AI 庫存管理不該只是把報表換成漂亮的圖表，而是從歷史銷售、可銷天數與供應商交期找出要優先處理的庫存風險，幫助採購和營運做決定。

AI 庫存管理需要先準備哪些資料？

模型需要穩定 SKU、歷史訂單、庫存異動和可靠交期。缺貨期間的低銷量不一定代表需求低；促銷高峰也不能無條件當成未來常態。

功能重點資料要回答的問題
缺貨預警銷速、可銷量何時可能賣完？
補貨建議銷速、交期、在途何時補、補多少？
滯銷偵測銷速、可銷天數哪些庫存可能積壓？

缺貨預警回答什麼商品即將售罄，補貨建議討論何時補、補多少；滯銷偵測則找出可銷天數過長的商品。三者不應被包裝成同一個萬能 AI 決策。

AI 缺貨預警：如何判斷快售罄？

某商品可銷二十四件、平均每日售六件，約可再賣四天；若供應商交期十天，即使今天仍能接單，也有到貨前售罄的風險，需要確認追加或其他銷售安排。判斷時應考慮促銷波動和已在途採購。

AI 補貨建議：何時補、補多少？

補貨建議需要整合歷史銷售、現有可銷庫存、補貨交期和採購在途，不能只說「少於二十件就補五十件」。例如預估下次到貨前會消耗七十件、已可用四十件、在途二十件，仍須先確認是否有未計入的保留需求，才能計算缺口。

AI 滯銷偵測：哪些商品賣得太慢？

若某商品可銷六百件、近一個月平均每日售三件，可銷天數約二百天；品牌可列入檢查名單，再依毛利、季節與庫齡決定如何處置。BunnyWork 的 AI 滯銷偵測主要提供偵測清單，不會憑空自動提出完整促銷策略。

AI 庫存預警上線前怎麼驗證？

選出一個真實 SKU 與最近一週的訂單，包含正常、取消、缺貨與退貨情境。先固定資料更新時間及負責人，確認原始訂單到庫存異動可以回溯，再用相同標準比較改善前後。不要只依一次示範結果決定全部作業方式。

指標評估目標
主力 SKU 缺貨天數是否減少
高庫存低銷速 SKU是否提早發現
補貨建議誤差是否縮小
人工分析時間是否降低

AI 分析如何連到日常採購決策

AI 庫存管理應把分析結果變成工作清單：哪些 SKU 快售罄、補貨缺口是多少，以及哪些商品可能積壓，而不是讓採購每天重新算一次。