Adopt AI 2025年大皇宫零售消费者人工智能峰会：主题演讲与圆桌讨论报告 Artefact

2025年Adopt AI峰会概览

• 20,000名与会者
• 650多位演讲者
• 250多家参展商
• 7个阶段
• 35个以上的国家代表团
• 70多个国家参会
• 14个国家展位
• 1,000多名首席执行官
• 3,000多名高管

观看“零售与消费领域的人工智能”所有会议内容 replays

主要亮点

生成式人工智能不仅仅是下一波技术浪潮，它还代表着零售和消费品行业的根本性战略转变。对于领导者来说，面临的挑战是如何超越实验，将人工智能融入到企业的运营结构中，以释放可衡量的损益影响。本报告提炼了我们近期峰会中最重要的战略经验，为企业高层提供了如何驾驭这一转变并建立真正竞争优势的清晰思路。.

我们对领导者历程的分析表明，成功并非偶然。它是深思熟虑的结果，往往是彻底专注于六项具体战略要务的结果。这些领域将市场领导者与其他企业区分开来，将人工智能从成本中心转变为企业价值的核心驱动力。.

• 运营革新 人工智能正在创建预测性和自主运营框架，使企业从被动解决问题转变为主动创造价值，在风险发生之前就将其降低，并在整个企业内推广专家决策。.
• 将人体增强作为主要投资回报率 人工智能最重要、最直接的价值在于增强劳动力的能力，将领域专家转变为自主的人工智能构建者，通过 data-driven 建议增强销售和服务团队的能力，并将人才解放出来，专注于高价值的战略工作。.
• 客户体验的新前沿 人工智能正在从根本上重塑客户互动，以前所未有的规模实现个性化，创造更多精心策划和提升的店内体验，并将范式从静态数字资产转变为动态对话式商务。.
• 基础性要务 领导者们正在 “集中支持、分散执行 ”的混合组织模式上建立自己的人工智能优势，确保核心工程的严谨性，同时利用人工智能代理动态清理和丰富业务部门在边缘创新所需的 data foundation。.
• 务实的价值实现 成功的人工智能投资策略能够通过从一个聚焦的应用场景组合中持续积累“边际收益”，从而实现变革性的成果；该组合中的每个应用场景都是基于其对损益的明确、可衡量的影响而非投机潜力而选定的。.
• 收养与文化挑战 技术是可以解决的部分；主要的挑战和竞争差异化的真正来源，是通过强有力的行政支持和分散的实验文化双重战略，掌握整个企业的采用和文化变革。.

要领导您的组织渡过这个变革时代，就必须将这些战略原则内化于心。我们鼓励您观看 replays 完整会议，更深入地探讨这些主题，它是您进行战略规划和执行的重要资源。.

CEO舞台

与家乐福的亚历山大·邦帕尔的炉边谈话

发言者 亚历山大·邦帕尔，董事长兼首席执行官

自2017年以来，, 亚历山大-邦帕尔 一直领导着家乐福——这家全球最大的零售商之一，业务遍及欧洲、拉丁美洲和亚洲。.

在他的领导下，家乐福 正在加快数字化转型步伐，整合artificial intelligence以优化供应链、提升客户体验并减少食物浪费……

回顾您在媒体和零售领域的职业历程，您在个人和职业层面是如何看待科技与创新的？

• 亚历山大·邦帕尔： 当今领导力最关键的特质是好奇心；推动创新并不需要成为工程师，但必须能在组织内部激发好奇心。.
• 来自面临颠覆威胁的“传统”行业（线性电视/广播和实体零售），我们的目标始终是将传统架构与创新重新结合起来。.
• 这个过程需要不断试错；例如，在Fnac，他成功推出了电子阅读器平台（Kobo），但也推出过一项失败的音乐流媒体服务，但他坚持认为，领导者无论遭遇多少失败，都必须“再试一次”，才能在这段征程中生存下来。.

你是如何在像家乐福这样庞大的企业（年营业额1000亿，员工50万人）内部成功推动创新和文化变革的？

• 亚历山大·邦帕尔： 刚加入时，管理层曾错误地认为食品零售业不会受到数字化颠覆的影响；第一步就是确立这样一种信念：创新是生存的关键。.
• 创新不能被孤立在某个角落；它必须在公司的整个组织体系中普及开来，才能实现从传统企业向以数字化为导向、敏捷型组织的转型。.
• 虽然家乐福在纯技术竞争力方面可能还无法与科技巨头相抗衡，但它已在实体零售的数字化转型领域成功确立了其权威地位和领导地位。.

人工智能在家乐福中发挥着什么样的具体作用？有哪些具体的应用案例？

• 亚历山大·邦帕尔： 目标并非上演“创新秀”，而是将人工智能作为一种务实的转型工具。.
• 用例 1（运营）： 利用包含100亿笔交易的data数据湖，实时优化本地商品组合并调整价格，从而显著提升客户服务质量。.
• 用例 2（战略扩张）： 大幅缩短了分析潜在门店选址所需的时间；过去需要花费9个月进行调研且失败率高达80%的工作，如今借助人工智能，仅需2分钟即可完成，且预测准确度更高。.
• 用例 3（CX）： 开发“AI代理”来精选商品并与顾客建立亲密关系，从而从根本上改变购物体验。.

