正能量

没有组织的进化，就没有AI的深层落地_我的网站

A |     琢磨事的群里，有人甩了这么一张截图：                              这简直太有意思了，正好接着这个说说AI应用的事。                   先说结论：没有组织的进化，就没有AI的深层落地。                   这就是AI深层应用的最大瓶颈。                   今天，AI名义下的各种锤子四处飞舞，但砸的往往都不是钉子。    过去半个世纪，7-ELEVEn便利店(以下简称7-11)的经营体系几乎从未被撼动。                   从不打折的定价策略，到24小时不熄灯的营业铁律，再到严苛的加盟制度，这家便利店巨头凭借一套标准化系统，牢牢统治着日本的各大街角。

B |                    然而，近日的2025财年第二季度财报会上，这块“冻土”生出了裂痕：7-11宣布，将50年来首次对加盟合同进行全面调整。                   对于这家以“规则”著称的企业而言，此番变动无疑折射出“便利店一哥”的深层焦虑。                   表面回暖，暗藏隐忧                    7-11母公司7&i控股公布的2025财年上半年财报显示(注：文中金额均已按1日元=0.0473人民币的汇率换算)：                    报告期内，集团总营业收入为2656亿元，同比下降6.9%；营业利润98.6亿元，同比增长11.4%；归属于母公司的净利润为57.7亿元，同比大幅增长133.1%。                   其中，日本7-11业务营业收入为218.7亿元，与去年同期持平；营业利润为57.6亿元，同比下降4.6%。                   阻碍AI发挥颠覆性价值的，不是技术本身，而是我们陈旧的组织形态和管理思维。                   让我排的话，这个排在技术前面。                   技术的事我个人觉得大致是定的（哪有什么AI瓶颈）。海外7-11业务营业收入为1996亿元，同比下降8.5%；营业利润为37.9亿元，同比增长9.3%。                   这种冲突直接表现为社会对AI认知的巨大撕裂，典型的非共识时刻：                    一极是站在云端的科学家、理论家和紧随其后的媒体，在他们的宏大叙事中，AI是开启新纪元的钥匙，是即将颠覆人类文明秩序的奇点引擎。                   另一极，则是深陷泥泞的产业一线，企业家和实践者们在现实的商业土壤中反复求索，却发现这件“神兵利器”处处掣肘、水土不服。                   这根本不是“乐观”与“悲观”的问题，而是“纯粹的生产力逻辑”与“固化的生产关系现实”之间的激烈碰撞。                   科学家们看到了AI在理想环境下的极限潜力；企业家们则一头撞上了自己尚未进化的组织壁垒。                   （把能算的事用来做主观判断，把能分析的事归结为态度是人类几大偷懒术之二）                    要打破这种僵局，我们要理解一个简单问题：AI在简单生产力升级工具之外，更是一面映照出现有组织模式是否过时的“镜子”，一个对生产关系进行重构的“扳机”。                   从财报数字看，这份财报表面回暖，实则隐忧重重。                             营收下降的主要原因并非主业萎缩，而是北美市场油价下跌所致。而利润提升，则得益于两大因素：一是伊藤洋华堂等超市板块通过关闭亏损店、优化结构实现扭亏；二是海外7-11在“食品”领域的表现突出，利润保持稳健增长。                   问题在于，作为集团主心骨的日本7-11业务仍在“失速”。

C |                    这正是“智能原生”乃至“无人公司”等文章里试图探讨的核心。

D | 尽管客单价与同店销售额保持增长，但客流量始终未能“止跌”。

E |                    显然的突破口并非来自于对AI技术本身的盲目追逐，而是来自于一场由内而外的、以“组织”为核心的自我革命。反观竞争对手，罗森与全家展现出了更强的增长势头。                   这还真是人事。                   当生产力逻辑忽略了组织容器，叙事就必然悬浮                    科学家群体，尤其是AI研究的先驱者，他们从第一性原理出发，洞察了这项技术的革命性本质。

