2025年，ToB企服領(lǐng)域討論最多的一個話題就是——如何實現(xiàn)企業(yè)級AI應(yīng)用落地。尤其是對于企業(yè)CIO來說，在從數(shù)字化轉(zhuǎn)型，向著數(shù)智化轉(zhuǎn)型轉(zhuǎn)變的過程中，企業(yè)CIO充當什么樣的角色？需要發(fā)揮什么樣的作用？成為當下所有CIO需要思考和面對的話題。

在鈦媒體2025 ITValue Summit前瞻之AI落地指南系列直播中，鈦媒體集團聯(lián)合創(chuàng)始人、鈦媒體研究院院長萬寧與中順介入CIO楊森林圍繞企業(yè)如何落地AI應(yīng)用，如何將業(yè)務(wù)與IT實現(xiàn)融合，尋找企業(yè)數(shù)字化轉(zhuǎn)型"最優(yōu)解"等話題展開了討論。

楊森林在討論中表示，當前企業(yè)都在追求降本增效的時代，如何通過算法驅(qū)動，利用數(shù)字技術(shù)實現(xiàn)這一目標成為關(guān)鍵。但在實施的過程中，企業(yè)面臨了很多誤區(qū)，其中最為"致命"的一個誤區(qū)就是——工具和業(yè)績增長之間有個天然的鴻溝，而IT團隊并不理解業(yè)務(wù)，導致了IT提供的工具在業(yè)務(wù)場景并不好用，"業(yè)務(wù)要的是業(yè)績增長，IT提供的是工具，但工具無法直接解決增長問題。"楊森林進一步指出，"數(shù)字化轉(zhuǎn)型最難的從來不是技術(shù)，而是打通業(yè)務(wù)、財務(wù)與公司管理層，首先解決思維方式的問題。"

楊森林分享了中順潔柔在數(shù)字化方面的些許經(jīng)驗，他指出，中順潔柔基于算法（決策AI的神經(jīng)網(wǎng)絡(luò)機制），打造了高潛模型，以及高危門店模型，通過對門店數(shù)據(jù)的匯集和分析，讓業(yè)務(wù)少跑無效門店，等效于多鋪5倍人力，還能將生意的經(jīng)營控制在良性發(fā)展之中。

在此基礎(chǔ)上，楊森林表示，企業(yè)若想在數(shù)字化和AI應(yīng)用方面取得成果，尋找到銷售額和利潤的最優(yōu)解是關(guān)鍵抓手。針對此，中順潔柔還推出了控盤分利的模型，實現(xiàn)精準花費。"通過循序漸進的推進，我們實現(xiàn)了從由原先傳統(tǒng)的經(jīng)驗決策，向算法驅(qū)動的決策轉(zhuǎn)變，將海量信息重新通過算法進行歸類，進而在分析，并模擬優(yōu)秀員工的經(jīng)驗，形成智能體，在輔助員工進行決策。"楊森林介紹到。

此外，在談及CIO職責的時候，楊森林認為，CIO的使命是幫老板減少決策糾結(jié)，減少選擇困難癥發(fā)生的情況，而非增加選項。同時，CIO不需要與老板談技術(shù)，而需要將ROI告訴老板，從而獲得老板的支持，"比如AI投入500萬，能否提升100人的工作效能，或發(fā)掘新增量的機會，產(chǎn)生大于500萬的收益。"楊森林舉例道。

面對當前CIO為何是"高危職業(yè)"，頻繁被換的提問時，楊森林指出，很對企業(yè)的CIO對于業(yè)務(wù)都不了解，"因為如今每個企業(yè)都希望數(shù)字化有成果，但大多數(shù)的CIO因為不懂業(yè)務(wù)，所以并不敢承諾結(jié)果，這也導致了頻繁的被更換。"楊森林指出。

不僅于此，楊森林認為，對于CIO來說，需要明白兩件事，一個是，凡事都要盡力尋找最優(yōu)解；另一個是，掌握麥肯錫提出的MECE方法論。

附上本期直播時間軸，幫你快速跳轉(zhuǎn)感興趣的部分

00：04：40頭部企業(yè)在市場挑戰(zhàn)中的應(yīng)對策略

00：28：13通過算法驅(qū)動，實現(xiàn)門店拓展、業(yè)務(wù)增長

00：32：53中順潔柔應(yīng)用AI過程中的挑戰(zhàn)與"解"

00：41：33控盤分利模型與企業(yè)"最優(yōu)解"分析

01：16：17 企業(yè)數(shù)字化轉(zhuǎn)型，從改變思維開始

以下為對話實錄，經(jīng)鈦媒體APP整理：

萬寧：目前中順潔柔面對的市場的復(fù)雜度在哪里？

楊森林：中順潔柔是目前國內(nèi)生活用紙四大頭部企業(yè)之一，曾經(jīng)我們一度認為，我們可以達到超過50%的占比，不過近幾年發(fā)展遇見了瓶頸，今天生意最大的困境就是用戶分散、渠道分散，以及經(jīng)營方式上的改變。

在2016年前后，中順潔柔吃到了時代增量的紅利，才得以達到百億規(guī)模的生意。這個時代，是因為我們在高端用紙方面，找到了合適的賽道，而不是因為我們做的很好。找到合適的賽道之后，中順潔柔"大干快上"，只要在空白地帶進行鋪貨，就能產(chǎn)生銷售額。

