當(dāng)下，AI正從試點驗證邁向規(guī)模化落地，而組織的適配能力，已成為決定成敗的“最后一公里”。虎嗅智庫AI落地研學(xué)營的第四站，決定直面這一核心命題。

AI落地研學(xué)營，這場貫穿全年的系列研學(xué)活動，始終見證著AI與產(chǎn)業(yè)融合的每一次關(guān)鍵躍遷。6月，我們走進(jìn)飛書與智譜總部，探討AI Agent的技術(shù)發(fā)展，7月深入網(wǎng)易云商與交個朋友直播間，拆解營銷服一體化的可能路徑，9月則在檸季門店與叮咚買菜前置倉中，尋找供應(yīng)鏈的柔性與智能解法。從技術(shù)工具的演進(jìn)到業(yè)務(wù)場景落地，再到企業(yè)核心環(huán)節(jié)的革新，我們不斷走向AI落地產(chǎn)業(yè)的更深處。

而作為2025年的收官之站，第四期研學(xué)營選擇直面AI落地最棘手、也最根本的問題—組織和人。

當(dāng)AI從工具變成基礎(chǔ)設(shè)施，它不僅是在優(yōu)化流程，更是在挑戰(zhàn)原有的權(quán)力結(jié)構(gòu)、人才定義和管理半徑。

近日，AI落地研學(xué)營第四期走進(jìn)了已基本完成AI化改造的物美學(xué)清路店，并邀請了多點數(shù)智、海底撈、獵聘的一線操盤手，與來自餐飲、制造、家居、財稅等行業(yè)的數(shù)十位決策者，試圖回答一個問題：適配AI生產(chǎn)力的組織和文化，到底應(yīng)該長什么樣？

有限貨架下，AI如何破局實體零售

當(dāng)日上午在物美學(xué)清路店的參訪，讓大家對AI對零售門店的賦能有了具象的體感。

這家門店通過AI銷量預(yù)測與智能訂貨，不僅實現(xiàn)生鮮日清日結(jié)，更在SKU減少3000個的情況下，銷售額增長3倍。更在自助收銀區(qū)，用AI攝像頭實時監(jiān)測漏掃與異常行為，大幅降低人工巡檢壓力，并將收銀損耗率降低70%以上。

這些成效背后，離不開多點數(shù)智提供的系統(tǒng)性AI能力支撐。多點數(shù)智AI專家宋楠在隨后的分享中道出關(guān)鍵點：實體零售的核心矛盾，是“有限貨架”與“無限個性化需求”之間的效率博弈。電商可以無限上架、快速汰換，而線下門店的物理貨架必須承載最高效的選品與流轉(zhuǎn)。

圖：多點數(shù)智AI專家宋楠

為此，多點數(shù)智不斷探索用數(shù)字化及AI幫助實體零售提效。宋楠將多點數(shù)智的AI探索分為四個階段，從“最初迷茫期”，嘗試RAG、ChatBI，到模仿跟隨期對CV巡檢、防損場景的探索，再到真正創(chuàng)造可量化價值的行業(yè)落地期，先后攻克AI補貨、AI動態(tài)出清、AI鮮算等核心業(yè)務(wù)痛點。

以動態(tài)出清為例，傳統(tǒng)打折依賴人工經(jīng)驗，往往一刀切。

多點數(shù)智通過數(shù)據(jù)驅(qū)動+流程重構(gòu)，將復(fù)雜的打折決策拆解到單店單品的精細(xì)化操作維度，讓AI模型學(xué)習(xí)不同商品的銷售特性與損耗規(guī)律，最終實現(xiàn)差異化定價，有的商品打五折，有的打八折，有的甚至不打折也能售罄，僅此一項，就為物美單店帶來日利潤數(shù)千元的提升。

當(dāng)下進(jìn)入深度探索期，多點數(shù)智的AI探索開始介入零售最核心的選品環(huán)節(jié)。宋楠舉了一個生動的例子，有一段時間，物美門店發(fā)現(xiàn)烤箱錫紙銷量走俏，按照過往經(jīng)驗，采購人員可能就習(xí)慣性加大采購。但AI通過關(guān)聯(lián)分析與人群畫像發(fā)現(xiàn)，學(xué)清路店周邊的核心客群是對價格敏感、追求潮流品質(zhì)但又喜歡懶人做飯的學(xué)生群體。錫紙消耗大，是因為他們喜歡買半成品到店快速加工。因此，AI給出的建議不是賣錫紙，而是轉(zhuǎn)向“懶人廚房”場景，建議上線更多場景關(guān)聯(lián)商品比如快手菜等。

