每逢节假日与企业促销活动，海底捞基础设施运维总监冯杰就格外忙碌。
“我们要确保系统运行稳定性与可靠性，应对流量激增与海量订单快速处理；同时，我们还要优化算法，提前安排好食材库存，既不能预估错误，又要做到精准节约。”冯杰说。
目前，海底捞逾千家门店的经营状况不一，算法系统需要根据不同门店以往节假日与促销活动的经营成效，差异化地调配食材库存。
在这个过程，外部因素对算法及数据分析的准确性构成新挑战，包括天气对民众出行就餐的影响、民众口感的变化等。
海底捞决定用AI解决这些挑战。
以进销存系统为例，海底捞通过AI等技术打通“线上预定—线下消费—库存调拨”的全链路：某个菜品订单突增时，系统会实时计算库存，自动向就近仓库补货，库存响应速度从“按天算”被压缩至“按分钟算”。企业的食材库存调配决策也从“事后总结”转向“事中干预”，甚至在某些方面实现“事前预测”。
粒上皇CIO蔡艺铭称，AI对零售业态的“财富创造”效应正与日俱增。他透露，粒上皇在全国设立约2000家门店，促销活动开展期间的单日业务量或达到100万单，这需要企业有稳定的海量订单快速处理能力申捷策略，才能快速响应用户需求。面对这种情况，粒上皇引入融合AI技术的数据底座系统，在减少运维开支、提升系统性能的同时，满足海量订单快速处理的要求。
AI正重塑零售行业的核心竞争力，给零售企业带来“财富创造效应”。
中国连锁经营协会行业创新部主任田芮丰认为，零售行业已从粗放流量运营转向用户价值的深度挖掘，AI技术贯穿“研、产、供、销、服”全链路，逾九成零售企业认为生成式AI将提升企业生产力。但零售企业的传统IT架构存在数据延迟、系统割裂、资源冗余等问题，难以支撑实时决策与AI创新应用。
在田芮丰看来，面对脉冲式流量冲击与AI变革的双重考验，一个稳定、高效且支持AI应用的数据底座将成为零售企业的制胜关键。
在国产数据库OceanBase（海扬）CEO杨冰看来，零售行业的数字化转型面临三个核心挑战：如何驾驭流量“脉冲式爆发”，如何让数据成为实时决策引擎，以及如何让AI从锦上添花变为基础设施。
AI如何赋能业务提效
“对零售企业而言，数字化转型不仅是采购一套ERP（企业资源规划）或人力资源管理系统，而是从业务、技术、数据等多维度深度重构业务链条，提升企业内部管理效率与更好服务客户。”冯杰说。
为更好推进数字化转型，海底捞已实现会员系统上云申捷策略，力争实现“千人千面”的智能推荐服务。
冯杰发现，广大会员的需求千差万别，如何精准识别每位会员的个性化需求，又是新挑战。
另一个让冯杰伤脑筋的事情，是数字化转型过程的成本控制。
以往，海底捞做业务数据与客户数据分析时，采取多套数据库，中间通过DTS（数据传输服务）等方式确保数据同步。但此举导致数据分析链路延长和成本偏高。其中一个环节出现问题，会导致整个数据分析系统的停摆。
冯杰意识到，零售企业的数字化转型，一要保证业务稳健运营，二要保证技术架构运行的成本可控，三要支撑流量峰值，其中技术架构建设成本将是重要的考量点。
冯杰开始尝试引入支持AI等前沿技术的数据底座系统，打通“线上预定—线下消费—库存调拨”的全链路，既能根据用户以往餐饮偏好，提供千人千面的餐品推介，又可以针对菜品需求变化状况，实时计算门店库存状况并完成就近补仓。“AI对实时数据的分析，可以让以往只能事后总结的工作，转变成事中干预，甚至做到某定程度的事前预测。”冯杰称。而AI对海底捞产生的最大“财富创造”效应，体现在应对节假日与促销活动导致的脉冲式爆发的业务流量上。企业在食材库存储备调拨、会员线上预定、海量订单快速处理等方面不再是被动应对，而是精准备货与主动管理，既避免食材浪费，又能提升客户满意度。
感受到AI赋能的“财富创造”效应后，海底捞又借助AI技术优化员工排班制度；针对菜品质量与提升丰富度，海底捞也使用AI技术提升管理效率。
冯杰透露，当前成效显著的AI应用场景，主要集中在解决重复劳动力与提升业务数据分析准确性等方面。在他看来，海底捞要做的是让AI这项技术辅助业务，实现真正意义上的提效。此外，通过AI赋能，企业还希望能将以往有益的业务经验转化成数据驱动。“就海底捞的AI发展策略而言，内部管理的AI赋能会优先于外部服务。毕竟，菜品质量与服务体验是海底捞的核心竞争力，企业会投入更多力量推动AI在内部标准化管理与食品安全管理的应用。”冯杰说。
蔡艺铭也透露，粒上皇也在探索AI在更多业务场景的应用，包括用户关心的食品安全、内部工作效率提升、驱动业务增长等。“粒上皇虽然属于零食行业，但企业要求新鲜现制，如板栗炒完后不允许隔夜出售。如何做好这项工作，我们一方面借助AI摄像头等技术掌握门店的销售行为，另一方面通过现场督察保障食品安全新鲜。”蔡艺铭说。
AI投入产出比的评估标准
OceanBase公有云事业部总经理尹博学发现，近年来，越来越多的零售企业开始拥抱AI等前沿技术。过去两年，OceanBase旗下云数据库OBCloud已服务逾200家头部零售企业，涵盖鞋服、餐饮、快消、商超、DTC新经济等全零售业态。
在尹博学看来，零售企业之所以积极拥抱这些技术，主要基于四个因素考虑：一是实现交易与数据分析融合，增强企业实时精准决策能力；二是实现多源数据融合，简化数据架构，降低数字化转型过程的系统运维成本；三是加速AI应用落地，有效应对大促、直播等场景流量脉冲式激增下的海量订单快速处理需求；四是提供“千人千面”智能推荐，有效提升客户服务满意度与助力业务持续增长。
尽管AI在零售行业的应用日益广泛，但企业如何精准评估AI的投入产出比，仍缺乏权威标准。
在蔡艺铭看来，客户满意度或许是粒上皇的一项重要评估标准。此外，企业还会使用ROI（投资产出比）衡量AI的投入产出比，如要解决企业的某项内部管理问题，原先需涉及多少业务链条、使用多少人力成本，但在AI赋能提供智能问答服务后，可以节省多少人力成本与业务链条。这也是相对简单的评估标准。
冯杰称，除了客户满意度与人工成本节约等显性评估指标，企业还应关注AI应用的隐性评估指标。比如，企业通过AI建设知识库，可以将以往业务运营经验、业务处理心得、运作制度优化建议等纳入企业知识库，并以AI智能问答形式解决员工在实际工作过程中遇到的困惑与挑战，从而提升整体管理效率与市场快速反应能力。
目前，海底捞通过AI技术，梳理了1994年以来的众多“知识”，这在冯杰看来是一项非常有意义的工作。这或许意味着零售企业需要构建企业专属的AI大模型，方便员工通过后者的智能问答，快速掌握企业的“成功秘诀”。
冯杰认为，零售企业若单独构建一整套向量架构与AI大模型，不但流程复杂且成本昂贵，因此他们会考虑借助第三方AI技术平台的向量化能力与多模能力申捷策略，帮助海底捞快速将AI大模型能力在业务系统落地，推动企业数字化转型取得成效。
淘配网提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