這種現(xiàn)象不僅存在中順潔柔，而是存在于整個快消品行業(yè)，在2015年到2020年之間，所有快消品行業(yè)企業(yè)都是賺錢的狀態(tài)。但時至今日，競爭格局正在改變，我們沒有辦法利用"大干快上"瘋狂的掠奪市場的方式，進行企業(yè)經(jīng)營了。過去，我們依靠品牌效應(yīng)就能獲得很大的市場，但就今天來講，實用經(jīng)濟的時代，我們面臨最大的競爭，已經(jīng)不是大品牌之間的競爭了，而是無數(shù)個"白牌"和新品牌的"撕咬"。比如，一個新的品牌可以依靠抖音一個賽道，快速達到10~30億的規(guī)模，快速崛起的OEM，以及極致的供應(yīng)鏈效率和粉絲經(jīng)濟效應(yīng)，這些戰(zhàn)略的調(diào)整，新品牌可以在一年內(nèi)完成，而對于潔柔這樣的大企業(yè)來說，一年的時間，可能剛剛走完流程。

潔柔今天最大的困難就是：渠道和流量過渡分散，以及一些新銳品牌進入市場侵占和極致價格策略下，頭部公司如何應(yīng)對這種"游擊隊"式的打法？一方面，企業(yè)不能失去自己的風格，不能與這些新品牌打價格戰(zhàn)，同時還要保質(zhì)保量保品牌，確保自身獨有的優(yōu)勢，我們稱之為"塑料時代"，打法已經(jīng)與原先完全不一樣了。

萬寧：從兩個方面想請您分享一下。首先，在增量時代，中順潔柔做對了什么，才在當時獲得了成功？

楊森林：從兩方面來看，第一個，我們先回顧一下中順潔柔整個的成長經(jīng)歷。2016年的時候，潔柔才20多億的規(guī)模，屬于華南地區(qū)的一個區(qū)域品牌。在由區(qū)域品牌向國內(nèi)頭部品牌進化的過程中，首先是要獲得消費者的"人心"，獲得認可。在2016年到2022年這段時間內(nèi)，中順潔柔首先要做的就是將品牌植入消費者心中，我們當時推廣的理念是：濕水不易破。

當時市場上的紙巾，在沾水之后都容易碎掉，韌性不夠。這時候，中順潔柔第一個提出了濕水不易破的概念，讓消費者可以像用毛巾一樣，擦水、擦汗，這就給用戶帶來了很好的感官和體驗。而這個概念也讓我們打入了高端紙巾的市場，樹立了行業(yè)"濕水不易破"的標桿。時至今日，基本上所有的紙巾都會有一個標簽——可濕水面巾，其實中順潔柔在那個時代，提高了整個行業(yè)的技術(shù)門檻。

當時，很少有同行跟進我們，因為這就意味著成本投入增高，質(zhì)量追求更高，配方的改變。從原材料角度出發(fā)，我們叫針葉和闊葉，一個負責韌性，一個負責柔韌度。柔韌度提高了，紙巾可能就厚了，就會變脆。如果闊葉變多了，相對針葉變少了，那么效果又是不一樣的。配方的改變，也代表了企業(yè)投入的改變，這個在那個時候是一種重資產(chǎn)投資，風險很大。

在解決了品牌，產(chǎn)品的問題之后，我們再解決擴張度的問題。在增量時代，尤其是2015年到2019年之間，我們吃的是房地產(chǎn)的紅利。中國的經(jīng)濟與國外不同的是，國外是從蒸汽時代、工業(yè)化時代、電氣化時代，從而逐步進入了現(xiàn)代化，中國其實是反過來的。通過人口進城，帶動了房地產(chǎn)發(fā)展，房地產(chǎn)又帶動了地鐵的興建、樓宇的興建，進而又帶動了人們的衣食住行。中國用40多年的時間，走完了歐洲走了近200年的路。

在那個時代，因為房地產(chǎn)帶來的紅利尚未消失，企業(yè)怎么做都是賺錢的，但到了現(xiàn)在，經(jīng)濟增速逐漸放緩。

萬寧：除了產(chǎn)品的升級之外，就像您說得，用戶和渠道的分散也是對中順潔柔的考驗，在這個時候，中順潔柔如何通過信息化、數(shù)字化的手段，完善了企業(yè)管理，從而實現(xiàn)成功的？

楊森林：在增量時代，有了好品牌、好產(chǎn)品之后，大家核心的競爭力不是腦子，不是數(shù)字化，而是勤奮，以及銷售的執(zhí)行能力。在這個過程中，所有頭部的快銷品牌拼的就是"大干快上"，這個過程中不需要數(shù)字化。

在2015年前后，很少有企業(yè)說：我要做數(shù)字化轉(zhuǎn)型，因為用不到。大家甚至連一個Excel表都不需要，就能干好這個生意。

那個時候，生意的增長取決于，好的品牌、好的產(chǎn)品、合理的價格、合理的促銷政策，以及在這個階段，企業(yè)拼的就是銷售的執(zhí)行力。

但后來拐點出現(xiàn)了，我認為，中順潔柔的拐點出現(xiàn)的還算比較晚，我們的拐點出現(xiàn)在2022年之后，這個時候我們意識到我們的紅利時代消失了。

