6月26日，在「DecideX · 决策智能新世代｜2026观远数据AI战略升级暨新品全球首发」大会现场，来伊份 CEO 综合办公室主任兼 CIO 徐雄杰带来主题分享 《AI落地知易行难：来伊份从组织共识到业务标杆的实践方法》。作为观远数据多年的合作伙伴，来伊份的这场分享，也让现场看到了零售企业推进 AI 的一些真实思考。
这家拥有 3000 多家门店、9400 多万用户的零食零售企业，不是"刚开始看 AI"的新手，而是已经完成了长期数字化投入、正在把 AI 推进到经营现场的实践者。它的分享核心就一个问题：AI 落地，到底难在哪里？
徐雄杰给出的答案很直接："长期人工智能是一件确定的事情，但是短期确实有太多的不确定性。"真正决定成效的，不是接入了什么模型，而是能不能把 AI 从技术能力，推进为组织能力和经营能力。
01 AI 落地，先找确定性场景
企业并不是不知道 AI 重要，也不是完全没有尝试。真正的难点在于，大家普遍卡在几个关键关口：战略上重视，但业务上找不到抓手；技术上能做原型，但组织上没有承接机制；局部场景看起来有亮点，但很难形成可复制、可推广、可持续的业务价值。
来伊份之所以值得关注，恰恰是因为它没有把 AI 当成一轮"新工具试用"，而是把 AI 放回到了企业经营主线里去思考。基于这样的判断，来伊份并没有急着把 AI 铺到所有环节，而是选择先找到最有业务确定性的切入口，再持续往深处做。
这个判断，说出了当下很多企业做 AI 的真实处境，也解释了来伊份为什么能走得更深一步。
从 2017 年开始，来伊份与观远数据携手推进数据分析与经营洞察建设。过去几年里，来伊份持续完成五大中台建设，在业务、财务、用户、供应链和数字层面打牢底座。徐雄杰在现场提到，过去五年，来伊份在数字化上持续重投入，这种投入并不是为了"先把系统搭齐"，而是为了让未来的智能化有真正可以承载的基座。
从这个角度看，来伊份这条路也很有代表性。AI 从来不是从真空中长出来的，它必须建立在真实业务、可信数据和持续协同之上。来伊份正在走的，正是很多头部企业都在摸索、但并不容易完整走通的一条路。
02 来伊份先回答的，是共识问题
这场分享里，一个很重要的判断是：AI 不是技术方案，而是商业变革。
徐雄杰的原话非常直接："我们认为做AI这件事情不是一个技术方案，我们一直没有觉得它是一个技术方案，我们觉得它是一个商业的变革。"
这句话决定了来伊份后续几乎所有动作的方向。
如果把 AI 当成技术项目，企业通常会从下往上推进，先找一两个点做试验，再看能不能复制；但如果把 AI 当成经营变革，就必须从上往下推动，先统一战略，再建立组织，再拆解场景。否则，AI 很容易停留在"小打小闹"的局部优化，最后变成一个看上去很新、实际上很难放大的项目。他在演讲中也特别强调："只有这样子你才能推动整个AI往前走，如果从下往上做永远是小打小闹。"
来伊份把这件事拆成了三层：
第一层，是集团战略共识。对齐集团未来 3 到 5 年规划，明确 All in AI 的业务价值，让 AI 不是一句口号，而是进入经营视角的长期命题。
第二层，是中心部门组织共识。不是把任务交给技术团队单独完成，而是由各业务板块共同参与，形成跨职能协同的推进机制。
第三层，是业务单元场景落地。围绕零售最核心的"人、货、场"，把经营问题拆成可验证、可闭环、可迭代的具体场景。
为了让这套机制真正跑起来，来伊份还在内部成立了 7 个智能小组，由各条线 VP 直接担任组长，按周推进、按周复盘。这样的组织设计意味着，AI 不再是某个支持部门的额外任务，而成为业务负责人必须亲自下场推动的新工程。这种"先统一认知，再搭建组织，再落业务场景"的路径，也让这场分享更具参考价值。
03 "人货场"，来伊份先把"货"做深
如果说组织共识解决的是"能不能推"，那场景标杆回答的就是"值不值得继续投"。
来伊份在分享中坦率地指出，企业当前最核心的痛点，是如何选对好货，并以更高效率、更优成本送达消费者。这句话听起来简单，但对零售企业来说，背后其实对应的是最复杂的一条经营链路。
门店规模越大，商品越多，消费者需求越分化，传统依赖经验的选品与补货模式就越容易遇到天花板。过去，很多门店配置依赖店型、商圈、区域分组，再叠加品类管理经验与历史算法。这种方法并非无效，但它天然有一个限制：更适合做"分组最优"，却很难做到"单店最优"。
而来伊份正在推动的，是从"按组配置"走向"一店一策"。
