百丽十二年数智化复盘：先把企业工程化，再让AI 读懂它丨2026 ITValue Summit 前瞻：AI系统落地系列直播③

在所有人都在谈论大模型参数、算力集群和智能体（Agent）的时候，百丽时尚集团副总裁、科技中心总经理季燕利写了一篇数万字的长文（ 《百丽时尚：企业 AI 应用建设落地实践——从协同在线到 AI 原生》 ），里面几乎没出现这些热词。 这不是故作清高，也不是不懂技术。百丽自己买了近二十张A800和A100，系统里跑着四十多种模型，每周消耗的Token超过三百亿——这些数字他都有，只是从不拿它们当成绩。在他看来，模型和算力只是底座，真正值得花十二年去做的，是另一件事：先把自己工程化，再让AI读懂企业。 百丽时尚集团做的是鞋服行业，在300多个城市拥有近8000家直营门店。“品牌+直营”的模式，让百丽对系统的要求与只做加盟的品牌完全不在一个量级。2014年，百丽开始自建业务ERP系统；2020年，启动数字化体系建设；2023年，正式进入智能化阶段。十二年过去，季燕利把这段历程概括为一句话：信息化是采集，数字化是治理，智能化是应用。 没有第一层，就不可能有第二层；没有前两层的积累，第三层更是空中楼阁。 这个逻辑听起来朴素，甚至有些“反潮流”。当整个行业都在追逐“AI原生”的时候，百丽选择了一条更笨的路：先把业务在线化，再把判断标准化，最后让标准连成网络。季燕利管这叫“四个在线”，而第一步"业务在线化"，在百丽被拆得更细：业务、沟通、组织、权限，四个都要在线并串联起来，季燕利管这叫“协同在线”。而承载这一切的，不是某个炫酷的AI界面，而是每个员工每天都在用的工作群。 补货、审批、销售跟进、任务分解……这些原本要在复杂系统界面里反复找配置、查权限的操作，被百丽做成了H5卡片，直接发在群里。员工打开卡片，系统就知道他是谁、管哪个地区、有什么权限，填完数字自动流转。业务人员几乎无感地从“打开系统操作”变成了“在群里点开通知操作”。季燕利说，对ToB大型企业来说，AI不是在界面上的AI，而是群里的AI。 这场对话，我们聊的正是这套工程化体系是如何一点点长出来的。从门店店长的一天如何被重构，到“本体”和“FDE”到底在真实业务里意味着什么；从为什么能诊断出“虚假繁荣”，到AI的决策和人的决策发生冲突时该怎么办。季燕利的回答里没有太多宏大叙事，更多的是一个干了十几年IT、又做过业务的人，对”智能化到底该怎么落地”的务实思考。 在钛媒体2026 ITValue Summit前瞻之AI系统落地系列直播中，钛媒体集团联合创始人刘湘明与百丽时尚集团副总裁、科技中心总经理季燕利围绕企业AI系统落地的痛点话题展开了讨论。 以下为对话实录。 十二年，从 信息化到 数字化到 智能化 刘湘明：百丽智能化建设的历程是怎样的？ 季燕利： 百丽时尚集团做的是鞋服行业，跟很多同行最大的区别在于我们是“品牌+直营”模式，在 300 多个城市拥有近 8000 家直营门店。直营对系统的要求，和只做加盟完全是两个量级。 2014 年我们开始自建业务ERP系统，2020 年开始做数字化体系，2023 年开始做智能化体系，到现在已经接近 12 年了。智能化是一个持续建设的过程，我们一直强调，这不是项目叠加，而是工程化的一套体系。 我们的逻辑是三层递进的：信息化是采集，数字化是治理，智能化是应用。没有信息化，数字化就不可能；没有信息化和数字化，智能化也不可能。 当年推动数字化，其实是为了解决信息化阶段的一个核心痛点。因为我们的系统是自研的，业务用着用着就觉得“不好使”。 “不好使”的原因，每个做自研系统的企业都会遇到，主要来自两方面：一是规模膨胀带来的配置复杂化。