新銳品牌的出現(xiàn)，將產(chǎn)品極致的細分。原先，一包紙巾什么都能擦，現(xiàn)在不行了，有專門擦鼻子的，在擦鼻子的里面還進一步細分敏感型的，不是敏感型的等等。甚至連廁紙都分成了濕廁紙、干廁紙，卷紙、抽紙....這些都功能性的極致的細分。比如出現(xiàn)濕廁紙之前，大家都用卷紙，但是濕廁紙出現(xiàn)之后，就擠壓、搶占了卷紙的市場。這種情況下就出現(xiàn)了，過去，一包紙就能養(yǎng)活一個企業(yè)，現(xiàn)在，會出現(xiàn)有十個企業(yè)搶占賽道，產(chǎn)品細分了，場景細分了。

另一方面，渠道也發(fā)生了翻天覆地的變革，比如抖音的火爆，讓用戶對于賣點，以及娛樂性的感知更強了。比如一些新銳品牌可以通過抖音頭部，或者肩部的主播，以極低的成本快速占領(lǐng)用戶心智。抖音最大好處是，能夠讓賣點非常直觀的暴露在消費者面前。這些也就是如今出現(xiàn)的產(chǎn)品細分、渠道細分的局面。

此外，紙有個天然的缺陷，紙是一個用戶忠誠度極低的領(lǐng)域。很難說有一個消費者只用潔柔的紙，消費者只能分得清，這個紙好用，甚至只能分得清四大家族的紙，還是非四大家族的紙。這就導致了我們出現(xiàn)了"不促不銷""大促大銷""小促小銷"的行業(yè)，甚至我們?nèi)绻粚a(chǎn)品放在超市顯眼的地方也會導致銷量不好。這種情況下，所有的促銷費、陳列費就成為了企業(yè)的重要成本。

這些情況加一起，就導致了行業(yè)出現(xiàn)拐點——用戶的分散、渠道的分散，以及新銳品牌占領(lǐng)細分賽道。過去大標準貨品沒有，現(xiàn)在全是細分貨。

以渠道為例，當前消費者可以通過多種渠道買東西了，比如電商、OTOO、社區(qū)團購等，甚至連電商都細分成了傳統(tǒng)電商和電商+線下的模式。而這些渠道細分、場景細分也讓我們開始探索以決策AI驅(qū)動生意增長，因為人腦已經(jīng)跟不上時代的發(fā)展，現(xiàn)在我們整個紙巾市場的吞吐量是核彈級別的，但我們的腦子確實小賣鋪級別的。因為同樣的一套經(jīng)營策略，在OTOO與傳統(tǒng)電商，以及內(nèi)容電商之間的打法完全不一樣。這些因素加起來，就讓我們不得不依賴數(shù)字化的方式，進行判斷。因為數(shù)字化推斷、計算出來的結(jié)果比人腦更快，更準。

回看中順潔柔一路走來，在增量時代，我們還算成功，在縮量時代，我們第一反應(yīng)是要尋找到這個時代最合適我們的經(jīng)營方法。這個過程中，潔柔花了2~3年的時間，一直在探索我們應(yīng)該怎么辦。

一直到今年半年度財報的時候，顯示我們經(jīng)營的還不錯，回到了2023年的峰值，回到了我們經(jīng)營比較好的狀態(tài)下。這也證明了中順潔柔數(shù)智化的手段已經(jīng)初見成效。因為我們不僅止住了頹勢，還實現(xiàn)了逆勢增長，這就是我們數(shù)智化第一階段的成果。

萬寧：在市場進一步細分化、個性化的背景下，中順潔柔圍繞智能決策等方面，又有哪些具體的舉措呢？

楊森林：坦白的說，在中國，企業(yè)的數(shù)字化轉(zhuǎn)型的成功率并不高。目前為止，我們只是將工具端做的比較好。為什么說中國企業(yè)的數(shù)字化轉(zhuǎn)型做的并不好呢？因為很少有聽說哪個企業(yè)，因為做了數(shù)字化轉(zhuǎn)型，企業(yè)賺到錢了，所以說企業(yè)的業(yè)績增長、銷售額和利潤的提升，與工具之間還存在天然的鴻溝。

這種時候就出現(xiàn)了一個問題——給誰用？比如，一名員工對業(yè)務(wù)理解能力是60分，對數(shù)字化理解能力是20分，給他80分的工具，還是120分的工具都沒有差別，因為他業(yè)務(wù)理解就60分，數(shù)字化理解就20分，這也限制了你給他多少分的工具，他的理解也都是20分。

這個時候，企業(yè)就要明白，業(yè)績增長與工具之間還涉及到一個內(nèi)容——想干嘛？比如業(yè)績，我們需要將銷售額和利潤進行分解，對于企業(yè)CEO來說，如何分解生意，如何將生意與渠道建設(shè)、業(yè)務(wù)體系關(guān)聯(lián)起來。需要將生意切分成不同的渠道，再切分成不同的場景，最后才能發(fā)現(xiàn)場景里的痛點，然后在提供相對應(yīng)的工具。

第一階段是，IT時代，我們需要解決的是信息傳遞的問題，也就是從銷售到倉庫，如何將信息傳遞過去，這個時代已經(jīng)過去了，但我們在這個階段留存了大量的數(shù)字資產(chǎn)（數(shù)據(jù)）。

第二階段是解決數(shù)據(jù)應(yīng)用的問題，企業(yè)希望基于數(shù)據(jù)，能夠進行一些分析，并將分析的結(jié)果輔助企業(yè)進行決策。