F |                    大型语言模型（LLM）系列技术的突破，标志着机器获得了前所未有的理解、生成和推理能力，这是一种范式级别的变革。它们不仅在同期实现了营业利润的“双位数”增长，单店日销售额也同步升至约2.85万元，进一步缩小了与7-11(约3.3万元)的差距。                   此外，日本便利店行业正处于“结构性”疲软期。                   在科学家们的理论模型和实验室环境中，数据是洁净的，算力是充沛的，目标是明确的。通胀背景下，消费者变精明了，药妆店、小型食品超市等业态以低价优势蚕食客流，便利店受制于加盟模式难以大幅降价，增速明显放缓。根据日本经济产业省数据，2024年便利店食品销售仅增长2%，而药妆业态接近两位数。

G |                    至于北美7-11的IPO计划，这步棋就更微妙了。

H | 一方面，集团希望通过上市融资来回购股份，从而提振市场信心；但另一方面，这部分核心盈利业务的利润未来将部分流向外部股东，从长远来看，或对7&i控股每股收益增长形成制约。（公网数据成本极低啊）                    AI在这样的“纯粹环境”中，展现出指数级的成长潜力和解决复杂问题的惊人能力。                   比如OpenAI前任首席科学家Ilya就说：人类能做的，AI终将能做。                   媒体作为这一视角的天然盟友和放大器，将这种潜力转化为激动人心且充满戏剧性的“奇点”叙事。市场显然不买账，因此集团股价从7月起就一直在“原地踏步”。从“颠覆所有行业”到“AGI威胁论”，媒体的报道成功地将AI推向了公众注意力的中心。                   制度松动，裂痕初现                    在财报会上，日本7-11社长阿久津知洋宣布，最早将于2027财年起，对新开门店的加盟商提供最长5年的“经营指导费”(即特许加盟费)减免。                   然后故事性就上来了，逼近科幻小说的特征。                   这不能说是坏事，它为技术发展提供了想象力的牵引，也为社会变革进行了预热。这是自1974年以来，7-11首次计划对加盟合同进行全面调整。

I |                    截至2025年8月，7-11在日本拥有21552家门店，其中直营店仅186家，99%以上均由加盟店主经营。

J | 虽然多店经营者比例有所提升，但仍仅占约30%，大多数仍是单店个体模式。                   但是，这个宏大叙事的致命缺陷在于它的“悬浮性”。单店经营抗风险能力弱、运营成本高，一旦市场波动，冲击便格外明显。

K |                    它没有脚！                    它几乎完全在生产力的维度上进行推演，却系统性地忽略了任何生产力都必须依存于特定生产关系这一基本前提。                   换句话说，7-11希望鼓励加盟商从“单店单主”向“多店经营”模式转变。                   根据现行“毛利分配”制度，7-11总部与加盟店按约定比例分配门店销售毛利。总部提供商品与运营支持，加盟店则支付经营指导费作为回报。该费用占毛利的比例因物业形态而异，目前新店开业5年内费率高达约60%。                   它描绘了“AI能做什么”的璀璨蓝图，却没有回答一个更根本的问题：                    什么样的“组织容器”，才能装得下如此强大的新生产力？                    就像我们无法在马车道的路网上去运行高速列车一样，我们同样无法在传统的组织架构上去运行智能时代的AI。                   对此，许多店主认为，在销售尚未稳定时承担如此高比例的抽成负担过重。                             （参考阅读：《马上，OpenAI就会成为最大的无人公司》）                    组织之“体”对AI之“用”的系统性排异                    当企业家们听着宏大叙事，产生了美好憧憬，然后开始比划的时候，基本百分百会遭遇挫折。此次改革正是回应这一痛点。                   遭遇的挫败，本质上是可以看成一场陈旧组织形态对新生生产力的系统性排异反应。

L | 正如标题所言，没有组织的进化，就没有AI的深层落地。                   那些看似具体的数据、流程、ROI等问题，都只是这场深层排异反应的表层症状。7-11计划自2027财年起下调费率，具体比例将于2026年春季公布。                   1. 所有数据问题都是组织问题                    人们常说“AI的燃料是数据”，并因此将问题归咎于数据质量差、数据孤岛等技术层面。但这完全是本末倒置。短期来看，这或将压缩总部利润，但从长远看，有望扩大整体门店规模、提升体系稳定性。                   值得注意的是，本次优惠仅针对新开门店，现有店主并不在适用范围。