這不僅是商品的替換，更是從“銷售單品”到“滿足場景需求”的思維轉(zhuǎn)換。AI的選品邏輯，在于將暢銷品轉(zhuǎn)化為場景入口，進(jìn)而分析并滿足其背后的人群特征與潛在需求。

然而，實現(xiàn)AI在具體業(yè)務(wù)場景落地的最大挑戰(zhàn)，并非技術(shù)本身，而在于知識的提煉。宋楠坦言，很多業(yè)務(wù)專家是能說不能寫，經(jīng)驗很難結(jié)構(gòu)化。由于實體超市每天都會產(chǎn)生巨量數(shù)據(jù)，但二十年經(jīng)驗的老采購人員，其隱性知識很難被直接提取。如何將散落于個人頭腦中的經(jīng)驗，轉(zhuǎn)化為可被AI復(fù)用的結(jié)構(gòu)化知識體系，是比訓(xùn)練模型更重要的組織功課。

對此，宋楠的經(jīng)驗是，行業(yè)知識必須拆到極小顆粒度，AI產(chǎn)品上線只是完成50%，后面是持續(xù)的業(yè)務(wù)打磨，企業(yè)必須構(gòu)建將經(jīng)驗抽煉為知識的機(jī)制和能力。

獵聘眼中的未來組織：大平臺+小團(tuán)隊

當(dāng)先進(jìn)生產(chǎn)力和生產(chǎn)關(guān)系都已就位，組織變革的最后一環(huán)落在了人身上。獵聘AI技術(shù)負(fù)責(zé)人莫瑜從人才數(shù)據(jù)的角度，揭示了AI對組織形態(tài)的深層重構(gòu)。

圖：獵聘AI技術(shù)負(fù)責(zé)人莫瑜

莫瑜指出，勞動力市場正在出現(xiàn)明顯的兩極分化，初級、職能類崗位如電話銷售、初級美工需求大幅下降，而掌握AI技能的超級個體和復(fù)合型人才需求激增。數(shù)據(jù)表明，越來越多的企業(yè)正在通過AI縮小組織規(guī)模，更多超級個體戶正在誕生。

為了適應(yīng)這一趨勢，莫瑜建議企業(yè)的組織架構(gòu)應(yīng)向“大平臺+小團(tuán)隊”轉(zhuǎn)型，大平臺集中沉淀通用的AI能力、基礎(chǔ)設(shè)施和數(shù)據(jù)資產(chǎn)，小團(tuán)隊匯聚少數(shù)精兵強將，以特戰(zhàn)隊形式，利用AI工具，以場景為中心，響應(yīng)業(yè)務(wù)需求，快速實現(xiàn)迭代閉環(huán)。

同時，企業(yè)也需要重新思考人才策略，可以側(cè)重內(nèi)部培養(yǎng)既懂業(yè)務(wù)又善用AI的復(fù)合型員工，外部引入的人才也需兼具“行業(yè)經(jīng)驗與AI能力”。

這一理念也正被獵聘應(yīng)用于自身的產(chǎn)品革新中。當(dāng)下，針對傳統(tǒng)招聘流程中“海量篩選、重復(fù)溝通”的痛點，獵聘推出招聘Agent、AI面試官Doris等產(chǎn)品，將簡歷初篩、意向確認(rèn)等繁瑣復(fù)雜環(huán)節(jié)交給AI完成，讓HR能更專注于最終的情感連接與價值觀判斷。這不僅降低了招聘成本，更將“招聘”工作從體力活變成了技術(shù)活。

落地最大阻力，往往不在技術(shù)而在人心

在最后的圓桌環(huán)節(jié)，來自合思、深象智能、曲美智家等企業(yè)的實戰(zhàn)派嘉賓，就AI落地的真實痛點展開了激烈探討，共識逐漸清晰，阻礙往往不在技術(shù)本身，而藏在基礎(chǔ)設(shè)施、行業(yè)知識與組織慣性之中。