公司越做越大，不同部门对系统的操作规则各不相同，系统要承接这么多规则，配置就越来越臃肿；二是系统叠加带来的操作门槛升高。同一个流程上叠了无数个部门的规则，操作人员不仅要理解部门之间的关系，还得去不同的系统里查配置、找入口。 所以业务说系统不好使，往往不是流程本身出了问题，而是"配置选择、找准确数据、找操作点"这些体验层面的问题。 刘湘明：怎么用工作群来解决信息化这套难题？ 季燕利： 拿补货举例。补货在鞋服行业是高频操作，每周一次，补货人员分布在各个城市，体系庞大。 原来的流程是总部用邮件发布开放款，每个人看邮件的时间不一样，打开系统的时间不一样，操作节点也不一样。 后来我们改成在群里通知，同时把消息做成H5卡片。员工打开这个卡片，系统就知道是谁、管哪个地区、什么职位、有什么权限。员工不用再去做配置，直接填数量、下补货单，填完卡片自动流转给你的上级审批，再汇总到总部。 一个群解决了什么？解决了原来系统界面里配置多、找不准的问题。业务人员无感地就从“打开界面操作”变成了“在群里打开通知操作”，操作完数据自动回到总部。我们后面又把销售跟进数据也做进来，销售业绩在群里也能体现。 这么做有几个好处。第一，把线下业务线上化；第二，API 接口标准化，为后面搭建AI 体系打好了基础。 工作群在数字化时代是载体，到智能化时代这个载体越来越突出。对 ToB 大型企业来说，你的 AI 不是在界面上的 AI，而是群里的 AI。 刘湘明：过去哪些工作是有 用 的，哪些是弯路？ 季燕利： 我们整个过程不是设计出来的，而是为了解决一个个具体问题，一步步迭代出来的。 做数字化，核心点除了刚才说的这套体系，还有把分散的数据集中到数仓里。这是一个大工程，本质上也是一次数据治理的过程。 要说弯路，我们真没走太多，只是建设周期拉得比较长，因为一直在解决过去积累下来的问题。具体手段上，用 H5 解决界面问题，用数仓解决数据标准不统一的问题，都是一点点迭代出来的，不是设计出来的。 还有一点很关键：我们是站在企业整体的角度思考，而不是站在某个部门。信息化系统往往是按部门流程建的，最大的问题是断点，部门与部门之间靠开会、打电话沟通。而数字化是建立在企业整体运营体系之上的，这正是数字化和信息化最大的区别。 到了智能化阶段，恰恰是去应用这套体系。因为有了标准化的数据、标准化的流程，AI 应用起来才更容易。 刘湘明：为什么文章里几乎不提模型和算力这两个热词？ 季燕利： 我们认为模型和算力是底座。 企业首先应该谈的是业务如何运营、如何管理。你把业务标准化，把数据标准化、统一化，体系做出来之后，模型和算力其实只是底座。 这不是说我们不做底座。我们从2023年就在做，不同场景、不同业务流用的是不同的模型。算力也一样，我们自己买了接近20张A800 和 A100，还有A40。 我们每周消耗的Token大概300多亿，每周花销约 7 万元人民币，其中一半是 IT 在用，另一半是业务在消耗。 刘湘明：你文章里说“别人忙着让AI读懂企业的混乱，我们先把自己工程化”。企业缺三样东西，业务没在线、判断没标准、判断连不成网。你们是在哪个场景第一次意识到这个问题？ 季燕利： 在信息化阶段就有这个问题。业务没在线，谁怎么操作界面你不知道；判断没标准，怎么判断业务对错你不知道，大家靠开会沟通。 还是回到补货场景。当时投诉量很大，我把各地区的货品操作人员拉进一个群，把他们的改进意见也放进去，让大家自己互相解释、互相看哪个是共性问题。 结果发现，80%提“系统不好使”的其实是个性化问题，不是系统本身不好使；剩下20%里，有一半是权限问题；真正说系统功能没做好的只有10%。