M | 不少加盟商对此表示遗憾，在最低工资不断上调、人工与水电成本持续上涨的现实下，现有门店的经营压力同样迫切。

N |                    所有数据问题都是组织问题。                   过去，加盟店靠着摸透本地需求，做出自己的特色。

o | 但现在，店主年纪大了、人手也不够，问题一大堆。面对这种情况，除了借助IT技术实现收银、订货等环节的自动化之外，推动加盟合同改革，降低多店经营的门槛，也已成为行业共同的应对方向之一。                   （复购率算谁的！）                    有点绝对，但我确实就这意思。                   多店经营，加速变革                    数据显示，截至2025年2月底，日本罗森的14694家门店由5262名店主经营，其中经营两家及以上门店的店主占比已达半数；从门店分布看，多店主掌控的门店比例更高达80.7%，头部加盟者甚至同时运营着48家门店。                   数字化的时候类似问题屡见不鲜。

p | 日本全家的体系同样呈现这一特征：在14885家门店中，38.9%的店主掌握着68.2%的门店。

q |                    比如一家大型传统零售商，希望上线一个AI驱动的“千人千面”推荐系统。

r |                    相比之下，7-11长期保持着以单店经营为主的传统结构。                   阿久津知洋坦言：“目前，7-11单店的日均销售额约为70万日元(约3.3万人民币)，过去一直是日本便利店的领军者。这个项目很快就会陷入泥潭。                   市场部掌握着广告投放数据，但他们的数据结构是为了衡量曝光和点击；销售部掌握着交易数据，但只关心SKU和销售额；仓储物流部掌握着库存和配送数据，其核心KPI是周转率。但也正因如此，我们在适应新时代的转型上有所滞后，组织内部也变得有些封闭。今后我们将以谦虚的态度向外界学习，与全体人员一起加速改革。

s | ”                    7&i控股社长史蒂芬·戴卡斯进一步强调，“能否倾听一线声音，是加盟体系能否持续健康发展的关键。

t |                    每个部门都像一个“数据烟囱”，为了自身的KPI和利益而生产和守护着自己的“一亩三分地”。                   AI系统需要的是一个能将用户浏览、点击、购买、复购、甚至退货数据完整打通的用户画像，但这在部门墙林立的组织结构中几乎是不可能完成的任务。                   最终，AI项目要么因为吃进去的是割裂、矛盾的“垃圾数据”而产出无用结果，要么就因漫长而昂贵的数据治理而不了了之。与其说是AI需要数据治理，不如说是陈旧的组织模式在持续不断地“污染”着数据源头。                   2. 所有流程问题都来自系统整体性的缺失                    将AI工具“嵌入”现有流程，是另一个典型的失败路径。”他透露自己现在每个周末都会实地走访门店，直接与经营顾问和店主交流，以把握经营中的真实问题。

u |                    比如： 一家工厂引入了一套先进的AI排产和库存管理系统，该系统基于实时销售预测、原材料价格波动和设备健康状况，给出了一个理论上最优的生产和采购计划。                   然后，就发现这个计划在现实中却寸步难行。                   有业内人士指出，多店经营的价值不仅在于摊薄成本，更在于提升效率。面对永旺旗下小型超市“MyBasket”等低价业态的竞争压力，多店铺模式展现出更强的抗风险能力。

v |                    生产主管凭借自己二十年的“老师傅经验”，认为AI的排产计划过于激进，无视了产线磨合的“默契”；采购部门则因为AI建议的“小批量、多批次”采购模式会破坏与长期供应商的“关系”和折扣而表示反对；质检部门则抱怨排产变动过于频繁导致品控标准难以统一。                   AI哪有力量搞定各路神仙！妥妥的现实版庙小妖风大，但不是人的问题，对人开战更会有灾难性后果。