以中順潔柔的思考為例，在縮量時代，我們記錄的門店僅僅幾萬家，但是我們預(yù)估我們實際的門店不會低于40萬家。這個過程中是工具不好用么？并不是，其實通過Excel表格的方式也能記錄下來這么多，但是人家不用，為何不用？因為人家要的是業(yè)績增長，但是你提供的工具帶不來業(yè)績增長，這就出現(xiàn)了信息差：你要的，不是人家要的，人家要的，你又給不了。我相信90%的企業(yè)都卡在了這里。

綜上，企業(yè)如何解決呢？第一個要進行改變的是：改變自己。首先要問自己：懂不懂業(yè)務(wù)？能不能對業(yè)務(wù)介紹說："我又幾個辦法，幾個方向，幾個資源，能提升銷額，帶來增長。"首先需要數(shù)字化的人員，要懂業(yè)務(wù)，精通生意，這種思維的改變是首要的。

改變自己之后，進而才去看，我們40萬個門店，帶來了線下近50億的生意，那么，如果100萬家店，能帶來多大的生意？200萬家門店呢？進而，我們再尋找方法，有沒有可能通過只鋪50萬家門店，就能達到200萬家的效果？在此背景下，我們基于算法，決策AI，推出了我們第一個模型——高潛模型。實現(xiàn)了同樣的鋪貨量，在普通門店只能賣1000塊錢，但是在擁有高潛模型的門店，就能賣3000塊錢。

我們對高潛模型進行了分類。第一類，當我們平局單店產(chǎn)出在1700塊錢的時候，我們做了第一個高潛模型。第二個高潛模型是2500多，第三個高潛模型是5000多。而這個思考并不是結(jié)束，我們繼續(xù)推進了決策AI應(yīng)用。

原先門店的倒閉率很高，大概在30%左右，一家門店的損失，可能需要新開十家門店才能彌補，在此背景下，我們就坐了第二個模型——高危門店模型。分析強勢市場如何打，弱勢市場如何打。所以我們總結(jié)了高危片區(qū)、高潛門店，以及高危門店，就能讓業(yè)務(wù)人員跑業(yè)務(wù)的時候，戴上一雙眼鏡去經(jīng)營，通過數(shù)字化操盤，讓業(yè)務(wù)少跑一點，200萬個門店，其實業(yè)務(wù)跑五分之一的門店就已經(jīng)能解決問題了，讓業(yè)務(wù)跑的門店更為精準。

在此基礎(chǔ)上，我們還推出了控盤分利的模型，實現(xiàn)精準花費。這樣一套下來，我們才嘗到了數(shù)字化的甜頭。由原先傳統(tǒng)的經(jīng)驗決策，向算法驅(qū)動的決策轉(zhuǎn)變，將海量信息重新通過算法進行歸類，進而在分析，并模擬優(yōu)秀員工的經(jīng)驗，形成智能體，在輔助員工進行決策。

這個時候，就會發(fā)現(xiàn)，效果很不錯。我們發(fā)現(xiàn)并不是人越多越好，而是聰明的人越多越好。我們發(fā)現(xiàn)一個規(guī)律，20%的人力成本，貢獻了80%的業(yè)績，我們讓80%的員工，聽從20%優(yōu)秀員工的決策，80%的員工只負責執(zhí)行就可以了。

如何讓20%優(yōu)秀的人，領(lǐng)導80%的人呢？在此基礎(chǔ)上，我們用算法模擬了一個基于決策AI的智能大腦。讓80%的員工聽從這個決策大腦的領(lǐng)導，去推進業(yè)務(wù)就可以了。

總體來看，其實目前很多工具都是夠用的，只不過工具與業(yè)務(wù)之間出現(xiàn)了空檔，如何將工具更好地與業(yè)務(wù)結(jié)合，是企業(yè)需要花費時間去探索的問題。

萬寧：控盤方面，因為要結(jié)合業(yè)務(wù)場景和銷售管理等經(jīng)驗，更為復(fù)雜，在控盤方面，中順潔柔有何思考可以進一步分享一下？

楊森林：確實，控盤是我經(jīng)歷過的項目中，要求最高的。項目要求技術(shù)、業(yè)務(wù)、洞察，以及全方位的能力。簡單來說，通過這個項目，最終實現(xiàn)了銷額和利潤共同達成下的最優(yōu)解。

這里面涉及了很多東西，舉個例子，我想花錢，因為需要花錢之后，才能讓人進貨去賣出去，如果沒有各種激勵費用的話，經(jīng)銷商不進貨。激勵的模式很多，首先可以通過打折，這就涉及了價格類的各種流程。其次是活動類的，比如在某個區(qū)域聯(lián)合別的品牌做一些活動，通過活動吸引消費者。第三是費用類的，比如超市的陳列費。

以一個場景為例，比如長春市某經(jīng)銷商申請將其中一個產(chǎn)品"破價"，需要進100萬的貨，這100萬的貨會觸發(fā)副總裁審批，對于副總裁而言，批不批是個難題。批了，可能帶來銷量，但價格會跌；不批，因為經(jīng)銷商比較有實力，是進貨的頭部客戶，不批就容易給合作帶來隱患。

除此之外，還存一個隱患。因為中順潔柔經(jīng)銷商有2000~3000個，領(lǐng)導不可能對每個經(jīng)銷商都十分熟悉。在審批的過程中，每個產(chǎn)品如何批才能確保其合理性，也是一個不小的挑戰(zhàn)

