百果园王筱东：小模型支撑精准决策，大模型提升运营效率

出品/联商网

整理/梦萦

近日，在“CCFA新消费论坛”上，深圳百果园实业（集团）股份有限公司副总裁兼首席信息官王筱东分享了百果园的AI应用实践，解读了百果园如何通过AI实现决策引擎与效率引擎“双擎驱动”的数智化转型路径。

以下为王筱东演讲内容（经联商网编辑）：

感谢组委会提供机会分享百果园的AI应用实践。百果园作为国内规模领先的水果零售平台，在全国拥有数千家门店，对科技投入力度较大，组建了数百人的研发团队，其中AI领域已有多年研发基础，相关团队约五、六十人，分为两个核心团队。

负责AI应用落地的是数据科学团队，而支撑AI应用的关键在于后台数据质量，因此还设有专门的数据工程与数据治理团队。

今天主要分享百果园AI的应用场景与建设过程。整体而言，百果园将AI定位为“双擎驱动”，核心是用AI实现两大目标：一是构建决策引擎，提升决策精准度，比如解决订货、定价、物流规划等问题，这类场景以传统AI小模型为主，依托机器学习、求解器等训练企业专用模型；二是打造效率引擎，借助大模型提升工作效率，涵盖知识检索、自动化研发测试、营销及代码编程等领域，重点探索多智能体协同应用。

大模型虽发展迅速，但并非万能，它更擅长语言、多模态相关任务，如撰写调研报告、SWOT分析等。若直接用大模型做企业经营决策则不可靠，因其不了解企业经营逻辑，也缺乏企业真实数据训练。相比之下，机器学习和求解器等传统小模型成本低、迭代快，甚至能实现每日迭代，更适合决策场景。

AI决策的核心目标可通过“木桶原理”理解：提升企业决策的底线。AI决策的效果并非绝对，关键看使用场景——若员工平均决策水平低于AI，AI就有价值。以门店订货为例，水果属于生鲜，受鲜度影响大，且部分优质水果供货有限，订货场景更复杂。百果园的智能订货系统通过“一键添加”功能，向店长推荐订货品类与数量，结合销量预测、安全库存、配送时长等数十个因素生成建议，还建立了监控体系跟踪执行效果。

智能订货系统的实现分三步：以过去12个月数据训练小模型，用近30天数据验证，每日迭代更新；通过六个维度同步决策，对新品参考类似商品与门店给出小批量进货建议，对偏好品依据用户复购、好评保障顾客满意度；建立完整监控指标评估建议有效性。目前预测准确率约60%，已属行业较好水平。

另一典型AI应用是“基因诊断”系统，类似经营体检。零售企业每日产生大量销售、毛利等数据报表，但决策者和店长难从报表中发现深层问题。该系统通过几十个经营诊断维度（如线上经营、会员运营、商品结构等），结合双融合模式架构：先由统计学小模型完成聚类、异常检测、根因推理，再通过大模型将结果转化为易懂的经营报告。每周为全国门店生成报告，既保证数据准确性，又提升可读性。

效率提升以大模型为主，核心是“AI提效而非取代员工”，助力员工实现“事业好、家庭好、身体好”的目标。百果园搭建了agent应用研发框架，各部门提需求后，科技中心可快速落地，规避权限、数据合规等风险；内部核心业务系统已完成MCP接口对接，实现AI与业务场景的深度融合；还成立AI编程小组，逐个攻克可落地场景。

总结而言，结合达尔文“适者生存”理念，企业面对环境变化需主动适应。AI是高效工具，但不必盲目追求新潮，关键是“用得上、用得起、用得好”。以上是百果园的AI实践分享，谢谢大家。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com