時間:2026-04-27 10:33
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,上海水星家用紡織品股份有限公司CIO劉峰先生分享了《AI賦能企業:從理想藍圖到務實落地》,以下為分享內容:
劉峰 上海水星家用紡織品股份有限公司CIO
水星家紡作為深耕行業三十余年的國民品牌,目前國內市場占有率位居第一,去年經第三方機構認證,已躋身全球家紡行業首位。在AI快速普及的這幾年,開展了大量實踐探索,既有成功經驗,也走過不少彎路。現從AI落地得失復盤、落地策略、實踐案例、AI時代企業轉型思考,分享體會與打法。
一、AI企業級應用:理想與現實的差距及誤區反思
自2022—2023年AI全面爆發以來,企業對AI普遍寄予厚望:希望借助AI實現自動化決策、智能預測與洞察、降低運營成本、提升客戶體驗。但真正推進企業級復雜場景落地時,往往是“理想很豐滿,現實很骨感”。
我們在實踐中遇到三大共性挑戰:
1.數據基礎薄弱
數據質量不達標、數據孤島普遍存在,大量時間耗費在數據清洗、治理與知識庫梳理上,嚴重拖慢項目進度。
2.試點易、復制難
POC階段效果亮眼,但規模化推廣困難,最終淪為“盆景式工程”,無法在全業務鏈路產生價值。
3.ROI模糊、人才不足
投入產出難以量化衡量,同時AI人才、治理體系存在明顯短板。
究其原因,我們總結出企業落地AI最容易陷入的三大誤區:一是技術先行,不問業務——典型“拿著錘子找釘子”,為上技術而上技術,陷入技術自嗨;二是貪大求全,一步到位——期望一次性建成完美體系,忽視循序漸進;三是重上線、輕運營——項目上線即結束,缺乏持續運營與迭代機制。
對標借鑒了北美企業AI應用經驗,麥肯錫相關調研顯示,全球企業AI轉型失敗率極高,核心原因與我們高度一致:商業價值不清晰、數據質量與數據孤島問題、系統集成復雜、AI難以嵌入業務流程、人才能力斷層等。
而真正跑通的約5%項目,成功經驗高度聚焦:
二、AI落地核心策略:務實激進,行穩致遠
盡管企業級AI落地困難重重、失敗率高,我們依然堅定推進AI轉型,并確立了務實激進的核心策略:
具體圍繞四個維度展開:
在此基礎上,我們形成五大行動原則:
同時,我們構建了從點到面的AI落地方法論:
三、AI實踐:從平臺底座到業務創新
1.重構IT架構,搭建企業級AI底座
去年對AI時代IT架構進行整體升級,打破單點應用碎片化局面,搭建統一AI基礎平臺,實現統一運營、安全管理與低門檻開發。在此之上落地了一批部門級應用:客服考試與培訓平臺、市場AI數據洞察、原材料價格分析等,并將AI管理與應用開發深度集成。
針對企業AI落地難點——智能體管理,我們建立了完善的合規、審計、權限體系,包括授權管理、代碼嵌入、日志追溯、四級數據權限管控、敏感詞庫、運營監控等,讓智能體可用、可控、可追溯。
2.探索自主規劃型智能體(龍蝦/Agent)
今年自主規劃型智能體快速興起,我們也將其納入企業應用體系。相較于傳統工作流式智能體,具備自主規劃能力的AI智能體,是重要的未來方向。
目前已用其開展自動化數據分析,能力水平接近資深數據分析師;同時成立AI社區,搭建AI社區平臺,全站代碼由AI自動生成,實現零代碼構建應用。
3.AI賦能C端定制,探索商業模式創新
花型是家紡行業核心資產。依托AI花型大模型,對水星自有花型進行序列管理,并面向C端開放個性化定制:用戶可上傳照片(情侶照、婚紗照、兒童照、寵物照等),通過AI實現風格轉換(卡通、漫畫、國風等),印制在四件套、抱枕等產品上;重點打造婚慶場景定制,支持將結婚誓言、紀念日等元素印刻在家紡產品上,形成情感化、紀念型新品類。
現場也設置了體驗二維碼與專屬優惠,歡迎各位體驗。同時,我們也希望與百貨、購物中心同仁展開共創,將水星AI定制能力與百貨數字化平臺、私域流量融合,實現渠道與品牌的數字化聯動。
四、AI時代企業轉型:八點關鍵思考
最后,結合這幾年實踐,我們對傳統企業AI轉型總結為八點關鍵判斷:
1.入局時機:不必再猶豫,現在就是最佳入場時間;
2.認知賦能:成立AICOE(卓越中心),推動全員AI認知升級,挖掘場景;
3.場景選擇:小切口、高價值,優先高頻、高價值、低門檻場景,用早期成功建立信心,再向核心業務滲透;
4.落地策略:堅持“務實激進”,由點到面逐步推開;
5.能力建設:傳統企業AI人才普遍不足,走“內部培養+外部引進+生態共創”路線;
6.組織轉型:員工向“智能體協作型員工”轉變,引入硅基員工(Agent/數字員工);組織從傳統層級式,向扁平化網絡型組織升級,從“面向任務”轉向“面向結果”,構建人機協同新范式;
7.業技融合:模糊IT與業務邊界,成立跨職能小分隊,打破組織壁壘;
8.風險控制:對新技術保持一定試錯容忍度,但嚴守合規紅線,尤其版權、數據安全等底線必須清晰。