当人工智能从概念验证驶入业务深度赋能的主航道，AI落地实效已成为衡量企业创新力与竞争力的核心标尺。热潮退去，真正的考验在于：AI能否在业务场景中“跑起来、用得好、出效果”。过去一年，众多企业默默实践，积累了大量务实的方法与真实经验。为了发掘、剖析并传播这些宝贵的AI应用实践，我们对中顺洁柔数字化副总裁&洁柔数科CEO杨森林的独家专访，一起来看看他们的AI落地实践。

序言：“不要用生成式AI去做决策式AI该做的事，因为文科生干不了理科生的活。AI的本质是解决取舍问题，而数字化转型，本质上也是一场‘人’的转型。”

在数字化转型的浪潮中，人工智能（AI）无疑是最炙手可热的话题。然而，在喧嚣的概念炒作背后，企业究竟该如何冷静看待AI？如何将其从“玩具”变成“工具”，真正服务于业务增长？

杨森林 中顺洁柔 数字化副总裁&洁柔数科CEO

在本次专访中，中顺洁柔数字化副总裁&洁柔数科CEO杨森林以其犀利的洞察和务实的实践，为我们揭开了AI在企业落地的真相。作为将数字化视为核心战略的企业，洁柔不仅没有在AI浪潮中迷失，反而通过精准的“决策AI”应用，在行业低谷期实现了三位数的净利润增长。以下是对本次访谈精华的深度整理。

Part 01

祛魅AI：别把大模型当神话，先分清楚“文科生”与“理科生”

访谈伊始，杨森林便直指当前业内对AI的普遍误区——“魔幻化”。他认为，企业在拥抱AI之前，必须先对AI进行清晰的分类与定义。

1. 生成式AI：知识的探索者与执行效率的助手

杨森林指出，生成式AI（如大语言模型）的核心价值在于精准解决企业“知识探索”与“执行效率”两大痛点，其应用场景聚焦于优化具体业务流程，例如智能比对合同条款、自动生成结构化会议纪要、替代传统搜索引擎实现精准知识检索等；但生成式AI也存在显著局限性，尽管它能在局部环节显著提升运营效率，却无法在企业面临增收增利、业绩下滑、成本上涨等“生死存亡”的核心经营矛盾时快速在经营决策层面带来直接战略价值，因此它更像是一种高效的辅助工具，而非能扭转战局的战略武器。

2. 决策式AI：经营的大脑与精准决策的引擎

杨森林提出，与生成式AI不同，决策式AI聚焦解决企业决策效率与决策精准度的核心问题，堪称企业经营的智能大脑与决策引擎。它能够对复杂业务变量进行系统化建模与分析，依托算法实现最优策略输出，为经营决策提供科学支撑。他着重强调，切勿用生成式AI替代决策式AI，二者底层逻辑存在本质区别，若路径混淆，极易引发重大决策失误，给企业带来难以估量的风险与损失。因此，企业在推进AI应用前，必须明确自身核心诉求：是提升局部办公效率，还是破解关乎生存发展的经营难题，这将直接决定其技术选型与落地方向。

因此对于广大正在尝试应用AI工具的企业来说，在拥抱AI之前，企业必须自我审视：根本的目标是想提升局部办公效率，还是想解决关乎生死的经营决策问题？这决定了你应该选择哪一条技术路径。

Part 02

洁柔的AI战略：从“核心战略”到“全员拥抱”

洁柔在AI应用与数智化转型方面走在行业前列，杨森林介绍，公司已将数智化上升为核心战略，其中“智”的核心，正是依托AI全面提升决策能力与执行效率。在战略层面，公司高层不仅积极拥抱AI，更将其作为核心战略推进，采用“平台孵化”模式，搭建企业级AI私有化平台，在给予各部门充分创新自由度的同时，由公司统一统筹推进“人货场智能匹配决策AI”等核心应用；在资源保障与机制建设上，洁柔精细测算投入产出，组建专业团队，并与北大、腾讯及院士团队等顶尖机构深度合作，同时建立跨部门协同机制，将AI应用明确纳入各部门核心KPI。管理层对创新试错持有理性认知，能够承担探索过程中的失败风险，坚信只要部分场景成功落地并实现成本优化，所创造的收益将远超整体投入。

Part 03

场景选择：聚焦“营销”与“供应链”，用AI算清7000万的账

在众多潜在的应用场景中，洁柔优先聚焦于线下渠道的“人货场匹配”和供应链优化。为何选择这两个方向？答案是：直击业务痛点，收益极其明显。

1. 营销决策AI：从“人找货”到“算法找人”

依托智能算法实现外部“人、货、场”全域数据的深度整合与分析，精准识别目标消费群体、消费场景及产品适配关系，通过科学定价与渠道策略，将产品高效精准投放至核心终端场景。该智能决策体系帮助洁柔在行业承压、业绩下滑的逆境中实现逆势反弹，推动净利润实现三位数增长。杨森林表示，这一成果的核心并非团队能力的超常发挥，而是企业在经营低谷期，借助AI找到了真正符合自身发展的增长道路与破局方向。

2. 供应链决策AI：寻找产销平衡的“最优解”

供应链决策AI以算法模型为核心，对仓网资源、物流路径、市场需求及生产计划进行全局优化，通过精准预测与智能调度，持续提升产销协同效率，有效控制库存与损耗，实现供应链全链路成本最优。杨森林指出，决策精度每提升0.5个百分点，即可为公司每年节约成本约几千万元，相较几百万元的研发投入，具备极高的商业价值与战略投入合理性。