w |                    在这里，AI作为一个追求“全局最优”的整体性大脑，与一个由无数“局部最优”构成的碎片化流程发生了激烈冲突。

x |                    AI的建议触动了既有的权力结构、工作习惯和人情网络。                   最终结果往往是，这套昂贵的AI系统被员工们以各种理由架空、忽略，变成了一个仅供参观的“形象工程”。即便个别店铺业绩波动，也不会影响整体收益，还能在多个门店间灵活调配人力资源，提升运营效率。此外，经验丰富、资金实力雄厚的多店主更易与总部建立稳定的长期合作关系。                   所以过去做大屏反倒是有市场，形象工程的市场也是市场！                    驾驭不了流程，根源在于缺乏一个能够俯瞰全局、统合所有流程的“整体性”组织视角。                   3. 最终表现：不划算，没有用                    投入产出比（ROI）的困扰，是上述所有问题的最终体现。                   除了加盟制度的调整，7-11也在多维度寻求突破。                   在碎片化的组织认知下，管理者习惯于用“孤立”和“线性”的思维去评估AI的价值。技术层面，公司正加速推广自助收银系统，并新设“新业务推进部”，积极探索未来业态与创新模式。商品策略上，7-11正在加强收银区一旁的现制食品业务，并将继续深化“喜悦价格！”低价系列商品。他们会问：“这个AI客服能帮我节省多少人力成本？”“那个推荐算法能提升多少点击率？”这种评估方式，完全忽视了AI作为“系统性工程”的真正价值，即其带来的乘数效应。                   针对品牌理念的重塑，阿久津知洋指出：“过去，我们认为‘美味’是核心价值。如今我们意识到，情感价值与消费乐趣同样重要。借助外部营销团队，我们开始建立商品策划与电视广告体系，并已初见成效。

y | 从本财年下半年至下一财年，我们将逐步落实全新品牌概念‘7-11里会有什么呢’，敬请期待。                   一个真正有效的AI系统，其价值是系统性的，但回报却可能体现在其他部门的报表上，这在部门间利益独立的组织里是无法单维度被衡量和激励的。”                    写在最后                    说到底，7-11现在的困境是典型的“大公司病”。                   海外业务规模已经和日本本土旗鼓相当，但本土市场这个根基正在松动。药妆店、折扣店这些新业态的崛起，本质上反映的是消费者需求和消费场景的变化。                   按结果交付是对的，但按结果交付就需要挑战各种整体性问题。便利店如果还停留在“便利溢价”的老逻辑里，不从商品力、价格力、体验感上做真正的创新，恐怕很难走出当前的困局。                   隔壁吴老二要是中风了，整体性不协调，这么跑步啊。

z |                    唯一也必须的突破口：以“组织革命”为核心的整体性重构                    既然问题的根源在于组织，那么唯一的突破口也必然始于组织。                   从“规则制定者”到“谦虚学习者”，7-11的姿态转变值得肯定。但在瞬息万变的零售战场上，态度的转变能否转化为行动的速度，才是这场改革成败的关键。                   我们必须放弃“AI赋能业务”的幻想，转向AI需要先重构组织的现实。

|                    （讲明白这个事非常痛苦和有挑战的）                    这一点上，特斯拉设想的“Unboxed”生产模式提供了一个极具启发性的范例。50年来的首次“让步”，究竟是破冰之举，还是为时已晚的应急之策？还有待时间的进一步检验。                   本文来自微信公众号：新零售 （ID：ixinlingshou），作者：李言。                   传统汽车制造业沿用福特发明的流水线模式长达百年，汽车在一个线性移动的传送带上被逐步组装。这是一个典型的、被流程固化的工业时代组织模式。

|                    而“Unboxed”模式则将其彻底颠覆：汽车不再被视为一个整体进行线性组装，而是被拆解成数个独立的模块（如前车身、后车身、电池包等），由高度自治的团队在不同区域进行并行、同步的组装，最后像拼乐高一样“合体”。                   您目前设备暂不支持播放                    这套方案的野心绝不仅仅是提升生产效率，它本质上是一场深刻的组织革命。                   为了实现这种并行生产，特斯拉必须从产品设计之初就将组织协同、供应链、机器人自动化等所有要素作为一个“整体”来考虑。

