亚洲夜夜网I久久久亚洲精品I久久99精品国产麻豆宅宅I久久人人爽人人I狠狠色狠狠色综合日日小说I天天综合网~永久入口

近日，“第二十三屆中國百貨零售業年會暨商業創新峰會”在上海勝利召開。與會嘉賓圍繞大會的主題“新周期、新趨勢、新跨越”，展開深入交流探討。同期，“2026零售數字化發展論壇”就數字化及AI應用進行專題交流。

會上，雅戈爾集團CIO王歆先生分享了《AI生產力就是數據生產力》，以下為分享內容：

王歆雅戈爾集團CIO

AI到底能給企業帶來什么？沒人敢說AI能讓企業發生翻天覆地的變化，但我們都能感受到，AI能讓個人效率提升5-10倍。為什么企業端的AI效果遠不及個人端？核心答案很簡單：所有AI生產力，都與數據深度綁定。

企業流程的本質，是數據與業務的集合。很多企業業務發展不及同行，根源不是業務本身不行，而是自身業務產生的數據，沒有與其他業務數據形成聯動，無法轉化為生產力。企業要讓AI真正產生價值，關鍵是讓AI“跑在數據上”——而數據需要流程、定義、標準的支撐，絕非靠一個大模型就能實現。

結合雅戈爾的實操案例，聊聊傳統行業AI落地的“坑”與“路”。雅戈爾以服裝起家，除自身品牌外，我們還擁有全球頂級戶外服裝品牌HELLY HANSEN等，覆蓋從棉花種植、紗線、面料、設計、生產，到物流、分銷、零售、客服的全產業鏈，上下游涉及100多套系統。

一、AI落地破局：從“人干”到“機干”，重構效率邏輯

過去，企業里高屋建瓴的精英掌握核心資源；現在，AI正在拉平這種能力差距，核心競爭力轉向解決實際問題。雅戈爾的第一個突破，就從系統開發場景開始。

以前開發一套系統，要先調研用戶需求、形成PRD文檔、交給開發團隊、測試上線，全程需要幾個月。現在只需要用會議記錄器，3小時后通過大模型直接將會議內容轉化為PRD文檔，精準度達70%左右；產品人員修改2小時后，再通過面向結果編程，無需手動寫一行代碼，就能直接落地。

基于此，從今年2月開始明確：未來考核程序員，誰寫的代碼越多，就淘汰誰。十幾年前，很多企業盲目建系統，打通成本極高；而現在，機器寫代碼能零成本實現系統聯動，程序員和傳統IT模式，反而成了數字化的最大阻力。

智能時代，企業不需要過多專家，更需要懂需求、懂標準、能定義產品的人。目前，雅戈爾平均每3天就能產出一個非核心應用系統，每天有300多人參與，核心成本只是大模型的token消耗，一天僅需千元。這些系統雖大多只應用1-2周就會迭代，但真正實現了讓業務人員參與到數字變革中，打破了IT部門的壟斷。

二、小場景大價值：會議與培訓，AI落地的輕量試金石

很多企業的會議都是無效消耗——每天工作8小時，其中6小時在開會，很多人參會前不知道會議主題，會后沒有結論、沒有行動，完全浪費資源。雅戈爾用AI重構了會議流程：

通過釘釘日歷開放高管時間，自動提醒參會；每一場會議都要求明確主題，AI自動生成會議紀要，識別率達70%-80%，能精準提煉觀點，會后立即同步至知識庫，還能自動定位會議中某個人的發言時間、內容；更重要的是，會后可直接生成待辦事項，明確責任人，形成“計劃-執行-檢查-改進”的PDCA閉環。

高管的時間成本極高，若會議無效，就是巨大的資源浪費。AI讓會議從“形式化”走向“實效化”，讓每一次決策都能落地跟蹤，這就是小場景的大價值——AI沒有大小之分，只要行動，就有收獲，就有ROI。

再看導購培訓場景。我們發現，優秀導購的銷售能力比普通導購高出37%，但傳統培訓流于形式：精英寫培訓文檔、督導盲目評價、效果無法量化。雅戈爾的解決方案很簡單：

為全國100名優秀導購配備電子工牌，可連續錄音36小時，記錄其與顧客的溝通全過程（抹去消費者聲音）；每天100名導購接待20位顧客，產生2000筆銷售錄音，AI自動提煉培訓內容，同時綁定零售小票時間，為會員打上精準標簽（非人臉等敏感信息，而是消費行為、潛在需求等）。

這些標簽觸發相應場景推送，轉化率比手動推送高出十幾倍；AI還會根據錄音內容，對所有導購進行自動打分，評分精度超過優秀督導，分數直接接入人事系統，與導購晉級（銅牌、銀牌、金牌、鉆石牌）掛鉤。以前需要上千萬投入的培訓體系，我們僅用9萬元就落地，實現了“導購產生內容、內容提升導購”的閉環。

三、核心突破：數據聯動與智能運營，告別孤立系統

零售的核心公式的是：銷售=流量×進店率×駐留率×試營率×成交率×進單價×客單數×復購率。雅戈爾所有AI應用，都圍繞這個公式展開，核心原則是：不做孤立系統。

比如客流統計，我們曾在門店投錢安裝客流設備，卻因導購抵觸（認為是監視）、數據不被認可而失敗。后來我們簡化方案：導購通過釘釘語音記錄客流，AI自動生成記錄，結合訂單時間綁定客流與CRM，形成完整數據鏈路。

此外，還將數據拆解為行政、財務、運營、IT等角色，老板想查看具備財務視角的門店運營數據，只需點擊對應角色的Agent，AI就能快速生成接近80分財務水平的報告，無需財務人員找IT寫SQL、用BI拖拉拽，大幅提升決策效率。

很多企業的痛點的是：業務人員要“銷售數據”，財務要“回款數據”，IT給的是“零售數據”，各說各的、互不認可，機器無法判斷對錯。這就是數據治理的缺失——以前數據治理全靠IT，業務人員不參與，只能被動提意見，效率極低。

我們從2020年開始持續做數據治理，因為“垃圾進、垃圾出”，只有數據質量高，AI能力才能發揮。這也是很多人問“雅戈爾的數據為什么用起來順”的核心答案——數據治理沒有捷徑，唯有持續投入、持續優化。

OpenAI的出現，讓通用人工智能的雛形逐漸顯現——它能根據需求調用不同模型，生成解決方案并執行。雅戈爾目前已養了三只AI（龍蝦）：一是抓取競品IT建設情況，打分70分，卻能節省我幾小時的工作量；二是運營公眾號，只需把PPT或演講內容交給它，15分鐘就能生成推文，確認后即可發布；三是審核程序員周報，自動生成評論，雖有AI味，但精準度足夠。

這里要強調：API（數據質量）+SOP（流程）=SKILL（能力），企業內部的流程相對固定，將傳統軟件通過API+SOP改造成SKILL，結合大模型，就能打造數字員工，未來完全可以驅動生產線和流水線。

很多企業上AI的第一反應是“砍人”，這是完全錯誤的。正確的邏輯是：降本是生存需求，增效是核心目標，AI是實現能力。應該先通過AI構建企業能力、提升效率，再通過效率提升實現降本；若反過來先砍人，大概率會失敗。

最后想強調：所有AI落地的前提，都是有質量的數據。