摘要：

衡量AI价值的标准，也由“回答得是否准确”，逐渐转向“能否把事情办完”。

凤凰网科技 出品

作者｜Dale

编辑｜董雨晴

AI辅助提效只是第一步，竞争正转向经营落地

当生成式AI进入零售业，最先普及的是写文案、做图片和回答问题。《2026零售企业AI应用及需求与痛点调查》显示，营销内容生成、智能客服和经营数据问答，已经成为零售企业应用AI最集中的场景。

但AI使用率的上升，并不等于AI已经进入经营核心。当前多数应用仍停留在辅助环节：AI提供内容或建议，最终判断与执行仍由人完成。下一阶段竞争的分水岭，是AI能否连接企业数据、业务系统和工作流，在明确权责与风控边界下完成可验证的业务任务，真正从“被调用”走向“被托付”。

要完成这一跨越，企业至少需要解决三类基础问题：数据能否跨系统贯通，为AI提供完整、可信的业务上下文；AI能否进入CRM、订单、物流等系统，把回答转化为行动；业务结果、风险与合规责任能否被清晰界定。只有这三类问题同时解决，AI才可能从单点工具走向经营闭环；而这些条件能否真正成立，最终还要在具体业务流程中接受检验。

产品、巡店到组织，AI如何进入真实的生意现场

2026云栖大会“经营·进化：Agent时代的零售新增长”论坛上，来自产品创新、门店运营、数据决策、客户服务和组织变革等领域的实践，为观察AI如何进入具体业务流程提供了一个窗口。

论坛上，阿里云将零售AI的下一阶段概括为“Agentic Retail”，即代理式零售。按照这一判断，AI Agent不再只是等待指令、提供答案，而是能够围绕业务目标理解上下文、调用企业数据、连接业务系统，并在授权范围内推动任务执行。衡量AI价值的标准，也由“回答得是否准确”，逐渐转向“能否把事情办完”。

这一变化也对应着零售行业正在出现的新趋势。Gartner预测，到2028年，将有60%的品牌通过Agent与消费者展开一对一的个性化服务与对话。但个性化交互只是表层变化。当AI进一步进入商品设计、门店管理、经营分析、售后服务和组织流程，它所改变的将不只是消费者体验，也包括企业作出判断和执行任务的方式。云栖大会现场分享的企业实践，为这种变化提供了一个观察窗口。尽管各家企业的应用阶段和切入点并不相同，但AI已经沿着产品创新、门店运营、数据决策、客服闭环、流程与组织变革、AI产品全球化等不同路径，逐步进入真实的经营流程。

产品创新：从趋势洞察到产品设计

在产品端，AI首先改变的是企业理解需求和形成设计方案的方式。

鞋服行业长期面临市场洞察滞后、创意同质化和设计周期较长等挑战。阿迪达斯的尝试，是把天猫 TMIC 的趋势洞察和阿里云的 AI 能力接进设计环节，用目标人群长期与新兴的搜索偏好，为过去凭经验的主观判断提供数据依据，再把 adidas 与 Originals 的品牌调性融入专属垂类模型的训练和调优。

在这一流程中，业务人员可以通过自然语言提出设计需求，系统自动生成提示词，并形成可供设计团队进一步判断和调整的专业设计表达。从设计启动到出样，相关周期由数月缩短到数周。AI并不是替代设计师，而是加快从趋势洞察到创意形成的过程。

门店运营：从经营分析到智能巡检

产品完成设计并进入市场后，AI面对的是更加高频和复杂的门店经营。

罗森正在尝试利用大模型能力提升门店运营效率。便利店每天都会产生大量经营数据，但数据积累本身并不直接创造价值，关键在于能否从中提炼出可用于经营判断的信息。

目前，罗森仍在探索AI Agent带来的效率提升：一方面，通过Agent辅助分析经营数据，减少数据口径不一致和人工分析带来的偏差；另一方面，逐步探索AI在门店开发、商品开发、督导运营和顾客服务中的应用。

如果说罗森的切入点主要是经营分析，万店掌关注的则是门店巡检。其巡店智能体CamClaw正在探索利用图像和视频模型识别门店现场问题。

过去靠督导肉眼巡店，一年跑不了几轮，看到的永远是抽查。现在，门店里的图像和视频被交给模型实时去读：陈列是否合规、卫生是否达标、货架是否缺货、有没有违规操作，都能自动识别，再自动派单整改。巡检因此从“抽查”变成了“全量、实时”。在万店掌看来，这是一种从人力驱动到数智驱动的逻辑转换。

数据决策：从数据问答到经营决策

门店运营之外，AI也在缩短业务问题与数据答案之间的距离。

星巴克有8000多家门店，数据决策深入日常经营。但过去，业务面临“人找数”的挑战：提需求、排期、澄清口径，数天拿到结果，追问后重新排队；固定报表能够回答“是什么”，却难解释业务关心的“为什么”。

2026年4月，数据团队全面使用Qoder，两个月后，内部使用热度持续上升，部分临时取数的响应周期从“天”缩短到“分钟”。星巴克的经验也说明，当业务人员能够更直接地与数据交互，数据分析就不再只是后台支持，而有机会更快进入经营判断。