在此背景下，中順潔柔在追求公式最優(yōu)解的過程中，首先，不得不思考所有費用的合理性。其次，還需要考慮人效比（人的ROI），一個很厲害的員工能給企業(yè)帶來更多的價值，這個過程中就要考慮人效比的參數(shù)。第三，還要考慮運費，如何確保下單、發(fā)貨、運輸整個流程的成本最低，效率最高。

綜合來看，諸如折扣、活動等隨便幾個因素的動態(tài)組合，導致了每次審批的過程中，都需要重新進行思考。因為每次審批的時候，決策都不是領(lǐng)導說了算，而是"計算器"說了。現(xiàn)在，我做了一個"計算器"，能模擬整個生意決策的流程，在審批環(huán)節(jié)，審核銷額和利潤是否是最優(yōu)的，如果是，就批準；反之，如果銷額和利潤都會受影響，就不批。將AI與人結(jié)合，通過人工智能告訴領(lǐng)導如何經(jīng)營，如何調(diào)優(yōu)。

當然，這個過程是需要依賴領(lǐng)導經(jīng)驗和數(shù)據(jù)達成共同決策的過程，因為生意不是算法完全能代替的，只是通過輔助，給我們帶來一些新的增量的機會。

所以，任何數(shù)字技術(shù)都是為人服務(wù)的，人才是駕馭技術(shù)最核心的因素，技術(shù)永遠都是輔助，并不是代替。雖然控盤分利模型很復(fù)雜，但我們只要記住最核心的一點是：模型是通過綜合全量因素，考慮銷額和利潤共同達成下的最優(yōu)解。通過"計算器"模擬了全量因素，解決了費用的精準花費。

原先，中順潔柔一個渠道費用10~20億元，通過控盤分利模型隨便省省都是個可觀的數(shù)字。

再回到生意經(jīng)營商，我們又用一個新工具讓區(qū)域經(jīng)營，從直接鋪貨，轉(zhuǎn)變?yōu)?，綜合考慮城市內(nèi)鋪哪些貨？怎么搭配？其實這就是企業(yè)的變革——讓業(yè)務(wù)人員思維發(fā)生轉(zhuǎn)變。

萬寧：在項目推進過程中，您覺得哪些點最難突破？

楊森林：這其中需要很多對生意的理解。第一個難點，需要操盤的人對生意有著深刻的理解。比如，理論上折扣越大，銷量越高，但折扣大了利潤就低了；反之，可以定價很高，毛利很高，但銷量就不好。這其中就需要找到（售價和銷量）平衡點的問題。此外，還要考慮所有因素，比如是否投廣告？投了沒轉(zhuǎn)化怎么辦？不投賣不動怎么辦？很多因素都是動態(tài)的。

比如有一個費用活動，如果經(jīng)銷商特別有實力，我們破價持續(xù)半年，但明年我一定能賣得好，就能把今年破價的錢賺回來。而且有些時候需要利用低價，吸引一些優(yōu)質(zhì)的經(jīng)銷商。在這種情況下，控盤分利模型有可能顯示是"糟糕的"，就需要有經(jīng)驗的領(lǐng)導結(jié)合生意經(jīng)營的經(jīng)驗進行思考。將所有的成功因子提煉出來，通過多個模型進行模擬。

萬寧：確實，假若在算力無限供給的情況下，可能會模擬出億萬種答案，如何選擇最優(yōu)解呢？

楊森林：對，所以就需要算拆單的最優(yōu)解、發(fā)貨的最優(yōu)解、選倉的最優(yōu)解，抓住這三個點，進而再組合成一個關(guān)于運費的，以及整體發(fā)貨流程的最優(yōu)解。而這也僅是一個最優(yōu)解，還有費用的最優(yōu)解、人員的最優(yōu)解，當我們想把所有都做到最優(yōu)時，會發(fā)現(xiàn)并沒有那個能力實現(xiàn)。所以我就需要有選擇性的放棄掉一些，通過探索了兩年，中順潔柔得出：將最核心的折扣、促銷、運費和各種費用的最優(yōu)解抓在手里，將這幾個最致命的抓住，就足夠了。

通過兩年的時間，我和我們CFO（精通算法的領(lǐng)導），通過一些精通財務(wù)、精通算法、精通生意的人，一起討論了兩年才能理解這些思路，做出一個簡單的控盤分利模型。這里面最難的，我認為并不是技術(shù)，而是領(lǐng)導對于生意的理解和洞察。

比如業(yè)務(wù)只對自己領(lǐng)域的業(yè)務(wù)熟悉，并不會對整個公司全盤經(jīng)營很精通，這就需要無數(shù)個業(yè)務(wù)人員湊到一起，才能達到對公司經(jīng)營每個細節(jié)都能實現(xiàn)最優(yōu)解的地步。而無數(shù)個業(yè)務(wù)人員一起討論，可能會討論出很多話題，這就導致了我們無法通過內(nèi)部討論得出模型。只能通過領(lǐng)導層自身想明白了，將這個模型做出來，進而再通過實踐，不斷的再錯誤中改進和優(yōu)化。我們目前也僅僅是初見成效，離"百分百"做好還有些距離。

