11月17日,我在上海参加了中国连锁经营协会(CCFA)举办的2026零售创新大会,并在“零售+AI”平行论坛作了一场20分钟的分享。
演讲题目是《AI进入零售现场:从技术能力到经营能力》。
从河北承德到上海,从企业内部的技术讨论到全国性的行业交流,虽然只是一次短短的演讲,却也让我重新整理了一遍这些年来关于信息化、人工智能和企业经营的思考。

一、从承德说起
宽广集团是一家扎根河北承德的区域零售企业。
我们拥有大型超市、便利店、百货、奥特莱斯以及物流和食品加工等业务,约有2750名员工,经营规模在20亿元左右。
与那些全国性的大型零售集团相比,我们的规模并不算大,技术资源也相对有限。
但企业经营中遇到的问题,其实并没有太大的区别。
每天都有大量的销售数据产生,每天都有采购、补货、商品调整和会员运营等决策需要完成。
管理人员希望及时了解经营情况,业务部门希望提高效率,技术部门则需要想办法让这些数据真正发挥作用。
在过去很长一段时间里,我们建设了ERP、BI、会员系统以及各种业务管理平台。
这些系统积累了大量数据,也支撑着企业日常运转。
但一个始终存在的问题是:
我们拥有越来越多的数据,却不一定能够越来越方便地使用这些数据。
这也成为我们尝试将人工智能引入经营现场的起点。
二、这不就是宽广的豆包嘛?
在演讲中,我讲了一个发生在企业内部的小故事。
有一次,我向董事长介绍我们正在建设的AI问数系统。
我解释了自然语言理解、大模型、MCP、数据库连接和自动查询等技术原理,还介绍了系统如何分析经营数据。
讲了半天,董事长听明白了,说了一句:
“这不就是宽广的豆包嘛?”
我觉得这个比喻十分贴切。
从技术角度看,两者当然存在区别。但从企业管理者的使用体验来说,他所期待的其实非常简单:
像使用日常AI助手一样,向企业自己的系统提问。
例如:
“昨天生鲜卖得怎么样?”
“哪几家门店销售下降了?”
“这家店6月份,每个小时平均有多少笔交易?”
过去,这些问题可能需要打开BI系统、查询ERP,甚至导出Excel重新计算。
现在,我们尝试通过大模型理解问题,再利用MCP连接企业的数据查询工具,由系统返回结果。
这意味着,企业多年积累的数据,正在获得一种新的访问方式。
当然,能够回答问题,并不意味着回答一定正确。
数据的统计口径是否一致?查询结果能否回到原始报表复核?系统有没有越权访问?
这些问题仍然需要解决。
我们逐渐形成了一套基本思路:
先确定口径,再查询数据;先复核结果,再进入经营流程。
AI可以帮助我们更方便地找到答案,但经营责任不能因此交给AI。