如果说星巴克关注的是如何更快获得答案，通用磨坊思考的则是如何让答案进一步进入决策和行动。

通用磨坊的AI落地一直强调“业务先行”。通用磨坊中国首席数字信息官胡颖认为，场景选择不能从技术出发，不能因为别人有某个用例、或技术能做什么，就推给业务使用；而应从营销、销售等部门的真实痛点出发，判断AI切入后如何改变工作方式、能产生多大价值，并优先选择业务愿意承诺KPI的高价值场景，比如消费者洞察、新品创新、内容和 KOL、数据智能分析、价格树模拟测算等场景。

在AI 智能路径上，通用磨坊将AI演进分为五步：ASK、DIAGNOSIS、PREDICT、SIMULATE、ACT。即先知道发生了什么，再诊断问题、预测趋势、模拟经营动作，最后在安全可控边界下授权Agent执行。比如，当价格提升5%，或者营销动作、渠道费用发生变化后，企业可以通过模拟判断经营结果，进而优化渠道投资回报。

客服闭环：从智能应答到服务执行

过去AI客服一直面临一个课题：如何从“会对话”走到“会办事”。

博西中国消费者数字化负责人刘良谋用一个非常简单的售后场景做了比喻，“消费者的洗衣机不工作后，消费者实际上会打一通客服电话”，企业需要依次完成问题理解、信息查询、建单、派工、配件准备、上门服务和完工确认等一系列动作。因此，AI的价值不只是回答问题，还要在通话过程中辅助识别问题、查询信息并生成建议，在通话结束后提炼结构化信息，触发后续服务流程。

这也意味着，跑通一个Demo不是终点，能在复杂真实业务环境中持续稳定解决问题的AI，才具备生产级可用性。他同时坦言，从Demo走向规模化生产，需要跨越几道现实的门槛，模型准确率即使达到95%，剩余5%的误差仍需企业建立兜底机制；语音响应若超过十秒，消费者便会直接转人工；在大促等业务高峰期，系统稳定性、运行成本和治理能力也会影响实际体验。只有在复杂业务条件下持续、稳定地完成任务，AI客服才具备生产级可用性。

流程与组织变革：从个人提效到流程再造

当AI从单一场景进入更多业务环节，企业需要解决的问题也会从“员工会不会使用”，转向“组织如何承接”。工具让个人更快，流程让组织更强，AI正在推动这场提效的重心从前者转向后者。

目前，越来越多的零售企业将AI深度应用于代码开发、财务、法务、人力资源和ERP等全业务流程，并逐步把AI纳入预算、流程、考核和治理体系，使其从员工个体工具转化为组织能力。

AI产品全球化：从智能硬件到持续服务

上述案例主要关注AI如何进入企业内部流程，小佩科技展示的则是另一条路径：AI能力如何跟随智能产品进入全球市场，并延伸为持续服务。

小佩的故事源于一个养猫人的日常痛点，即猫会隐藏病痛，等主人肉眼看出异常，往往已晚。围绕这一问题，小佩基于 Qwen基础模型进行监督微调（SFT），训练宠物健康领域模型，在一级类目上的准确率比基模提升了 52 个百分点。

它的思路也很清晰，不用一个统一的阈值去套所有猫，而是为每只猫建立“相对于自己日常”的基线。当如厕频次突然升高，可能指向膀胱炎或结石；再用多模态去识别含血便、呕吐这类特殊信号，提升健康预测的准确度。

与此同时，统一的云架构也为其全球化拓展提供了支撑。设备连接、数据回传和服务部署可以在不同区域复用，使进入新市场不再意味着重新建设一套系统，从而降低重复建设成本和技术门槛。目前，小佩的产品已经进入 180 多个国家和地区，累计服务超过 700 万养宠用户，并与 50 多家全球代理商合作

下一程：从单点验证到经营协同

这些案例表明，AI进入经营流程，已不只是单点技术上的突破，而是一项需要数据、系统、流程与治理共同配合的系统工程。

例如，客服Agent既要理解客户需求，也要调用订单、工单等系统推动后续服务；巡店Agent既要识别现场问题，也要依据门店规则生成整改任务。AI的价值由此不再取决于能否给出答案，而在于能否在明确边界内推动任务完成。

这些场景要从单点应用走向业务闭环，需要模型服务、数据与知识、Agent构建和云基础设施协同支撑。

模型服务是大脑，负责理解文本、图像、语音与行业知识；数据与知识层是“记忆”，提供可检索、可调用的企业上下文；Agent构建是手脚，连接企业数据、业务系统与工作流，让AI在可控范围内调用系统、执行任务。

Agent Native Cloud作为底座，支撑Agent的稳定部署、持续运行与安全治理；全球化服务则让同一套能力跨区域复制——模型、知识、平台、底座协同贯通，共同构成阿里云全栈AI服务的技术纵深。

阿里云智能集团公共云事业部解决方案架构资深总监王旭文在现场给出了一条参考路径：先用约90天推动企业数据与知识被Agent读取，再用约6个月让Agent进入业务流程并形成闭环，随后在1至2年内逐步迈向多智能体协同。这不是所有企业都必须遵循的固定时间表，但说明零售AI的建设需要从数据基础、单点闭环走向跨域协同。

零售业链条长、场景多、经营颗粒度细，这也决定了AI的价值不会停留在某个工具或某次提效上。真正的分水岭，不是企业调用了多少模型、上线了多少Agent，而是能否让AI从“被调用”走向“被托付”，持续改善商品、门店、服务和组织效率，并把一次验证沉淀为可复制、可治理、可规模化的经营能力。这或许才是Agent时代零售增长的真正起点。