|                    传统的、按工序划分的线性部门被打破，取而代之的是围绕“模块”组织的、跨职能的、高度整合的团队。

|                    这种组织形态，天然就是为最大化机器人和AI的效率而生的。

| 它消除了传统流水线的物理和组织瓶颈，让数据可以在各个模块间无缝流动，为AI进行全局调度和优化提供了完美的“温床”。                   结果还未知，但至少说明：Tesla认识到为了迎接AI和自动化带来的终极生产力，必须先重构生产组织本身。                   （参见：《AI是中小企业最后的机会》）                    非典型的突破口                    如果说前面说的非共识是典型的，每当新技术来的时候都有，那么面对需要采取的措施则绝对是非典型的，和过去很不一样，比如：                    1. 从“整体性认知”出发，建立新的组织哲学。领导者必须率先完成从“管理者”到“系统架构师”的角色转变。他所要设计的，不再是一个分工明确的职能机器，而是一个能够自我学习、自我进化的“智能有机体”。                   我们没有这么剧烈地干过这活，组织的事千年一系，变化真的不大，此前最大的也就是流水线。                   2. 从职能孤岛到任务导向的“积木式”组织。学习现代软件企业的组织模式，如Spotify的“部落（Tribe）”和“小队（Squad）”模型。每个小队都拥有一个端到端的业务模块（如音乐推荐、用户播放列表），团队成员包括了产品、开发、测试、数据分析等所有必要角色。这种组织方式，天然保证了“谁生产数据，谁使用数据，谁对数据质量负责”，从根本上解决了数据割裂问题。                   这就是数据和智能角度的阿米巴。                   3. 当组织就位，数据与流程自然“归顺”。当一个以“整体性”为核心的新式组织建立起来之后，我们才能真正“驾驭”数据和流程。此时，数据不再是需要费力去“治理”的对象，而是新组织形态下业务流程自然而然产生的“高质量血液”。流程也不再是需要AI去费力“适应”的障碍，而是被重新设计用来最大化数据采集效率和AI决策效率的“血管网络”。                   先有健康的“身体”（新组织），才会有流畅的“血液循环”（数据与流程），这是一个不可逆的因果关系。

|                    典型的非共识需要非典型的突破口                    当前社会对AI的巨大“非共识”，本质上是一场关于“范式”的冲突：                    究竟是应该让代表未来的生产力去削足适履，适应我们陈旧的组织模式；还是我们应该鼓起勇气，砸碎旧的组织枷锁，去创造一个能配得上未来生产力的新容器？                    答案是唯一的。                   为什么是唯一的，因为你不干他也干，那就终究会回到这里。                   依赖于修修补补、期望AI能奇迹般地在旧土壤里开出新花，是一种危险的“工具幻觉”。这只会让我们在无尽的试点和挣扎中耗尽资源和信心，最终得出“AI不过如此”的错误结论。

|                    真正的、非典型的突破口，掌握在那些敢于向自身开刀的变革者手中。                   他们明白，AI竞赛的终局，比拼的不是谁的算法更先进，而是谁的组织更具“整体性”和“智能原生性”。这不是一场技术革命，而是一场深刻的管理革命和认知革命。                   当我们不再将目光局限于AI本身，而是转向审视和重构我们自己时——就像特斯拉重新思考汽车制造的每一个环节那样——那扇通往智能时代的大门，才会真正为我们敞开。                   这场变革的阵痛是剧烈的，也很让人烦躁，但穿过阵痛，我们将迎来一个以全新的组织形态驾驭强大AI，从而实现价值指数级增长的真正黎明，而“无人公司”正是这场组织革命的终极形态。                   （参见：《AI和互联网的旷世冲突》）                    本文来自微信公众号：琢磨事，作者：李智勇。

Current article:http://dtyb2.loukachunwenghongchuikui.shop/vpyk/r4sl2w.html

Published on:15:52:34