AI解鎖零售、旅遊和消費品行業轉型的三種方式
本文探討了AI如何通過三種方式——將暗數據轉化為信號、擴展概率推理的問題空間、將人的能力與員工數量脱鈎——來解決零售、旅遊和消費品行業中信號與行動之間的鴻溝，並強調治理是真正的競爭優勢。
早上5點45分，一位商店經理站在辦公室，與自己的建築爭論着。十四塊儀表板在兩個屏幕上打開。四個從未互相通訊的系統連夜組裝了一個任務隊列，以三種不同的優先級順序要求她的注意。在第七過道，店裏週轉最快的SKU從週二起就缺貨了。貨架攝像頭在週二發現了這一點。補貨系統在週三推斷出來。修復任務在今天早上才浮現，排在第十一位，低於一個貨架圖審計和一個培訓提醒。她將在巡視時發現它，就像經理們一百年來發現東西的方式一樣，而那時該產品為之準備的週末客流早已來去無蹤。信號存在了四天，但從未有一種方式能在時機消失前採取行動。這樣的早晨在每個消費品行業以不同的制服重演。Forrester估計企業中有60%到73%的數據未被用於分析。在消費品領域，約85%的新產品在兩年內失敗，Nielsen將其歸因於對消費者需求和定位的誤讀——即信號存在但未被讀取。NVIDIA 2026年AI在零售和CPG中的狀態調查顯示，阻礙企業擴展AI的最常見障礙不是技術，而是數據。這不是三個問題，而是一個問題，以三種方式徵税：無法相信信號而行動（信任），無法在時機過去前行動（時間），或無法以所需規模讀取和行動（成本）。這篇文章認為，AI作為系統而非試點部署，是第一個同時攻擊這三種税收的技術，而那些理解這一點的公司將與購買試點的公司區分開來。
為什麼二十年儀表板未能縮小差距
行業對未讀信號的回答是商業智能（BI），這是一個合理的答案。BI使報告專業化，標準化了董事會運行的指標，並給予一代商人和運營商共同的事實基礎。但它有三個結構性限制。首先，BI只能看到適合模式的數據。貨架圖像、維護照片、通話記錄、評論、社交媒體帖子：消費品企業目睹的大部分內容從未進入模型，因為讀取它需要人的注意力，而這是建築中最稀缺的資源。其次，BI回答了人們已經想到的問題。它在給定的連接上出色計算，但無法形成跨預先未定義信號的視圖——而這正是意外所在。第三，BI以儀表板結束。經驗豐富的人仍然需要注意到、解釋、決定和路由，因此洞察以升級的速度移動，而升級以組織圖表的速度移動。
現在，每個限制都已被單獨且近期地移除。基礎模型降低了讀取非結構化數據的成本，因此證言終於進入記錄。概率推理使判斷可計算，因此問題空間不再侷限於分析師預期。而代理轉向使行動與人員配置脱鈎，因此知道與做之間的距離不再以會議來衡量。三種税收首次有了對手。
信號在哪裏消亡
在零售業，它們在商店地板上消亡。我們的AI驅動商店運營工作反覆發現相同點：商店是企業中最豐富的信號環境，卻最不擅長代謝它。貨架條件只能通過行走得知；勞動計劃基於去年的曲線；浪費在入箱後才被計數；經理是十幾個系統之間單一、超載的集成點，而這些系統從未設計為在早上5:45匯聚於一個人。現在，循環已經到達了需要它的地方：Harmons的自主貨架掃描將缺貨減少一半以上，定價錯誤減少約75%；沃爾瑪的Ask Sam讓第一週的新手擁有老員工的記憶。一個運行自身循環的商店正在出現，持續感知貨架、排隊和浪費，並在小時內行動，這樣經理的巡視就變成了對異常的判斷，而不是發現明顯的問題。
在消費品領域，信號在創新引擎中消亡。傳統的階段-關口模型通過順序的人工審查物理原型，每個關口都是信號過期的地方。我的近期工作指出，從順序的人工關口轉向連續的計算讀取消費者的過程正在進行。一家全球健康與衞生公司統一了消費者研究、產品評論和社交媒體傾聽信號，從原始信號到可操作洞察只需數天。該轉型的約束不是模型能力，而是專有的消費者數據，當前、治理良好且足夠密集以供推理。
在旅行領域，信號在各自知道一半故事的系統間消亡。預測性維護讀取超過12,000架聯網飛機（通過Airbus Skywise）的信號；Delta使用生成模型定價其網絡；AI管家已在Expedia和Hilton上市。連接這些，你將得到自我修復的旅程。IDC預測到2030年，高達30%的旅行預訂可能由AI代理執行。
AI解鎖的三種東西
AI對三種税收的進攻通過三個步驟進行，每個步驟都是BI結構性限制的逆轉。
- 暗數據變成信號：讀取非結構化數據的注意力成本崩潰，企業目睹的大部分終於進入記錄。
- 概率推理擴展問題空間：計算器變成判斷。模型在從未來明確編碼的信號上形成概率視圖，意外不再隱藏。
- 人的能力與員工數量和經驗脱鈎：增強讓第一週的新手擁有老員工的記憶；自動化消除了執行延遲。知道與做之間的距離不再以會議衡量。
這三個步驟作為時間循環運行；實時是時鐘；治理是贏得信任和控制成本的基底。
治理是真正的護城河
每個步驟都是放大器，而放大器對它們放大的內容漠不關心。僅增加孔徑會產生更多噪音；僅推理，在無治理的數據上，會產生虛假信心；僅加速會產生更快的錯誤。將三者放在同一個治理數據上，實時運行，你得到的是以前不存在的東西。這就是為什麼治理——數據預算中最不起眼的項目——卻是有效載荷。一次性治理數據會獲得雙重紅利：你可以相信它（信任税廢除），並且永遠不必再次派生它（成本税廢除）。治理一直被低估，因為它被作為合規性記賬，而其作為成本槓桿的作用未被衡量。
底層架構
上述運營姿態要求一個架構同時做三件事：實時運行感知到行動循環，證明每個答案的可信度……（由於輸入截斷，此處省略部分細節）但核心信息已涵蓋。