AI時代，組織為什么必須變小變靈？

當下，AI正從試點驗證邁向規模化落地，而組織的適配能力，已成為決定成敗的“最后一公里”。虎嗅智庫AI落地研學營的第四站，決定直面這一核心命題。

AI落地研學營，這場貫穿全年的系列研學活動，始終見證著AI與產業融合的每一次關鍵躍遷。6月，我們走進飛書與智譜總部，探討AI Agent的技術發展，7月深入網易云商與交個朋友直播間，拆解營銷服一體化的可能路徑，9月則在檸季門店與叮咚買菜前置倉中，尋找供應鏈的柔性與智能解法。從技術工具的演進到業務場景落地，再到企業核心環節的革新，我們不斷走向AI落地產業的更深處。

而作為2025年的收官之站，第四期研學營選擇直面AI落地最棘手、也最根本的問題—組織和人。

當AI從工具變成基礎設施，它不僅是在優化流程，更是在挑戰原有的權力結構、人才定義和管理半徑。

近日，AI落地研學營第四期走進了已基本完成AI化改造的物美學清路店，并邀請了多點數智、海底撈、獵聘的一線操盤手，與來自餐飲、制造、家居、財稅等行業的數十位決策者，試圖回答一個問題：適配AI生產力的組織和文化，到底應該長什么樣？

有限貨架下，AI如何破局實體零售

當日上午在物美學清路店的參訪，讓大家對AI對零售門店的賦能有了具象的體感。

這家門店通過AI銷量預測與智能訂貨，不僅實現生鮮日清日結，更在SKU減少3000個的情況下，銷售額增長3倍。更在自助收銀區，用AI攝像頭實時監測漏掃與異常行為，大幅降低人工巡檢壓力，并將收銀損耗率降低70%以上。

這些成效背后，離不開多點數智提供的系統性AI能力支撐。多點數智AI專家宋楠在隨后的分享中道出關鍵點：實體零售的核心矛盾，是“有限貨架”與“無限個性化需求”之間的效率博弈。電商可以無限上架、快速汰換，而線下門店的物理貨架必須承載最高效的選品與流轉。

圖：多點數智AI專家宋楠

為此，多點數智不斷探索用數字化及AI幫助實體零售提效。宋楠將多點數智的AI探索分為四個階段，從“最初迷茫期”，嘗試RAG、ChatBI，到模仿跟隨期對CV巡檢、防損場景的探索，再到真正創造可量化價值的行業落地期，先后攻克AI補貨、AI動態出清、AI鮮算等核心業務痛點。

以動態出清為例，傳統打折依賴人工經驗，往往一刀切。

多點數智通過數據驅動+流程重構，將復雜的打折決策拆解到單店單品的精細化操作維度，讓AI模型學習不同商品的銷售特性與損耗規律，最終實現差異化定價，有的商品打五折，有的打八折，有的甚至不打折也能售罄，僅此一項，就為物美單店帶來日利潤數千元的提升。

當下進入深度探索期，多點數智的AI探索開始介入零售最核心的選品環節。宋楠舉了一個生動的例子，有一段時間，物美門店發現烤箱錫紙銷量走俏，按照過往經驗，采購人員可能就習慣性加大采購。但AI通過關聯分析與人群畫像發現，學清路店周邊的核心客群是對價格敏感、追求潮流品質但又喜歡懶人做飯的學生群體。錫紙消耗大，是因為他們喜歡買半成品到店快速加工。因此，AI給出的建議不是賣錫紙，而是轉向“懶人廚房”場景，建議上線更多場景關聯商品比如快手菜等。

這不僅是商品的替換，更是從“銷售單品”到“滿足場景需求”的思維轉換。AI的選品邏輯，在于將暢銷品轉化為場景入口，進而分析并滿足其背后的人群特征與潛在需求。

然而，實現AI在具體業務場景落地的最大挑戰，并非技術本身，而在于知識的提煉。宋楠坦言，很多業務專家是能說不能寫，經驗很難結構化。由于實體超市每天都會產生巨量數據，但二十年經驗的老采購人員，其隱性知識很難被直接提取。如何將散落于個人頭腦中的經驗，轉化為可被AI復用的結構化知識體系，是比訓練模型更重要的組織功課。

對此，宋楠的經驗是，行業知識必須拆到極小顆粒度，AI產品上線只是完成50%，后面是持續的業務打磨，企業必須構建將經驗抽煉為知識的機制和能力。

獵聘眼中的未來組織：大平臺+小團隊

當先進生產力和生產關系都已就位，組織變革的最后一環落在了人身上。獵聘AI技術負責人莫瑜從人才數據的角度，揭示了AI對組織形態的深層重構。

圖：獵聘AI技術負責人莫瑜

莫瑜指出，勞動力市場正在出現明顯的兩極分化，初級、職能類崗位如電話銷售、初級美工需求大幅下降，而掌握AI技能的超級個體和復合型人才需求激增。數據表明，越來越多的企業正在通過AI縮小組織規模，更多超級個體戶正在誕生。