萬寧：在中順潔柔制定數(shù)字化、AI戰(zhàn)略的過程中，企業(yè)CFO、CEO、CIO扮演著什么樣的角色？

楊森林：我們追求的是銷額和利潤共同達成下的最優(yōu)解，簡單來講就是能達成KPI。這個過程中，（要考慮）全量因素。我們CEO、各個板塊的負責人、副總裁都是成功因子。中順潔柔每次會議，每個決策都是衡量因素，我們將所有人（領(lǐng)導層）對（數(shù)字化、AI）的理解，作為一個參數(shù)寫進（戰(zhàn)略）中，決定出哪些能改，哪些不能改。

從這個角度出發(fā)，員工與董事長之時職責分工不同而已，員工負責干活，董事長負責決策，員工盡可能不給董事長造成選擇困難癥（的局面）。

至于我們的追求，所有人各自負責各自的板塊，比如財務(wù)負責財務(wù)的板塊，CIO負責CIO的，業(yè)務(wù)的負責業(yè)務(wù)的，董事長也有董事長的，所有人各自形成了公式上的一個因素，從而完成銷額和利潤達成下的最優(yōu)解。在此基礎(chǔ)上，我們只有一個KPI——完成業(yè)績，我認為，一切不以增長為目的的數(shù)字化都毫無意義。

基于此，我們與業(yè)務(wù)人員一起討論業(yè)績?nèi)绾芜_成，業(yè)務(wù)人員不會拒絕，并且愿意與數(shù)字化的人員討論。我們也與董事長討論，在能達成銷額和利潤的前提下，我們需要怎樣的支持......我們有一個最大的邊界，只服務(wù)于業(yè)績增長。

有很多企業(yè)存在這樣一個誤區(qū)：IT認為"我是做解決方案的"，我提供一個生成式AI的工具，能賦能業(yè)績增長30%，就算是提效了。如果業(yè)績不增長怎么辦？能裁員嗎？能回避風險嗎？利潤能漲嗎？成本能降嗎？......這時候就會發(fā)現(xiàn)，其實IT團隊所謂的賦能和業(yè)務(wù)的理解不在一個頻調(diào)上，業(yè)務(wù)唯一想要的就是完成自己的KPI，而IT人員要的就是，提供了一個工具，而工具達沒達到效果就不管了。用得好是工具做的好，用得不好是業(yè)務(wù)人員能力不行。

這種時候就造成了對立沖突，就需要理解工具如何與業(yè)務(wù)結(jié)合，但這塊是IT人員的盲區(qū)，因為IT人員不懂生意。如何解決呢？以運費最優(yōu)解為例，首先IT人員需要這塊業(yè)務(wù)在做什么，就需要IT人員到一線去看看整個運輸流程是如何操作的，就會發(fā)現(xiàn)快速的物流流轉(zhuǎn)過程中，是沒有使用手機的機會的。這也是為什么好多IT系統(tǒng)落地不成功的原因（因為快速搬運過程中，沒有看手機的場景）。如果IT人員不去一線觀察，那么他們對業(yè)務(wù)的理解和實際使用者之間就出現(xiàn)了分歧。這是很多數(shù)字化項目落地過程中核心的障礙，潔柔也是這樣一個一個項目的突破，但最終的目標都是實現(xiàn)業(yè)績增長（業(yè)績增長在我們KPI中占比很高）。

萬寧：在讓IT團隊人員更懂業(yè)務(wù)（比如到一線去）的過程中，中順潔柔是如何做的？

楊森林：第一個，我要求我的團隊每個月都做車庫撤銷（這是我們快消品行業(yè)的一個職業(yè)動作）。跟著經(jīng)銷商一起去門店推銷潔柔的貨品。并且我們將車庫撤銷作為一項考核放在了我的團隊的KPI中。通過走市場、跑供應(yīng)鏈的過程，其實不是學習，而是IT團隊也背負了類似業(yè)務(wù)的KPI，如果一天的銷售額沒有達成，就算是員工的失職。

我認為首先大家要改變自己的想法——我們將每個項目都當作一次創(chuàng)業(yè)，而不是坐在辦公室里，盲目的，在一個理想環(huán)境下，進行策劃。我在我的團隊內(nèi)部，要求所有人都需要帶著老板創(chuàng)業(yè)的思維經(jīng)營項目，每個人要為結(jié)果負責。

就好比，如果一個不懂業(yè)務(wù)的人，只會拿一個框架、一個PPT跟老板描述多好，老板肯定不會認同，但如果你十分懂業(yè)務(wù)（甚至在某些業(yè)務(wù)層面比老板還懂），才能說服老板認同你的方案。但這種情況也不是很絕對，比如企業(yè)想要涉足一個完全沒接觸過的領(lǐng)域時，請一個咨詢的老師過來普及一下這個領(lǐng)域的基礎(chǔ)性的知識，填補該領(lǐng)域的空白是可行的。但對于絕大多數(shù)企業(yè)而言，在數(shù)字化方面，最核心的需求是要解決問題。痛點很明顯，比如業(yè)績不增長了，想要通過數(shù)據(jù)分析等手段，實現(xiàn)業(yè)績增長。

這時候就不需要從藍圖開始也老板們討論了。而這也是現(xiàn)在很多咨詢公司和實體企業(yè)之間的沖突。一個要增長，一個要方案，又不肯對賭，企業(yè)又不能要求一個做咨詢的老師幫助其實現(xiàn)增長。

