庫存管理的握手結束了
每週一早上，花費30分鐘在 Windows 設備前手動確認庫存狀況。計算何時應該再次訂購、核實時間差導致的遺漏、調整時機。這曾是直到上月為止的日常工作。
但從某一天開始，Google 試算表開始自動運作了。
設定階段：將臨界值嵌入 Google 試算表
打開 Claude Code，建立了簡單的自動化邏輯。透過監視 Google 試算表的三個欄位。
**監視對象欄位**
- 當前庫存量（即時更新）
- 最低訂購數量（團隊設定的基準值）
- 配送交期（按供應商）
庫存量 < (日平均銷售量 × 配送期間) 時
→ 觸發自動提醒
這一個條件式改變了一切。
運作方式
每天在預定時間（上午6點）自動讀取 Google 試算表的數據。Claude Code 計算庫存數字，若低於臨界值則立即透過團隊訊息或電子郵件發送信號。人為判斷無法介入。
最初兩週內心有疑慮。機器人真的能準確捕捉嗎？但這只是杞人憂天。實際上它捕捉了下列情況：
• 季節變化導致的出人意料需求增加
• 供應商配送延遲需要提前訂購
• 特定商品轉售速率的變化
失誤與改進
初次設定有一個遺漏之處。沒有計入週末，導致週五下午收到信號時，得等到週一才能訂購，造成了虛驚一場。為修正這一點，在配送期間計算式中加入了緩衝區（安全庫存）。
最終臨界值 = (日平均銷售量 × 配送期間) + 安全庫存 + 週末緩衝
夢幻團隊的反應
自動化前後最大的改變是心理上的安心感。消除了因庫存不足導致訂購遺漏的壓力。反之得以將時間投入到客戶服務和下季計畫等更重要的工作。
夢幻團隊機器人們（自動化機器人團隊成員）現在也擔任庫存管理員的角色。人類只需進行最終批准。
延伸應用
這種架構超越單純庫存管理，亦可應用於其他領域。
• 客戶跟進週期追蹤
• 合約更新時期預測
• 付款期限自動提醒
學到的是，再小的團隊只要建立好系統，AI 就能代為監視。