清。
05 / 一家店之外,条件能否复制
试点可能刻意选了通道规整、店长配合、任务密集的一家店。这可以帮助排查技术,却不能自动代表整个店网。我会把下一轮部署按三个条件分组,再重算经济性。
- 场景:任务是否足够集中? 同样的搬运量,散在十二小时里和集中在可取消的班段里,价值不同。通道、楼层、峰值拥堵和业务量也会改变任务边界。
- 流程:谁能改动排班? 机器接管的任务是否标准化,异常由谁处理,店长是否有权限和能力重排工作。复制一台机器,远比复制一套愿意改变的流程简单。
- 维护:网点越多,服务是否仍成立? 维修覆盖、备件、备用设备和远程支持会影响停机与成本。总部统一调度可能降低成本,分散部署也可能抬高成本,不能预先把规模全部记作收益。
因此,下一家店不应只问“也能不能跑”,而要问“哪些条件不同,兑现率与运维会怎样变化”。这是我把选址经验迁移到科技研究的切入点:地点与流程是技术经济性的一部分。
06 / 证据、问题与局限
本文能演示分析顺序,不能证明任何设备已经创造利润。为避免把推断写成事实,我把证据分为三层。
- 构造输入。 投入 ¥60,000、理论可省 ¥6,000/月、运维 ¥1,000/月,以及三档兑现率,全部是明示的演示假设。
- 可复核的计算。 ¥2,000 基准净节省、30 个月静态回收,以及另外两档情景,都可由表中算式重算。计算正确并不使输入自动真实。
- 尚待验证的判断。 排班决定兑现、门店差异影响复制、维护网络影响成本,构成后续研究问题;本文没有真实样本来估计影响幅度。
如果开始真实研究,我会先补什么
- 任务证据:记录正常日与高峰日的任务时长、成功率、人工接管和等待;保留原始日志与观察口径。
- 兑现证据:对照部署前后排班、工资和外包账单;控制营业时间、客流、促销与业务量变化,区分裁撤成本、避免招聘和人员调岗。
- 成本证据:核对合同、发票、维保范围、故障记录和场地改造;检验 ¥1,000 是否覆盖完整持续支出。
- 复制证据:在不同店型、任务密度与维修距离下复测;记录失败门店,避免只报告表现最好的试点。
本模型还没有覆盖服务质量、安全、顾客体验、收入增量和长期设备风险;真实采购需另行评估。我的暂时判断是:只有当任务节省可以兑现,并在可接受时间内回收投入,继续扩张的讨论才有可靠起点。决定下一步的,是尚缺哪条证据。
远山 · 把任务、现金和判断连起来。
材料与方法声明
本文为原创方法示范,无外部统计、真实采访或客户材料。引文为作者自己的分析表述。数字仅用于展示敏感性分析;没有对市场规模、机器性能或现实回报作出估计。所有算式与假设已在文内列出,可与首页经营实验台对照。
阅读完整研究方法与适用边界 →下一步,换一组假设。
把你认为更合理的兑现率和运维成本放进实验台,看判断是否改变。再读越南选址样例,比较同一套“条件能否成立”的问题,如何应用到另一个场景。