為了適應這一趨勢，莫瑜建議企業的組織架構應向“大平臺+小團隊”轉型，大平臺集中沉淀通用的AI能力、基礎設施和數據資產，小團隊匯聚少數精兵強將，以特戰隊形式，利用AI工具，以場景為中心，響應業務需求，快速實現迭代閉環。

同時，企業也需要重新思考人才策略，可以側重內部培養既懂業務又善用AI的復合型員工，外部引入的人才也需兼具“行業經驗與AI能力”。

這一理念也正被獵聘應用于自身的產品革新中。當下，針對傳統招聘流程中“海量篩選、重復溝通”的痛點，獵聘推出招聘Agent、AI面試官Doris等產品，將簡歷初篩、意向確認等繁瑣復雜環節交給AI完成，讓HR能更專注于最終的情感連接與價值觀判斷。這不僅降低了招聘成本，更將“招聘”工作從體力活變成了技術活。

落地最大阻力，往往不在技術而在人心

在最后的圓桌環節，來自合思、深象智能、曲美智家等企業的實戰派嘉賓，就AI落地的真實痛點展開了激烈探討，共識逐漸清晰，阻礙往往不在技術本身，而藏在基礎設施、行業知識與組織慣性之中。

圖：圓桌探討

首先，是基礎設施與數據。深象智能首席科學家王炎坦言，線下部署常卡在客戶自身的基礎設施上。“我們去部署AI巡檢，有時得先幫客戶換交換機、找密碼，光搞基建就花一個月。”此外，業務數據的標注與定義也極為復雜，例如區分“小孩摔倒”與“小孩打鬧”這類相似場景，就需要大量人工歸納，這讓AI在具體場景的落地充滿挑戰。

更深層次的難點，在于行業知識沉淀與機構化。曲美智家合伙人張鵬對此深有感觸，家居行業存在大量非結構化的設計圖紙、場景描述與客戶需求，這些行業知識數據難以直接喂養給模型，構建專屬知識體系成為難題。

對此，多點AI產品負責人陳品竹給出解題思路，在他看來，每個垂直行業都面臨構建專屬知識體系的難題，真正的關鍵在于前置判斷：行業的隱性知識能否被抽取？如何設計有效的樣本進行訓練？這比選擇何種技術模型更為根本。

最后，技術變革最大的阻力還是來自人。財務收支管理平臺合思創始人兼CEO馬春荃犀利地指出，AI技術和產品落地中最大的反動力量有時會來自技術團隊自身。因為程序員習慣了堆砌代碼和固有流程，而AI能夠直接生成結果，這讓他們感到威脅或不信任。AI時代，技術人員的工作方式徹底變了，“過去是拿鐵鍬堆屎山，現在是拿挖掘機推Bug。”

如何幫助團隊突破這種慣性，馬春荃建議采取一把手工程+特區模式，首先是一把手要大力推進AI在企業中的落地，在此基礎上，把一小群懂業務、有創新意愿的人員從原有KPI中釋放出來，封閉攻堅，專注用AI解決業務真問題。一旦這群人跑通了核心場景，獲得可驗證的業務成果，也就能迅速點燃整個組織應用AI的信心與熱情。

結語

這些來自業務一線的探索與碰撞，最終指向一個清晰的共識：AI落地的本質不是技術引進，而是組織進化。

對管理者而言，需要從管理具體動作轉向引領業務目標，并敢于重塑利益分配機制；對員工而言，未來不再有單純的執行者，每個人都將是AI訓練師和超級個體；對企業而言，適配AI的組織必須具備數據反哺的閉環能力，從而將隱性經驗顯性化，將個人能力組織化。

正如海底撈AI專家楊家瑞在分享最后所說：AI是提升運營效率的有力助手，我們也必將感激今天為提升AI效率所付出的努力，技術的進化日新月異，但唯有與之匹配的組織與文化，才能將潛能轉化為真正的生產力。

在AI新時代，這場關于組織與文化的深層變革，其實才剛剛開始。明年，虎嗅AI落地研學營仍將秉持“在現場”的初衷，持續走進那些將AI真正融入業務血脈的企業，探訪最新鮮的AI案例實踐，捕捉最真實的AI行業洞察，沉淀可落地執行的AI落地方法論。

添加智庫小虎，了解更多詳情

2026年，我們期待與你同行，一起繼續在參訪、推演、碰撞中，找到獨屬于你的AI落地路線圖！

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4816776.html?f=wyxwapp