新生还未报到，迎新住宿保障已经提前启动。
本科、硕士、博士新生分别有多少人？
男女生如何分布？哪些老生床位需要保留？
哪些床位能够按时腾退？
分校区返校学生又将带来多少新的住宿需求？
一边是不断变化的学生数据，一边是分散在不同楼栋、不同楼层的床位资源，如何把两头精准“对”起来，是每年迎新前公寓服务中心都要完成的一道必答题。
过去，这道题主要靠人工完成。工作人员在一张张表格之间反复核对、统计、试算，一旦学生人数或房源情况发生变化，后续数据往往需要重新调整。
“能不能换一种办法？”
今年迎新床位核算工作启动后，这个问题一直萦绕在公寓服务中心工作人员杜佳男、葛韵声心头。
床位核算，首先要解决的不是“怎么算”，而是“底数准不准”。公寓服务中心专项工作小组从最基础的房源摸排做起，杜佳男、葛韵声主动对接学工、研工及各分校区相关部门，逐项核实老生床位保留、学生腾退、返校住宿等信息，把分散的数据重新梳理。
纸面数据核清了，还要到现场再看一遍。
公寓管理员逐楼、逐层、逐间核验拟腾退床位。遇到学生因出差等原因未按时腾退，就及时联系、跟进；发现散落在不同楼层和房间的空床，就重新登记、归集。一些台账上不起眼的零散资源，就这样被一点点“找”了出来。部门数据、现场情况、实际房源反复比对后，账面上的“床位数”才真正变成可用于迎新的“可用床位数”。
底数摸清后，更复杂的计算随之而来。
本科生、硕士生原则上安排4人间，博士生安排2人间，同时还要兼顾性别分区、学院相对集中、年级衔接、楼栋容量等因素。杜佳男、葛韵声发现，真正占用大量时间的，往往不是管理判断，而是重复的数据分类、统计和试算。
于是，两人把目光投向了AI。
他们重新拆解床位核算流程，将不同学段人数、性别、房型、楼栋容量、可用床位等信息逐项梳理，把一线工作中积累的排布经验转化成相对清晰的计算规则，再借助AI辅助完成数据整理、运算和初步匹配。
但他们没有止步于“让AI算一次”。
在反复使用和调试中，两人进一步借助AI辅助编辑出一套床位计算小程序，将常用的计算逻辑和关键参数逐步固化下来。程序设置了输入端口和输出端口，工作人员输入学生人数、性别、住宿标准及可用房源等数据后，即可按照预设规则快速形成床位需求和资源匹配结果，为后续排布提供参考。
这样一来，过去需要在多张表格之间反复计算的工作，有了一个可以重复使用、持续优化的小工具。今后学生规模、住宿标准和房源结构发生变化，只需调整相关参数和规则，小程序还可以继续迭代完善。
不过，无论是AI还是小程序，都无法替代人的判断。
同样是几个空床，可能分散在不同楼层；同样满足人数要求的方案，还要考虑学院分布、管理衔接以及实际入住情况。因此，工作中始终坚持“人工摸底、人工定规、AI运算、小程序测算、人工复核”。初步结果出来后，杜佳男、葛韵声和一线管理员还要结合楼栋实际逐项调整。
AI负责提高速度，人负责把握尺度。
迎新床位核算只是公寓日常工作中的一个“小切口”，但杜佳男、葛韵声没有满足于“年年这样做”。发现人工核算繁琐，就重新拆解流程；发现AI能够提高效率，就主动学习使用；在使用过程中，又进一步把一次性的计算方法做成可以反复使用的小程序。
在本次迎新数据专项工作中，工作人员归集整理 25 套公寓完整在住学生信息库，完成数据表格归并150 余次，绘制各类统计图表 30余份。在AI工具智能体的协助下，整体工作较往年压缩约 15 个工作日，大幅提升迎新住宿信息统筹效率。
从一张床位表，到一个小程序，改变的不是住宿管理的责任主体，而是基层员工解决问题的方法。技术最终落在了一张张床位表、一个个具体房间里，也让管理人员从重复计算中腾出更多精力投入现场研判和学生服务。
下一步，公寓服务中心还将结合实际使用情况持续优化床位计算小程序和AI辅助核算方式，让这个源于一线的小工具更加贴近业务、更加实用，为迎新住宿保障和公寓精细化管理持续提质增效。