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，上海水星家用纺织品股份有限公司CIO刘峰先生分享了《AI赋能企业：从理想蓝图到务实落地》，以下为分享内容：

刘峰 上海水星家用纺织品股份有限公司CIO

水星家纺作为深耕行业三十余年的国民品牌，目前国内市场占有率位居第一，去年经第三方机构认证，已跻身全球家纺行业首位。在AI快速普及的这几年，开展了大量实践探索，既有成功经验，也走过不少弯路。现从AI落地得失复盘、落地策略、实践案例、AI时代企业转型思考，分享体会与打法。

一、AI企业级应用：理想与现实的差距及误区反思

自2022—2023年AI全面爆发以来，企业对AI普遍寄予厚望：希望借助AI实现自动化决策、智能预测与洞察、降低运营成本、提升客户体验。但真正推进企业级复杂场景落地时，往往是“理想很丰满，现实很骨感”。

我们在实践中遇到三大共性挑战：

1.数据基础薄弱

数据质量不达标、数据孤岛普遍存在，大量时间耗费在数据清洗、治理与知识库梳理上，严重拖慢项目进度。

2.试点易、复制难

POC阶段效果亮眼，但规模化推广困难，最终沦为“盆景式工程”，无法在全业务链路产生价值。

3.ROI模糊、人才不足

投入产出难以量化衡量，同时AI人才、治理体系存在明显短板。

究其原因，我们总结出企业落地AI最容易陷入的三大误区：一是技术先行，不问业务——典型“拿着锤子找钉子”，为上技术而上技术，陷入技术自嗨；二是贪大求全，一步到位——期望一次性建成完美体系，忽视循序渐进；三是重上线、轻运营——项目上线即结束，缺乏持续运营与迭代机制。

对标借鉴了北美企业AI应用经验，麦肯锡相关调研显示，全球企业AI转型失败率极高，核心原因与我们高度一致：商业价值不清晰、数据质量与数据孤岛问题、系统集成复杂、AI难以嵌入业务流程、人才能力断层等。

而真正跑通的约5%项目，成功经验高度聚焦：

• 以业务价值为核心，明确目标与KPI；

• 数据先行，搭建统一数据底座；

• 构建AI基础平台，实现模型与数据服务标准化复用；

• 业务与技术双轮驱动，避免技术单边突进；

• 安全合规贯穿全生命周期；

• 建立四象限评估机制：按实施复杂度—商业价值划分优先级，优先切入高价值、低复杂度的速赢场景，以MVP模式快速迭代。

二、AI落地核心策略：务实激进，行稳致远

尽管企业级AI落地困难重重、失败率高，我们依然坚定推进AI转型，并确立了务实激进的核心策略：

• 激进在目标：大胆设定长期方向与变革目标；

• 务实在执行：用稳健、可落地的动作保障推进。
  

具体围绕四个维度展开：

• 目标维度：以可验证、突破性目标为锚点；

• 路径维度：大胆假设、小心求证；

• 决策维度：战略上敢于冒险，战术上力求稳妥；

• 行动心态：既要仰望星空，更要脚踏实地。
  

在此基础上，我们形成五大行动原则：

同时，我们构建了从点到面的AI落地方法论：

三、AI实践：从平台底座到业务创新

1.重构IT架构，搭建企业级AI底座

去年对AI时代IT架构进行整体升级，打破单点应用碎片化局面，搭建统一AI基础平台，实现统一运营、安全管理与低门槛开发。在此之上落地了一批部门级应用：客服考试与培训平台、市场AI数据洞察、原材料价格分析等，并将AI管理与应用开发深度集成。

针对企业AI落地难点——智能体管理，我们建立了完善的合规、审计、权限体系，包括授权管理、代码嵌入、日志追溯、四级数据权限管控、敏感词库、运营监控等，让智能体可用、可控、可追溯。

2.探索自主规划型智能体（龙虾/Agent）

今年自主规划型智能体快速兴起，我们也将其纳入企业应用体系。相较于传统工作流式智能体，具备自主规划能力的AI智能体，是重要的未来方向。

目前已用其开展自动化数据分析，能力水平接近资深数据分析师；同时成立AI社区，搭建AI社区平台，全站代码由AI自动生成，实现零代码构建应用。

3.AI赋能C端定制，探索商业模式创新

花型是家纺行业核心资产。依托AI花型大模型，对水星自有花型进行序列管理，并面向C端开放个性化定制：用户可上传照片（情侣照、婚纱照、儿童照、宠物照等），通过AI实现风格转换（卡通、漫画、国风等），印制在四件套、抱枕等产品上；重点打造婚庆场景定制，支持将结婚誓言、纪念日等元素印刻在家纺产品上，形成情感化、纪念型新品类。

现场也设置了体验二维码与专属优惠，欢迎各位体验。同时，我们也希望与百货、购物中心同仁展开共创，将水星AI定制能力与百货数字化平台、私域流量融合，实现渠道与品牌的数字化联动。

四、AI时代企业转型：八点关键思考

最后，结合这几年实践，我们对传统企业AI转型总结为八点关键判断：

1.入局时机：不必再犹豫，现在就是最佳入场时间；

2.认知赋能：成立AICOE（卓越中心），推动全员AI认知升级，挖掘场景；

3.场景选择：小切口、高价值，优先高频、高价值、低门槛场景，用早期成功建立信心，再向核心业务渗透；

4.落地策略：坚持“务实激进”，由点到面逐步推开；

5.能力建设：传统企业AI人才普遍不足，走“内部培养+外部引进+生态共创”路线；

6.组织转型：员工向“智能体协作型员工”转变，引入硅基员工（Agent/数字员工）；组织从传统层级式，向扁平化网络型组织升级，从“面向任务”转向“面向结果”，构建人机协同新范式；

7.业技融合：模糊IT与业务边界，成立跨职能小分队，打破组织壁垒；

8.风险控制：对新技术保持一定试错容忍度，但严守合规红线，尤其版权、数据安全等底线必须清晰。