近日，“第二十三届中国百货零售业年会暨商业创新峰会”在上海胜利召开。与会嘉宾围绕大会的主题“新周期、新趋势、新跨越”，展开深入交流探讨。同期，“2026零售数字化发展论坛”就数字化及AI应用进行专题交流。

会上，雅戈尔集团CIO王歆先生分享了《AI生产力就是数据生产力》，以下为分享内容：

王歆雅戈尔集团CIO

AI到底能给企业带来什么？没人敢说AI能让企业发生翻天覆地的变化，但我们都能感受到，AI能让个人效率提升5-10倍。为什么企业端的AI效果远不及个人端？核心答案很简单：所有AI生产力，都与数据深度绑定。

企业流程的本质，是数据与业务的集合。很多企业业务发展不及同行，根源不是业务本身不行，而是自身业务产生的数据，没有与其他业务数据形成联动，无法转化为生产力。企业要让AI真正产生价值，关键是让AI“跑在数据上”——而数据需要流程、定义、标准的支撑，绝非靠一个大模型就能实现。

结合雅戈尔的实操案例，聊聊传统行业AI落地的“坑”与“路”。雅戈尔以服装起家，除自身品牌外，我们还拥有全球顶级户外服装品牌HELLY HANSEN等，覆盖从棉花种植、纱线、面料、设计、生产，到物流、分销、零售、客服的全产业链，上下游涉及100多套系统。

一、AI落地破局：从“人干”到“机干”，重构效率逻辑

过去，企业里高屋建瓴的精英掌握核心资源；现在，AI正在拉平这种能力差距，核心竞争力转向解决实际问题。雅戈尔的第一个突破，就从系统开发场景开始。

以前开发一套系统，要先调研用户需求、形成PRD文档、交给开发团队、测试上线，全程需要几个月。现在只需要用会议记录器，3小时后通过大模型直接将会议内容转化为PRD文档，精准度达70%左右；产品人员修改2小时后，再通过面向结果编程，无需手动写一行代码，就能直接落地。

基于此，从今年2月开始明确：未来考核程序员，谁写的代码越多，就淘汰谁。十几年前，很多企业盲目建系统，打通成本极高；而现在，机器写代码能零成本实现系统联动，程序员和传统IT模式，反而成了数字化的最大阻力。

智能时代，企业不需要过多专家，更需要懂需求、懂标准、能定义产品的人。目前，雅戈尔平均每3天就能产出一个非核心应用系统，每天有300多人参与，核心成本只是大模型的token消耗，一天仅需千元。这些系统虽大多只应用1-2周就会迭代，但真正实现了让业务人员参与到数字变革中，打破了IT部门的垄断。

二、小场景大价值：会议与培训，AI落地的轻量试金石

很多企业的会议都是无效消耗——每天工作8小时，其中6小时在开会，很多人参会前不知道会议主题，会后没有结论、没有行动，完全浪费资源。雅戈尔用AI重构了会议流程：

通过钉钉日历开放高管时间，自动提醒参会；每一场会议都要求明确主题，AI自动生成会议纪要，识别率达70%-80%，能精准提炼观点，会后立即同步至知识库，还能自动定位会议中某个人的发言时间、内容；更重要的是，会后可直接生成待办事项，明确责任人，形成“计划-执行-检查-改进”的PDCA闭环。

高管的时间成本极高，若会议无效，就是巨大的资源浪费。AI让会议从“形式化”走向“实效化”，让每一次决策都能落地跟踪，这就是小场景的大价值——AI没有大小之分，只要行动，就有收获，就有ROI。

再看导购培训场景。我们发现，优秀导购的销售能力比普通导购高出37%，但传统培训流于形式：精英写培训文档、督导盲目评价、效果无法量化。雅戈尔的解决方案很简单：

为全国100名优秀导购配备电子工牌，可连续录音36小时，记录其与顾客的沟通全过程（抹去消费者声音）；每天100名导购接待20位顾客，产生2000笔销售录音，AI自动提炼培训内容，同时绑定零售小票时间，为会员打上精准标签（非人脸等敏感信息，而是消费行为、潜在需求等）。

这些标签触发相应场景推送，转化率比手动推送高出十几倍；AI还会根据录音内容，对所有导购进行自动打分，评分精度超过优秀督导，分数直接接入人事系统，与导购晋级（铜牌、银牌、金牌、钻石牌）挂钩。以前需要上千万投入的培训体系，我们仅用9万元就落地，实现了“导购产生内容、内容提升导购”的闭环。

三、核心突破：数据联动与智能运营，告别孤立系统

零售的核心公式的是：销售=流量×进店率×驻留率×试营率×成交率×进单价×客单数×复购率。雅戈尔所有AI应用，都围绕这个公式展开，核心原则是：不做孤立系统。

比如客流统计，我们曾在门店投钱安装客流设备，却因导购抵触（认为是监视）、数据不被认可而失败。后来我们简化方案：导购通过钉钉语音记录客流，AI自动生成记录，结合订单时间绑定客流与CRM，形成完整数据链路。

此外，还将数据拆解为行政、财务、运营、IT等角色，老板想查看具备财务视角的门店运营数据，只需点击对应角色的Agent，AI就能快速生成接近80分财务水平的报告，无需财务人员找IT写SQL、用BI拖拉拽，大幅提升决策效率。

很多企业的痛点的是：业务人员要“销售数据”，财务要“回款数据”，IT给的是“零售数据”，各说各的、互不认可，机器无法判断对错。这就是数据治理的缺失——以前数据治理全靠IT，业务人员不参与，只能被动提意见，效率极低。

我们从2020年开始持续做数据治理，因为“垃圾进、垃圾出”，只有数据质量高，AI能力才能发挥。这也是很多人问“雅戈尔的数据为什么用起来顺”的核心答案——数据治理没有捷径，唯有持续投入、持续优化。

OpenAI的出现，让通用人工智能的雏形逐渐显现——它能根据需求调用不同模型，生成解决方案并执行。雅戈尔目前已养了三只AI（龙虾）：一是抓取竞品IT建设情况，打分70分，却能节省我几小时的工作量；二是运营公众号，只需把PPT或演讲内容交给它，15分钟就能生成推文，确认后即可发布；三是审核程序员周报，自动生成评论，虽有AI味，但精准度足够。

这里要强调：API（数据质量）+SOP（流程）=SKILL（能力），企业内部的流程相对固定，将传统软件通过API+SOP改造成SKILL，结合大模型，就能打造数字员工，未来完全可以驱动生产线和流水线。

很多企业上AI的第一反应是“砍人”，这是完全错误的。正确的逻辑是：降本是生存需求，增效是核心目标，AI是实现能力。应该先通过AI构建企业能力、提升效率，再通过效率提升实现降本；若反过来先砍人，大概率会失败。

最后想强调：所有AI落地的前提，都是有质量的数据。