Part 04

技术路径：为何选择“自研+顶尖外脑”？

面对市场上各类标准化SaaS产品，洁柔最终确立了自主主导+联合研发的技术路线，并重点与北京大学邓院士团队开展深度合作。杨森林对此作出了务实且清晰的阐述：

企业存在明确的能力边界，即便内部团队持续精进，也难以在神经网络、贝叶斯博弈论等前沿基础算法领域达到全球顶尖水平。同时，当前国内市场环境下，各类 SaaS 产品层出不穷，但不少服务商更侧重营销推广，报价体系复杂，且缺乏对企业真实经营增长与业务痛点的深度关注。因此，洁柔选择自研与外部顶尖力量协同，既是基于现实的理性选择，也是真正解决企业核心经营问题的必由之路。

通过与院士团队合作，洁柔引入世界一流的算法能力与技术支撑；同时，企业自身深度输出行业Know‑how与全场景业务理解。双方优势互补，将前沿技术与实际业务紧密结合，真正把尖端算法转化为可落地、可产生经营价值的高效工具。

在AI赋能线下数字化落地过程中，杨森林认为，核心瓶颈并非技术本身，而是组织与人的适配能力。

一是认知鸿沟。他用清晰的评分体系描述现状：企业IT系统可达70分，AI工具能力约50分，而业务人员的数字化认知仅为20分。低认知水平难以驾驭高阶工具，同时业务端更关注短期销售业绩，数字化转型则是长期系统性工程，二者天然存在目标矛盾，制约AI价值释放。

二是转型本质是人的转型。杨森林提出，数字化转型的核心是变革管理与人的转型，如同减肥——方法人人皆知，但执行与坚持难度极高。提升全员数字化认知、思维与能力，是转型中最艰巨的环节。

针对这一核心挑战，洁柔采取培训赋能与组织优化并行的策略：先通过培训给予全员成长机会，对无法跟上转型节奏的人员则果断优化，确保转型执行力。杨森林强调，企业经营的本质就是决策与取舍。AI提效的核心价值，在于对底层重复性劳动的替代与组织效能的升级，是数字化转型背景下的合理优化。

在数据安全层面，洁柔采取务实严谨的治理策略：核心业务场景采用大模型私有化部署，确保关键信息不泄露；知识探索类AI应用明确使用规范；针对AI生成内容的合规性识别，在行业尚未形成统一标准的阶段，以内部合规、非商业应用为底线，保障安全可控。

人才培养方面，洁柔侧重内部选拔与复合型人才打造。他提出，业务洞察是核心能力——只有真正理解业务痛点，才能精准匹配对应的技术工具。企业需要既精通业务、又理解技术的复合型人才，形成“业务问题导向+技术能力支撑”的闭环，需要算法则引入算法，需要IT则协同IT，从而让AI落地真正顺畅、高效、可规模化。

Part 05

未来展望：在不确定中寻找确定

针对未来1-2年的发展规划，杨森林有着清晰的战略布局，核心聚焦两大方向：其一，将营销决策AI打磨至极致，持续优化“人货场”匹配模型，推动其升级为行业标杆级模型，实现技术能力的对外赋能；其二，深化供应链决策AI的应用，以最低成本高效解决产销平衡、销售预测、生产排产等核心运营痛点，进一步提升供应链全链路效能。

对于生成式AI等新技术对行业格局的重构，杨森林秉持谨慎乐观与敬畏之心。他明确表示，高度看好AI产业的长期成长性，因其是全人类共同探索、共同拥抱的发展趋势，但同时提醒企业及CIO，切勿盲目跟风、非理性投入，首要需明确自身资金实力与试错承受能力，做好投入产出的精准测算。他强调，企业需理性审视行业趋势，密切捕捉市场夹缝中的机遇，在AI技术的冲击下，聚焦核心竞争力，探索可持续的生存与发展路径。

最后，杨森林提出的一个核心思考题，值得所有数字化转型实践者深入思索：“如果AI比我还智能，我的出路将在何方？”

对此，他给出了明确答案：“业务洞察与业务精通，是AI唯一无法替代的核心能力；而人与人之间的情感链接、情感共鸣，更是AI永远无法复制的价值所在。”

在这场关于AI与企业数字化转型的深度分享中，杨森林以其深刻的行业洞察与丰富的实践经验，为中顺洁柔及更多处于数字化探索期的企业，绘制了清晰的转型路线图：AI并非遥不可及的神话，更非解决所有问题的万能灵药，而是一柄需精准驾驭的效能利器。唯有褪去概念的光环、看清技术的本质，才能真正发挥其价值——AI的核心意义，不在于形式的炫目，而在于能否精准破解企业经营中的“取舍”难题，能否在关乎企业生存发展的核心经营决策中，提供科学、高效的最优解。

数字化转型的终极命题，终究回归到“人”本身。业务洞察能力、人与人的情感链接、有温度的价值感知，这些兼具理性与感性的特质，才是AI永远无法复制的企业核心竞争力。在效率与智慧的双重进化中，企业拥抱AI的深度，最终取决于“人”的转型速度与能力提升。当工具理性的浪潮褪去，真正支撑企业屹立不倒的，永远是那些能够熟练驾驭工具、深度洞察业务、持续创造情感链接的“人”。

这，或许就是中顺洁柔实现高质量增长背后，最朴素、也最深刻的底层逻辑。