所以，公司自己的增長還是要自己負責，遇到卡點問題了，可以問問咨詢的老師"需要你給我個工時，解決某個場景下的，某個問題"，然后再通過自己的努力，自主推進。

在IT需求方面也是一樣的道理，如果IT人員在不懂業(yè)務(wù)的前提下，說"我能賦能業(yè)務(wù)"，業(yè)務(wù)憑什么聽你的？

萬寧：在AI的浪潮下，企業(yè)如何在資源有限的情況下，完成數(shù)字化建設(shè)？同時，您又通過怎樣的管理辦法，或者外部的技術(shù)公司支持，完成了公司給CIO制定的任務(wù)目標？

楊森林：綜合來看，首先，所有的（項目）還是圍繞著前面提到的公式推進，在這個公式下，我們先將目標分解——想干什么？AI就像是筷子，也是一種數(shù)字化工具。很多老板對于AI的認知是：用了AI之后，原先10個人完成的工作，現(xiàn)在一個人就能完成了，AI代表了裁員，這是很多企業(yè)明確的目標。

第二個，AI能夠激發(fā)出新增量的生意機會。從原始角度來看，很多企業(yè)在這一步走入了誤區(qū)。很多企業(yè)CIO不理解AI的機制和原理，以及AI不同架構(gòu)之間的對比。大多數(shù)人都停留在：我會用AI應(yīng)用，但這不應(yīng)該是企業(yè)CIO的職責，而是要理解AI的原理，才能知道AI具不具備（相應(yīng)場景下）功效。比如生成式AI目前解決的是以文字為基礎(chǔ)的問題，探索新知識的盲區(qū)。而這個能力與老板理解的就存在了差異化。這時候，就需要CIO跟老板談：你給我500萬，進行AI探索，有可能會失敗，但如果成功了，可能能為企業(yè)省掉100人的人力成本，或者帶來一個新的增量生意的機會。我認為，這種提效不一定要具象化，不要一直說提效百分之多少，而是通過財報上的數(shù)字來闡述。進而，再看公司能否接受。

如果失敗了怎么辦？公司如果說失敗了CIO的負責，那我不會做，因為創(chuàng)新很難，大概率會失敗，而CIO擔不起這個責任。如果公司說：你大膽去做，我絕對支持你，我要賭你做成給公司帶來的機會。那么就可以繼續(xù)探索。中順潔柔就是這樣的體制文化。

基于此，在繼續(xù)往下分解整個AI工具，當你明白了原理，就知道了：解決什么問題，比如會議紀要的人員，就可以辭職了，因為人工記錄的內(nèi)容還沒有AI記錄的好；再比如，原先產(chǎn)品設(shè)計，三天出一個產(chǎn)品方案，現(xiàn)在可以一天出30個，甚至300個.....通過這些創(chuàng)新的理念就能給企業(yè)帶來更多的啟發(fā)，企業(yè)就能明白，哪些地方可以用AI賦能，進而慢慢推進。

關(guān)于中順潔柔走到了AI決策的原因。首先，因為我是技術(shù)出身，我知道決策AI與生成式AI的區(qū)別。我們第一個挑戰(zhàn)是：如果沒有AI，我們?nèi)绾芜M行決策？這里面又有很多誤區(qū)，很多企業(yè)認為，一定要把數(shù)據(jù)治理好，然后再把這些"干凈"的數(shù)據(jù)"喂"給AI，AI才能更聰明，幫助企業(yè)做決策。

這種情況下，我們就要思考一下，過去沒有系統(tǒng)的時候，老板們的生意也可以經(jīng)營的很好，今天有了系統(tǒng)，有了數(shù)據(jù)（甚至數(shù)據(jù)質(zhì)量不是特別差），為什么大家還覺得做不了決策了呢？大家等著數(shù)據(jù)治理好，怎樣才能治理好？這時候就會發(fā)現(xiàn)，以交付為目的，與生意經(jīng)營又出現(xiàn)了分歧。

這個時候，我們就要通過決策AI，模擬人的決策過程中，一條一條的處理，不要想著一步到位，先解決AI不是那么智障，能模擬人類30%的決策重要鏈條。如果企業(yè)還停留在，我要買一個AI的思維中，就會存在一個問題：企業(yè)連AI原理和機制都不知道，就算買過來，企業(yè)也不會優(yōu)化AI。企業(yè)不知道技術(shù)的邊界，就只能完全聽從賣給企業(yè)AI的公司的，而這個公司也不懂企業(yè)所在領(lǐng)域的業(yè)務(wù)，企圖讓他來幫助企業(yè)解決問題，并不能達到好的效果。

所以，企業(yè)想應(yīng)用好，就要真的懂AI（原理和機制），而現(xiàn)在很多CIO不是技術(shù)出身，是偏管理、偏咨詢出身，這就導致了市場上AI亂象頻出，各種聲音都有，企業(yè)很難扎根，對的東西不敢堅持，錯的東西沒能力改。

我認為，AI處在今天這樣的局面，不是AI沒有用，而是（企業(yè)）沒有用好。

萬寧：接下來的幾個問題，首先，諸如控盤分利模型這樣的方案，對數(shù)據(jù)的量和質(zhì)量的要求是否很高？其次，這類模型對知識管理、知識體系的建設(shè)帶來了哪些難點？從數(shù)據(jù)管理到知識庫管理，是否是AI至關(guān)重要的點？中順潔柔是如何解決的？

