四大快消高管揭秘：AI落地痛点与数据治理实战解析

关注并标星【CIO发展中心】

与更多CIO 一路同行

▲

在以“数智深耕 破局增长”为主题的消费品零售生态研讨会上，圆桌对话环节由琥珀物言科技创始人刘志彬担任主持，特邀爱康国宾VP高建雄、贝乐生中国副总裁张鹏、宾堡集团渠道数字化负责人孟宪韬三位不同赛道企业高管，围绕企业AI落地、数据治理、人机决策冲突、落地瓶颈等四大核心议题展开深入交流。以下为对话实录：

刘志彬（琥珀物言科技）：感谢主办方盛情相邀，也感谢三位嘉宾，非常荣幸再次主持圆桌对话。今天我们聚焦数字深耕与AI落地这个话题。我先立个规矩，三不要、三要：三不要：一不打广告，二不谈底层模型，三不吹牛。三要：要有干货、要聊真AI、要全部围绕落地。

话题一

刘志彬（琥珀物言科技）：第一个问题，今年各家企业在AI投入上的核心指标是什么？指标是由CIO、业务负责人单独制定，还是多方共同商议？有没有正式写入KPI？对比往年AI投入成本，整体ROI到底值不值？

高建雄（爱康国宾）：我们AI核心指标均以业务为导向，旨在提升客户服务与质量、增加营收。今年市场环境承压，我们也需向内挖掘效益。第一指标是依靠AI提升整体医疗质量；第二块是业务和技术的降本增效。我们每年在技术上有上亿的投入，是否能利用AI coding等技术大幅削减成本。两项指标由业务、技术共同制定。再说ROI，前几年AI投入收益整体正向，今年降本提质的目标还在推进。

张鹏（倍乐生）：我们AI指标分业务、技术两类，全部绑定KPI。业务指标有三个：AI营销外呼转化率、获客CAC成本、单客价值UE；技术指标是内部AI工具整体普及率、业务场景渗透率。单纯看算力Token消耗没法衡量AI价值，比如一场营销、客服转化叠加AI能力、人工服务、产品运营多重因素，我们整合全链路数据统一核算ROI。AI确实能给业务带来助力，但没办法单独依靠AI撑起全部业绩。

孟宪韬（宾堡集团）：宾堡作为跨国短保烘焙集团，今年AI投入全部围绕渠道周转、终端损耗这类业务经营指标，指标由业务与AI团队共同制定。集团专门引进AI专家对接业务，双方通过常态化例会同步数据治理、项目落地等全部事项，工作并行推进。

目前我们尚未签订书面联合KPI，核心有两点阻碍：一是集团AI数字化仍处于探索期，技术与业务权责边界尚未完全厘清；二是可规模化落地的AI场景还在筛选，各业务承接范围、落地节奏没有标准化定义。现阶段我们以试点共创为主，待场景跑顺、权责清晰后，再落地统一的联合考核机制。

话题二

刘志彬（琥珀物言科技）：AI本质是数字游戏，根基是数据。现在绝大多数企业系统都是信息烟囱，数据割裂、质量差。那么数据治理责任人到底是谁？是业务负责人，还是技术CIO/CTO？推动数据标准化，是老板一句话强制推行、业务牵头联动技术，还是完全交给IT？

高建雄（爱康国宾）：很多人觉得数据是技术的事，但技术团队可能就是数据仓库管理员。我们能把数据治理做成功，核心是业务负责人作为第一责任人强力推动，底层动因也是合规。我们自主搭建了完整的数据管理体系、自建数据中台。数据文化落地的核心是把数据报表嵌进管理层日常工作：全国170多家医疗中心院长，每天必须查看预约人数、用户画像，用来调配医护、规划运营，数据变成管理层刚需，倒逼所有人主动维护和使用数据。

张鹏（倍乐生）：早在AI普及之前，企业就一直在做数据治理，早年我们做这件事主要是为了内外部合规。但近两年我们思路完全转变，一切以业务价值为先。如果梳理完数据，没法提升转化、降低成本、拓展新业务，那么这套治理项目可以直接叫停，单纯为治理而治理没有意义。我们幼教行业竞争极度内卷，只靠内部CRM数据不够，还要合规引入外部用户数据，打通内外部数据搭建模型，支撑外呼获客。

孟宪韬（宾堡集团）：行业常说“垃圾数据进，垃圾决策出”，数据质量直接决定AI推演的经营价值，这一点业务与IT已形成统一认知。

数据治理推进遵循两层逻辑：行政制度是落地基础，业务真实收益是长期落地底线。硬性制度能统一全渠道数据标准，避免各行其是，但仅靠行政指令只能得到应付式数据。

想要业务主动配合，核心是让大家直观看到数据规范后，库存、损耗、人力成本的实际改善。数据治理无法一蹴而就，必须结合烘焙一线门店、经销商真实经营场景长期沉淀，制度约束与价值激励二者缺一不可。

刘志彬（琥珀物言科技）：我补充一点行业现状，很多企业出现数据问题，第一时间全部甩锅IT。但物料、客户、业务单据全部由业务人员录入产生，IT没办法修正业务源头的数据错误。早年我在华为负责集团数据治理时就明确，各业务一把手是本条线数据Owner，客户、合同、物料数据，业务部门必须对数据质量全权负责。长远来看，优先做好数据底座的企业，一定会最先吃到AI落地的红利。

