AI+在数字中国建设中发挥着越来越重要的作用，通过提升生产效率、推动创新、提升服务质量和用户体验等方式，构建新质生产力。同时，也需要关注并解决相关的挑战和问题，以确保AI技术的健康发展。然而，要充分发挥AI在构建新质生产力方面的作用，还需要解决一些挑战和问题。例如，数据安全和隐私保护问题、AI技术的伦理和法规问题、以及AI技术的普及和人才培养问题等。

01、AI在零售的新场景应用

“AI零售”浪潮来势汹汹，而AI案例似乎更有说服力。根据零售企业的AI实践，可以更加清楚地看到，人工智能和机器学习究竟是如何改进并重塑当今的零售业态。在零售领域，AI驱动的分析和机器学习能力，通过把AI零售的多种能力融合起来，集中在以下几个方面影响零售市场：

1、需求预测

预测需求——对于零售商来说非常重要，因为它为所有规划职能提供基础信息。具体来说，需求预测可以根据客户需求和未来需求，为零售商提供每日、每月和全年需要多少库存、何时需要、何处需要等。颇具对比的是，过往那种仅使用笨拙且易出错的电子表格进行需求预测，其预测需求的能力受到较大限制，因为基础数据量巨大，过时的AI工具无法及时、高精度地对其进行分析。时下，一批领先的零售商使用最新的AI驱动技术，可以获得最快、最准确的需求预测。

顶级时装零售商Simons，我们会看到他们如何使用人工智能（特别是预测分析）来解决以下挑战：

预测零星、销售缓慢的产品和没有销售历史的产品需求。

尺寸商品（时装和服装）的预测准确性。

考虑季节性、天气和需求高峰事件。

优化品种深度与多样性，以保持适当的库存水平，同时提供良好的品种。

商店发货需要的大量资源、时间和体力劳动等预测项。

当Simons采取AI预测分析工具后，他们能够智能地分析影响需求预测的所有数据，例如季节性、活动、促销、交货时间、库存水平、产品蚕食、地理人口多样性等。通过这种AI驱动的分析，他们的促销预测准确性提高了 40%，并显著减少了运行采购、分配和补货流程所需的资源、时间和人工成本。

2、个性化购物

人工智能驱动的分析和机器算法，也可以被用来分析客户数据，例如购买历史和浏览行为，以推荐客户最可能感兴趣的产品。最常见的比如，偏好的产品类别、购买意愿、购买力，机器人导购等。

作为全渠道零售商，亚马逊根据人工智能驱动的分析以及收集的购买行为、偏好、愿望清单和购物车条目数据，为每一位客户定制主页。亚马逊使用历史和实时数据来了解其客户，然后使用超个性化营销活动来增强客户体验和满意度。

3、供应链优化

人工智能还被用来优化从生产到交付的供应链，以降低成本并提高效率。据麦肯锡公司称，供应链管理中由人工智能驱动的预测可以减少高达50%的错误，从而减少高达65%的销售损失和产品不可用。

“未来平台的发展方向是通过机器和算法替代人工选品，要尽可能地减少人工对规则的干预。”通过“分布式AI”技术，研究个体可能存在的消费需求，实现“货找人”。比如，AI在用户习惯分析和商品匹配上的作用；基于用户的购物和交易构建的数据库能否在AI的赋能下更精准等。

Zara根据人工智能算法生成的需求预测，Zara 调整其供应链中的生产计划和数量。通过这样做，零售商可以确保生产足够受欢迎的产品，并避免需求较少的商品过度生产。

4、库存管理

零售库存管理是确保您有足够的库存，来满足所有地点以及在线客户需求的过程。但零售商的眼睛不可能无处不在，因此他们借助摄像头视觉和传感器等人工智能技术，来帮助他们实时查看需要补充的商品。

Lowes家居装修零售商 Lowes 使用小型摄像机，安装在高接触部门的货架上。这些摄像头传输货架库存水平的实时信息。

人工智能技术可以检测架子上何时出现孔洞，例如灯泡部分。该系统会向商店的设备发送实时通知，以便工作人员可以快速更换储藏室货架上的货品。

5、客户服务

AI 驱动的聊天机器人提供24/7客户支持，这在当今快节奏的零售环境中至关重要。

客户关系管理 (CRM) 是人工智能在零售业的主要用例之一，到2024年将占整体市场份额的21.5%。美容产品零售商丝芙兰，为其聊天机器人实现了额外的功能。比如以下方面：预订助理、颜色搭配等。Messenger的两个新机器人，通过简化客户访问相关服务的方式，为客户提供与丝芙兰互动的增强方式。

02、2024 Sora横空出世，在零售行业的场景应用

1、视频制作降低门槛，抓住广告营销视频内容输出重点

一个是显著的时长突破，目前Sora可以输出时长达到1分钟的视频，包含高度细致的背景、复杂多角度的镜头、富有情感的多个角色。再一个是长文本的理解能力，和原先的AI 视频生成不同，Sora 已经具备理解文案，并基于文案进行发挥和拓展的能力。

此外还有三维空间连贯性、长期连续性和物体一致性、视频扩展与连接功能、模拟与互动等等优势，Open AI也因此自称Sora是“世界模拟器”。

Sora让内容制作的门槛大大下降，成本降低，周期加快，尤其对于一些标准化的广告内容，比如品牌产品的介绍说明类短视频，或者电商网页的创意广告，Sora有机会成为这部分基础类视频的生产者。