在现场分享中，徐雄杰详细介绍了来伊份如何把门店地址、周边人群、消费习惯、价格带等信息转化为标签，再结合商品标签、经营验证分和风险过滤机制，形成智能选品包。按照 PPT 展示的数据，这套体系每天更新超过 1000 万条标签关系，目标是让每一家门店都能获得更贴近自身经营特征的商品配置建议。
他说得很具体："现在我们做到了一店一策，这个我们已经在200多家门店上面跑了，我们希望在一两个月后在全国门店上都去跑。"
这背后真正有价值的，不只是选品效率提升，而是经营逻辑的变化。过去是让人凭经验去逼近最优，现在是让系统在更大规模、更细颗粒度的数据关系上持续寻找更优解。
更进一步，来伊份并没有把这件事停在"推荐"层，而是继续推进到预测补货与业务执行层。系统会结合动销、天气、活动等因素，自动计算补货建议，再通过二次校验提升推荐可用性。徐雄杰在现场甚至给出了一个非常鲜明的判断：门店人工叫货这件事，未来会逐步消失。
"我觉得这件事情在今年一定会消失掉，来伊份基于品的选品和预测补货一定会让门店这个动作整个消失，在2026年成为历史。"
这也是为什么，来伊份这部分分享格外有启发。因为它不是在用 AI 包装传统流程，而是在尝试用 AI 深入一条关键经营链路。
04 除了"货"，来伊份也在重构"人"
在"人"的维度上，来伊份同样在用 AI 重构消费者运营链路。从自动打标分群、内容智能生成、个性化推荐，到智能客服承接、LTV 预测和复购运营，来伊份正在把用户侧的触达、转化、服务和复购串成一个更完整的闭环。
这背后的出发点，徐雄杰也讲得很清楚："把专业的事情交给AI，让一线的经营者专注于服务顾客。"
更前沿的一点在于，它已经不满足于传统货架式电商页面，而是在探索"AI 首页"与"场景化购物入口"。
也就是说，消费者不再只是搜索某个商品，而是直接表达一个具体生活场景，例如周末出游、亲子聚会、办公室分享，再由 AI 完成意图理解、商品推荐、加购支付和后续服务承接。对零售行业来说，这意味着 AI 不只是提升运营效率，也在重塑消费者与品牌交互的方式。
这种探索同样很有启发。因为它说明，企业的 AI 价值不会只停留在内部效率优化，而会逐步延伸到用户体验、品牌连接与增长方式上。内部经营和外部用户之间，也正在因为 AI 被重新串联起来。
05 来伊份实践里的三点关键判断
这场分享不是单纯在讲一个零售案例，而是在讲一家企业如何把 AI 从认知层、组织层推进到经营层，又如何把一个关键场景持续做深，最终转化为业务结果。从整场内容来看，来伊份对 AI 的理解至少有三层。
第一，AI 落地一定要回到经营问题本身。不是先问"模型能做什么"，而是先问"业务最关键的问题在哪里"。
第二，AI 项目能不能成功，组织机制比技术演示更重要。没有战略共识、组织承接和业务主导，再先进的能力也很难穿透到现场。
第三，真正长期有价值的 AI，不是单点提效，而是持续沉淀为组织的新能力。从选品到补货、从管理穿透到消费者服务，来伊份正在让一部分过去依赖人经验完成的工作，逐渐转化为可复用、可放大、可迭代的智能能力。
这也是为什么，像来伊份这样的实践总能给行业带来更多真实启发。因为真正推动 AI 往前走的，从来不是脱离业务的想象，而是最真实、最复杂、最有挑战的经营现场。
06 共创，是双方一路走来的关键词
来伊份在现场提到一个细节：两个月前，当他们构想"经营问题一屏看清、目标与过程节点动态预警"的管理穿透体系时，第一时间联系了观远团队。
他说："在两个月之前，我们想做这件事情的时候，我们第一时间联系到了观远的团队，我们希望能把这些事情做完。"
两个月后，这个想法与 DecideX · AI决策智能平台发布的新能力形成了高度呼应。
共创不是简单的需求交付，而是双方围绕同一个经营问题，共同定义目标、拆解决策链路、验证场景价值，让产品能力在真实业务中不断生长。
过去 9 年，来伊份与观远数据的合作，经历了从 BI 到移动经营分析，再到今天从洞察走向决策、从报表走向智能体的持续演进。这段合作有价值的地方，不只是项目的累积，而是双方在一个个真实业务问题中，把零售经营的 know-how、数据能力和产品能力不断沉淀下来。
面向未来，观远数据也期待与来伊份继续沿着 DecideX 的方向，围绕零售行业更深层的决策智能、流程智能和经营智能展开共创。今天的阶段性成果，已经证明 AI 可以进入业务；下一阶段更值得期待的，是 AI 如何进一步进入企业的核心决策回路，成为组织的新基础设施。
来伊份这场分享的价值，正在于它让人看到，这条路虽然不容易，但已经有人走出了清晰的起点和路径。
想进一步体验 AI+BI 在业务分析中的落地效果，可以从这里开始。
02月11日 18:00 星期三