话题三

刘志彬（琥珀物言科技）：落地AI经常出现矛盾，AI给出的销售预测、供应链补货、库存调整方案，和一线业务多年经验完全冲突。这种人机矛盾场景，各位公司怎么处理？是AI说了算，还是业务拥有最终决策权？

高建雄（爱康国宾）：我们统一规则，AI只能做辅助参考，最终决策权一定在业务。落地AI本质不是上线一套技术工具，而是企业内部变革，所有人机分歧，由管理层牵头，联合业务团队统一制定处理标准。

张鹏（倍乐生）：人机判断冲突是我们每天都会遇到的事。不管AI还是人，都做不到100%精准：大模型天生存在幻觉问题，一线人员判断又会受消费者情绪、线下沟通状态等无法量化的变量影响。我们现在双向同步优化，一边迭代模型提升AI精度，一边沉淀一线业务经验，慢慢让AI输出和人工判断趋向一致。AI定位始终是赋能提效工具，不是为了替代员工，同时也要兼顾技术伦理风险。

孟宪韬（宾堡集团）：我们烘焙门店SKU库存、安全补货预测变量极多，月末冲量、退货、销售提成考核等人为主观因素，很难全部录入AI模型。遇到人机判断冲突，我们通常会各打五十大板：AI帮助人类提效，负责海量数据运算、多场景重复推演，输出参考方案；人类掌握最终决策权，同时承担全部经营责任。我们不可能把人类的责任推卸到零，也不可能把AI的能力推广到100%。长期来看,我们搭建了人机协同闭环：销售人员持续向技术侧反馈门店特殊场景、人工变量，反向训练优化AI模型，慢慢实现人机互补共赢。站在更长远的角度，从AlphaGo问世到现在十年，AI变成了一些领域和场景里的赢家，但这种较量不局限于某一个阶段或某一个场景，如何达到一个双赢的状态，是未来我们和AI需要共同探索的。所以我们会持续培养AI训练相关的岗位，鼓励销售人员提供更多洞察，让人和AI共同成长。

刘志彬（琥珀物言科技）：我分享几个不一样的标杆案例，现在市场已经出现完全由AI主导商业决策的企业：第一个，新加坡一家仅两人运营的跨境海淘公司，选品、定价、销售策略全部由大模型全权负责，年营收做到千万美金；第二个，国内头部共享充电宝企业，去年投入1.5亿搭建全链路AI体系，产品选品、平台排名、AB测试、定价、营销海报素材全部AI自动闭环输出，管理人员没有干预权限。这家企业三年前就搭建完成以用户为核心的数据运营底座，才能实现全流程AI自主决策；第三个，传统工程材料制造企业，去年中旬全公司依靠AI制定战略，供应链、销售布局全部按照AI分析执行，今年业绩直接翻倍。老板带头用AI工具开会，所有经营战略由AI输出，全员落地执行。所以我的观点：不能把AI简单当成普通IT工具，企业要有All in AI的决心；但商业经营底层本质不会变，AI核心优势是依托完整数据做出科学化决策。

话题四

刘志彬（琥珀物言科技）：最后聊落地核心瓶颈，AI项目验收好不好过关？AI落地对企业组织带来的改变是怎样的？

高建雄（爱康国宾）：AI的推广已经让很多企业降低员工数量，某种程度也导致了消费降级。我们一方面要大力拥抱AI提质增效，一方面也需要社会协同支持好用工体系的优化升级。

张鹏（倍乐生）：零售行业承载大量基层就业，每一位导购背后都支撑一整个家庭生计。如果全面用AI替代人工，大量中年从业者会面临失业，这是我们必须正视的现实。单从商业数据层面，AI项目很容易验收，能跑出正向ROI；但企业不能只盯着营收增长，还要承担社会责任。落地AI的初衷，应该是帮助员工创造增量价值，而不是单纯削减人力成本。

孟宪韬（宾堡集团）：AI项目验收难易，核心看发起方。业务部门主动发起、直接绑定业绩指标的AI项目，价值标准清晰，落地、验收都顺畅；纯技术部门自主推动、没有业务价值支撑的项目，验收极易卡壳。另外我始终认为，人类源源不断的创造力，是AI永远无法完全替代的，这也是我们应对技术变革的底气。

从实际运营经验上看，宾堡多数AI项目由业务主动发起，而非IT单向推动。降损耗、提销量、增效控本本就是业务核心考核指标，AI只是落地经营目标的工具，不会替代业务决策。

这套模式让业务从被动承接转为项目主导、自行定需求、定量化目标，项目成效直接挂钩自身业绩。大家只会以客观经营数据评判落地效果，不会仅凭主观感受判定效果一般，从根源上规避验收拉扯，这就是我们项目管控的核心护城河。

刘志彬（琥珀物言科技）：今天我们整场对话始终围绕“真AI、科技向善”展开，各位嘉宾分享了大量企业真实落地经验。大家达成共识：AI不是颠覆行业的工具，而是企业数字化转型底层支撑。落地AI不能只盯着技术研发，组织架构、内部文化必须同步变革；在追求经营增长的同时，兼顾行业人文责任，让数字技术服务于人、赋能产业长效发展。