2、垂类、细分定制的需求得到满足，提升转化可能性增强

更深层次地看，Sora可以释放不同需求下的创作需求，折射到品牌营销上，Sora有可能会帮助品牌做更精细化的用户营销，这也是整个营销行业的大趋势。

或许品牌能够通过Sora，可以根据不同用户的数据生成有针对性的营销视频并进行精准推送，不仅节省了品牌一大笔成本，缩短营销闭环链路，对于消费者也能够更好的实现个性化定制。

Sora在未来有极大的可能性的帮助品牌更快的实现多种类型和风格的营销视频，给不同偏好的消费者带来更针对性的体验从而了解购买动机和购买路径。

03、AI+数字化是持续精进迭代学习的过程

新技术的出现不仅颠覆我们的认知与生活，更在颠覆我们的思维模式，在数字化建设与AI的融合利用方面企业需要的是更多的理智，原因如下：

第一，AI技术目前尚不成熟，需要一个发展完善的过程，而对于场景化的技术落地，则需要更长的路要走；

第二，AI技术落地企业场景需要的不仅是时间更需要大量的资金投入；一般的企业难以承受，且这种投入是持续性的；

第三，企业员工的AI思维能力与AI工具的融合更需要一个长时间的磨合过程；

所以在当前企业领导对于AI技术需要的是理智的思考，不要对其产生过高的期望，同时当前大部分软件公司在AI方面的技术支持能力还有很大的提升空间，所以企业领导不要想当然的认为只要利用了AI技术就可以马上优化多少员工，降低多少成本支出。

目前而言大部分传统企业数字化基础薄弱，对数字化技术的理解能力有限，虽然在思想上易接受先进的技术，但易对新技术产生过高的期望，产生很多离奇的想法。当前大部分的传统企业领导缺乏对数字化的深度认知，过多想当然的思维，才易导致系统落地时巨大的落差感，因此企业领导要清楚的是并不是所有的先进技术都是最好的、都适应于企业，能解决实际问题的才是最好的。

因此AI技术与普通技术最大的不同就是自我学习能力，但需要大量的时间去训练，因此AI人工技术在企业内的落地应用并发挥价值需要的时间，需要的是耐心，企业做数字化转型建设亦是如此。

在AI技术高速发展的今天，企业必须以正确的认知来面对与引进先进技术：

① 如何让技术成为生产力；

② 如何保障生产力顺利提升；

③ 如何搭建先进生产力体系；

企业尤其需要的是如何利用数字化进行员工的能力升级，而非利用技术给员工带来下岗的压力。

当前有部分企业已经将AI技术应用于各种工作场景，对于信息中心的技术层面，包含两个方面的内容：

第一，系统运维层面:

传统的后台运维需要耗费企业系统管理员大量的时间精力，比如流程设置，就需要先做表单然后一个节点与一个节点的去设置审批人、各种判断条件，而应用了AI技术之后，只需要对AI助手描述你的要求，即可快速实现流程的搭建；这就是AI技术给企业信息部门带来的技术变革，但值得要提醒的是有了AI技术并不代表着企业可以取消系统运维岗了，任何一个人都可以做系统运维，这是非常错误的想法，技术操作层面可替代，但技术思维才是最核心的。同时AI技术应用场景并不是非常成熟，还需要一个不断学习完善的过程，这就需要具有技术与管理思维的员工来完成此事。

第二，开发层面:

当AI应用于企业工作场景时，企业首先要提升的就是AI与技术层面的融合能力，而非排斥；只有融合发展，才会进步，故步自封，只能被逐步出局。

在业务场景与AI技术融合的过程中，首先还是得培养业务人员的AI意识，也就是数字化转型过程中经常提到的转意识；要让业务人员全面了解AI的背后逻辑是什么，如何在工作中利用AI，出现问题了原因是什么，是企业原始数据不够精细，还是管理流程出了问题。

要让业务人员尤其是管理者清楚的知道AI并不是喊一句：芝麻开门那般简单，要拒绝完美主义，因为从技术角度讲当前的AI并不是完美的，从应用角度讲，还是有限的，因此企业需要的是一个AI+人工不断精进学习的过程，企业应当杜绝短期见效主义，出现一点问题后就大喊“AI无用论”的现象，所以业务人员具备AI思维很关键，要打破传统工作思维，用AI的逻辑去思考、解决问题是关键。

企业要清楚的知道，AI不仅是技术，更是一种思维，想更好的利用AI技术，就必须先学会转型：意识转型、思想转型、工作模式转型，同时也必须有容错的心态，如AI一般的学习能力。

在数字化+AI时代里，信息部门的成员更是要学会“五个主动”即：主动拥抱新技术，主动学习新技术，主动应用新技术，主动推广新技术，主动融合新技术。

04、结语

人工智能＋是当下全球科技竞争的焦点。ChatGPT仍在不断演进，Sora又惊艳登场，通用人工智能技术的“车轮”滚滚向前，是重塑全球竞争新格局的关键引擎之一。我国人工智能已具备深入赋能的能力。2023年，人工智能核心产业规模5787亿元，相关企业数量4482家，产业链覆盖芯片、算法、数据、平台、应用等上下游关键环节，细分领域不断突破。

“人工智能＋”不能止步于加法。在“互联网＋”“智能＋”的实践中，不乏技术、产业“两张皮”的案例。人工智能要走进企业行业，深入千家万户，与具体的业务流程、产品功能等结合，在不同场景中锤炼升级，才能加出现实生产力，进而带来技术、产业、要素变革，发挥出乘法效应。