圖：圓桌探討

首先，是基礎(chǔ)設(shè)施與數(shù)據(jù)。深象智能首席科學(xué)家王炎坦言，線下部署常卡在客戶自身的基礎(chǔ)設(shè)施上。“我們?nèi)ゲ渴餉I巡檢，有時得先幫客戶換交換機(jī)、找密碼，光搞基建就花一個月。”此外，業(yè)務(wù)數(shù)據(jù)的標(biāo)注與定義也極為復(fù)雜，例如區(qū)分“小孩摔倒”與“小孩打鬧”這類相似場景，就需要大量人工歸納，這讓AI在具體場景的落地充滿挑戰(zhàn)。

更深層次的難點，在于行業(yè)知識沉淀與機(jī)構(gòu)化。曲美智家合伙人張鵬對此深有感觸，家居行業(yè)存在大量非結(jié)構(gòu)化的設(shè)計圖紙、場景描述與客戶需求，這些行業(yè)知識數(shù)據(jù)難以直接喂養(yǎng)給模型，構(gòu)建專屬知識體系成為難題。

對此，多點AI產(chǎn)品負(fù)責(zé)人陳品竹給出解題思路，在他看來，每個垂直行業(yè)都面臨構(gòu)建專屬知識體系的難題，真正的關(guān)鍵在于前置判斷：行業(yè)的隱性知識能否被抽取？如何設(shè)計有效的樣本進(jìn)行訓(xùn)練？這比選擇何種技術(shù)模型更為根本。

最后，技術(shù)變革最大的阻力還是來自人。財務(wù)收支管理平臺合思創(chuàng)始人兼CEO馬春荃犀利地指出，AI技術(shù)和產(chǎn)品落地中最大的反動力量有時會來自技術(shù)團(tuán)隊自身。因為程序員習(xí)慣了堆砌代碼和固有流程，而AI能夠直接生成結(jié)果，這讓他們感到威脅或不信任。AI時代，技術(shù)人員的工作方式徹底變了，“過去是拿鐵鍬堆屎山，現(xiàn)在是拿挖掘機(jī)推Bug。”

如何幫助團(tuán)隊突破這種慣性，馬春荃建議采取一把手工程+特區(qū)模式，首先是一把手要大力推進(jìn)AI在企業(yè)中的落地，在此基礎(chǔ)上，把一小群懂業(yè)務(wù)、有創(chuàng)新意愿的人員從原有KPI中釋放出來，封閉攻堅，專注用AI解決業(yè)務(wù)真問題。一旦這群人跑通了核心場景，獲得可驗證的業(yè)務(wù)成果，也就能迅速點燃整個組織應(yīng)用AI的信心與熱情。

結(jié)語

這些來自業(yè)務(wù)一線的探索與碰撞，最終指向一個清晰的共識：AI落地的本質(zhì)不是技術(shù)引進(jìn)，而是組織進(jìn)化。

對管理者而言，需要從管理具體動作轉(zhuǎn)向引領(lǐng)業(yè)務(wù)目標(biāo)，并敢于重塑利益分配機(jī)制；對員工而言，未來不再有單純的執(zhí)行者，每個人都將是AI訓(xùn)練師和超級個體；對企業(yè)而言，適配AI的組織必須具備數(shù)據(jù)反哺的閉環(huán)能力，從而將隱性經(jīng)驗顯性化，將個人能力組織化。

正如海底撈AI專家楊家瑞在分享最后所說：AI是提升運營效率的有力助手，我們也必將感激今天為提升AI效率所付出的努力，技術(shù)的進(jìn)化日新月異，但唯有與之匹配的組織與文化，才能將潛能轉(zhuǎn)化為真正的生產(chǎn)力。

在AI新時代，這場關(guān)于組織與文化的深層變革，其實才剛剛開始。明年，虎嗅AI落地研學(xué)營仍將秉持“在現(xiàn)場”的初衷，持續(xù)走進(jìn)那些將AI真正融入業(yè)務(wù)血脈的企業(yè)，探訪最新鮮的AI案例實踐，捕捉最真實的AI行業(yè)洞察，沉淀可落地執(zhí)行的AI落地方法論。

添加智庫小虎，了解更多詳情

2026年，我們期待與你同行，一起繼續(xù)在參訪、推演、碰撞中，找到獨屬于你的AI落地路線圖！

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4816776.html?f=wyxwapp