三、技术进入经营,远比演示复杂
除了AI问数,这次我还介绍了几个实际业务场景。
其中一个是生鲜自动补货。
对于超市而言,生鲜补货是一件看似简单、实际却很复杂的工作。
订多了,可能产生损耗;订少了,又会导致缺货。
我们尝试使用近两年的销售历史数据,借助XGBoost、LightGBM等机器学习方法预测销售,再结合库存和在途数量生成订货建议。
在试点过程中,订货操作耗时初步反馈约减少一半。
这是一个令人鼓舞的变化。
但我在演讲中也特别强调:
订货变快,不等于经营效果已经变好。
缺货率有没有下降?损耗有没有减少?门店是否愿意持续使用?系统建设和运行需要多少成本?
这些都需要进一步观察。
另外,我们还尝试将AI用于人力资源360度评价结果的整理、会员分群分析以及商品选品辅助等工作。
不同业务的技术实现并不完全相同,但有一个共同点:
AI不能只是展示某种令人惊讶的能力,而必须能够融入企业已有的经营流程。
真正有价值的,不是系统替我们生成了一份漂亮的报告,而是这份报告有没有人看、有没有人用,最终有没有带来经营上的改善。
四、理想与预算之间
演讲中,我还谈到了一个很现实的问题。
刚开始研究AI应用时,看到各种技术方案和可能性,总觉得前景十分美好。
但当服务器、算力、系统开发和运行维护成本摆到桌面上时,感受又完全不同。
我用了一个略带玩笑的说法:
“一开始觉得春天来了,一看投资,又觉得秋天来了。”
技术人员有时天然地追求更先进的技术、更强大的算力和更完善的架构。
但企业管理者需要考虑另一件事:投入与产出。
对于一家区域零售企业而言,资源总是有限的。
我们不可能因为AI技术发展迅速,就不断更换设备、重建系统,也不可能把每一种新技术都尝试一遍。
因此,我越来越倾向于一种比较务实的方式:
能利用既有系统的,就不轻易推倒重来;能使用成熟技术的,就不必事事从头研发;能够通过小范围试点验证的,就不急于全面推广。
技术方案可以很复杂,但经营决策应该尽可能简单。
五、模型会变,企业自己的能力要留下来
这两年,人工智能的发展速度令人惊讶。
从最初主要用于对话、写作,到逐渐能够调用工具、分析数据、执行任务,变化几乎以月为单位发生。
今天使用的模型,过一段时间可能就会被性能更好的模型替代。
但企业不可能跟着模型的变化,不断重建自己的业务系统。
我在演讲最后谈到了一个想法:
模型可以更换,但企业的数据资产、业务规则和工具能力,应该尽可能沉淀下来。
传统ERP记录交易,BI系统沉淀指标口径,MCP等标准化连接方式让模型能够调用经过授权的工具。
这样的架构,使我们有机会在保留既有系统的基础上,逐步引入新的智能能力。
对企业而言,真正重要的并不是选择了哪个大模型,而是有没有建立一套能够长期使用、持续改善的业务能力。
我认为,这才是人工智能从技术能力走向经营能力的重要一步。

六、一次分享,也是一次整理
这次上海之行,对我来说还有另外一层意义。
我从事信息技术工作已经很多年。
从早期的通信网络、IDC和ICT,到后来负责企业信息化、数据治理,再到今天推动人工智能应用,技术发展的方向不断变化。
但回过头来看,企业需要解决的许多问题,其实始终没有变。
如何获得准确的信息,如何提高工作效率,如何让管理者作出更好的决策,如何在有限的资源下创造更多价值。
这些问题,在不同年代,只是有了不同的技术解决方式。
准备这次演讲的过程,也让我有机会重新审视我们已经完成的工作和仍然存在的不足。
有些项目已经开始产生实际效果,有些仍处于试点和验证阶段,还有一些想法,距离真正落地尚有不小的距离。
这都很正常。
企业数字化不是一场可以迅速结束的比赛,人工智能也不会因为一次技术突破,就自动解决所有经营问题。
它更像是一项持续进行的工作。
做一点,验证一点;发现问题,再调整方向。
七、最后的三个问题
在演讲的最后,我没有用宏大的技术愿景结束,而是留下了三个简单的问题:
这笔数据从哪里来?
出了结果,谁来确认?
确认以后,谁会用、用在哪一步?
这些问题听起来并不复杂,却贯穿了企业从信息化到智能化的整个过程。
技术可以帮助我们更快地获得答案,但答案是否可信、能否用于经营,仍然取决于企业自身的管理能力。
从承德到上海,带去的是宽广集团的一些实践,也带回了对自己工作的进一步思考。
人工智能正在改变许多事情。
但我想,真正值得关注的,并不是AI能够做出多少令人惊讶的演示,而是有多少普通企业、普通岗位,能够在日常工作中逐渐用好它。
技术终究是工具,经营才是目的。
这大概也是我这次演讲,最想表达的一句话。
2026年11月22日,记于承德。
本文根据2026年11月17日CCFA零售创新大会主题演讲及个人思考整理。