楊森林：首先，我不認為只有擁有了百分百的高質(zhì)量的數(shù)據(jù)才能夠做一些AI模型的落地，因為不可能存在百分百高質(zhì)量數(shù)據(jù)，目前為止，哪個企業(yè)也做不到百分百高質(zhì)量數(shù)據(jù)。我認為，相對干凈的數(shù)據(jù)就可以。

在決策AI中，存在很多算法機制，企業(yè)在用算法的時候，首先考慮的因素就是數(shù)據(jù)不干凈（存在諸多干擾因素），比如一物多碼，表面是一個產(chǎn)品，其實背后存在了多個產(chǎn)品都在使用一個碼。很多企業(yè)都在追求極致的一物一碼，但反過來想，難道真的要等一物一碼實現(xiàn)了才能往下走么？并不是這樣的，這時候就需要通過極致的算法進行過濾、篩選，而且不一定要將篩選做到極致的準確，能達到應(yīng)用的目標就可以了。比如銷售預(yù)測，預(yù)測準確度能到80%~90%才是最好的么？并不是，我覺得能到60%以上就是最優(yōu)解了，這時候風險與機遇并存，因為60%的概率帶來了增量的機會，這時候企業(yè)就可以下手去搶占市場了。如果等到80%在下手的話，雖然屏蔽了風險，但也屏蔽了機會。

回到知識庫的角度，我認為企業(yè)一定要建知識庫，但我認為不需要過度追求干凈的數(shù)據(jù)。我們可以通過算法驅(qū)動，將數(shù)據(jù)變得相對干凈就行了。比如經(jīng)銷商信息，1000個經(jīng)銷商信息，如果通過人工篩選，耗時會很大，但通過AI就能很快的篩選出來，并且這其中即便是錯了幾條，也不會影響整體的決策。所以，算法驅(qū)動的結(jié)果是有準確率的，但我并不認為，90%的準確率一定比70%的準確率帶來的效益更大。因為（90%的）投入成本太高了。所以將機會、風險綜合考慮進去，未嘗不是一個好機會。

萬寧：我理解的意思：企業(yè)需要再技術(shù)、數(shù)據(jù)基礎(chǔ)等全方面因素之中，尋找一個平衡點，進而尋找到最優(yōu)解，不知我這樣的理解，楊總是否認可？

楊森林：是（像您描述）這樣的。其實這次我更多想分享的不是AI產(chǎn)品、解決方案，而是作為CIO的思維理念。想要做一個有更大價值的CIO，一定要突破自己的就是最優(yōu)解這三個字。這三字是貫穿我們產(chǎn)品全生命周期幾十個節(jié)點的。

比如倉庫中貨物運輸環(huán)節(jié)，采用AGV無人車運輸一定是最優(yōu)的么？不一定，車的采購成本很貴，可能一個搬運員工的成本要比采購車低很多，這時候人工就是最優(yōu)的。但如果加上時效要求呢？這時候可能車就要優(yōu)于人的方案。

這里面就有兩個好的模型分享給大家，一個是最優(yōu)解，所有的事情都要先探索最優(yōu)解；另一個是，麥肯錫的方法論：MECE——相互獨立，完全窮舉。就是在企業(yè)應(yīng)用AI之前，需要將所有包括背景、因素等在內(nèi)的信息都考慮全面。比如，AI有關(guān)知識儲備是否到位，員工對AI的接受程度如何？AI失敗了怎么辦？放在哪里部署？.......如果用MECE的方式，將這些因素全部列出來，企業(yè)就不會盲目的追求AI了。

基于上述兩種思維模式下，我相信CIO做任何事都沒問題。其實今天的CIO算是"高危"職業(yè)，因為如今每個企業(yè)都希望數(shù)字化有成果，但大多數(shù)的CIO因為不懂業(yè)務(wù)，所以并不敢承諾結(jié)果，這也導致了頻繁的被更換。

如果想要往前走一步，或者說讓老板真正認識到數(shù)字化轉(zhuǎn)型是對的事，就需要CIO理解最優(yōu)解，無論是對業(yè)務(wù)、對IT，還是對技術(shù)都沒問題，只要思維到了，工具就不是問題。我認為今天數(shù)字化轉(zhuǎn)型的問題都不在工具端上，而是在思維方面。

萬寧：企業(yè)在落地AI應(yīng)用過程中，您關(guān)注的問題有哪些？（面向企業(yè)CIO管理層）

楊森林：我認為第一個問題就是：大家懂AI嗎？知道AI的原理嗎？所以企業(yè)應(yīng)用AI第一階段需要將基礎(chǔ)知識補齊。

第二個問題，尋找AI的應(yīng)用場景的過程中，不要尋找泛泛的場景。AI首先應(yīng)用的場景是以文案為基礎(chǔ)的工作，比如設(shè)計，但AI又不可能替代設(shè)計，而是給設(shè)計師更多啟發(fā)。此外，AI還能代替很多文職、文案類的工作，以及搜索的工作。所以我覺得AI的場景不要泛，而是要收窄、聚焦。

第三個問題，AI的ROI。比如將AI投入到了文案工作中，能通過這個裁掉多少人，而這個過程中，AI的服務(wù)器、技術(shù)外包等方面的投入又是多少。

第四個問題，分清楚決策AI與生成式AI。目前企業(yè)很多需求AI完成的效果，并不是生成式AI擅長的，而是決策AI擅長的。就好比文科生與理科生，生成式AI其實是文科生，解決的是生成式的內(nèi)容；決策AI是理科生，模擬人類思維習慣。