我们是否有机会成为人工智能的应用、规模和应用领域发展最为成熟的大陆？我认为是有的。.

观看第replay场次

南主舞台

AI惠及所有人：LVMH在核心价值观指引下推动奢侈品行业AI应用规模化发展的计划

发言者 莫德·阿尔瓦雷斯-佩雷雷，首席人才与转型官
贡扎格·德·皮雷，全渠道及Data首席官

关于莫德·阿尔瓦雷斯-佩雷雷： 作为首席人才与转型官，她负责领导集团的人力资源战略，重点关注LVMH庞大员工队伍的人才发展、企业文化及组织转型。.

关于贡扎格·德·皮雷： 作为全渠道及Data首席官，他统筹集团的数字化加速战略、data governance计划，以及在所有品牌中的AI技术整合工作。.

关于LVMH： LVMH总部位于巴黎，是全球领先的奢侈品集团（2023年营收：862亿欧元，员工约21.3万人），致力于打造涵盖葡萄酒、时尚、皮具、香水和化妆品等领域的优质产品。.

我们提出这一‘隐形科技’原则，旨在表明：技术应当无处不在却又隐而不显，这才是利用技术来服务……人类价值观的最佳方式。.

“AI for All”计划的范围和目标是什么？

莫德·阿尔瓦雷斯-佩雷雷： 该计划被定义为一项旨在服务集团21.5万名人才的参与、技能提升和框架构建计划。其目标是实现民主化——让每个人都能掌握人工智能，无论是在酒店、门店、仓库还是工坊，从而鼓励大家进行实践探索。 这与其说是一场技术层面的讨论，不如说是一场文化层面的探讨，旨在明确公司选择在哪些领域应用人工智能、又在哪些领域不应用。例如，虽然人力资源部门可以为“data”项目录制职业发展对话，但为了保持人际互动的质量，他们选择暂不这样做。.

为什么现在要加快这一转型，其支柱又是什么？

贡扎格·德·皮雷： 虽然LVMH与data及人工智能领域合作已有多年的时间，但其关注重点已从“创新”转向“转型”。 该计划基于三大支柱：1）动员所有旗下品牌的高层管理团队；2）在商务、营销和运营领域制定并推广商业案例；3）评估应用情况及影响。关键在于，其目标是推动业务发展并强化企业价值观，而非单纯的成本削减或重组举措。.

LVMH的核心价值观如何指导人工智能的实际应用？

莫德·阿尔瓦雷斯-佩雷雷： 集团的价值观——创新/创造力、卓越、创业精神以及投入感——决定了战略方向。由于各“品牌”的“创始人”都是企业家，因此有责任保持以人为本的企业文化。 正如LVMH致力于个性化客户体验一样，他们正利用人工智能为顶尖人才打造个性化的员工发展路径，确保技术服务于人力资本这一核心资产。这一转型必须对团队产生积极影响，将潜在的颠覆转化为推动增长的工具。.

如何在技术与奢侈品以人为本的本质之间取得平衡？

贡扎格·德·皮雷： 要成功实施这一变革，必须与公司战略保持一致；奢侈品本质上是一段以艺术创作、手工制作和面对面销售为基础的人文之旅。 使用人工智能来取代这些要素，将与该行业的成功因素“正交”（相悖）。相反，LVMH采纳了“隐形科技”（Quiet Tech）原则：技术应当无处不在却又隐而不显，作为人类价值观的赋能者，而非替代者。.

这其实就是退后一步……我们的座右铭是：人类仍将是团队的掌舵者……但我们需要为他们提供最佳的创意环境，而这种环境将由人工智能驱动。.

观看第replay场次

人工智能时代的零售业

发言者 加布里埃尔·休伯特，首席执行官兼创始人

加布里埃尔·休伯特：一位连续创业者和产品负责人，曾担任Alan的产品总监，并在其首家初创公司Mashape被收购后，在Stripe担任过高级管理职务。他于2023年联合创立了Dust。.

灰尘： Dust 是一家横向人工智能平台（成立于 2022 年，总部位于巴黎），拥有约 15 至 25 名员工，目前处于早期增长阶段，预计营收可观，专注于部署专业的人工智能代理。.

• 收养的四个步骤： 休伯特勾勒出一条发展轨迹：从“影子IT”（不安全的工具使用），到互联聊天机器人（“CompanyGPT”），再到嵌入式助手（SaaS“闪光按钮”），最终发展到“代理操作系统”（Agent OS）。 他认为，真正的转型需要迈出这一最后一步：构建一个代理与人类在端到端项目中协同工作的环境。.
• 代理操作系统与“计量指数”：“Meter Index”（即智能体能够自主工作的时长）目前为2小时，且每7个月翻一番。到2026年底，智能体将能够处理每天8小时的工作量。Dust正在构建一个操作系统，以大规模管理这些“智能体化”的工作负载。.
• CRM的平行关系: 加布里埃尔·休伯特将人工智能比作CRM时代；竞争优势并不在于模型本身，而在于如何将其嵌入企业独特的业务流程中，将data的“清单”转化为自动化流程。.
• 成功的文化蓝图: 表现优异的首席执行官之所以能取得成功，是因为他们一方面自上而下强制推行人工智能，另一方面又允许自下而上的运作模式，让各团队（如 Back Market 的反欺诈团队或 Mirakl 的员工）自主构建本地化智能代理。.
• 战略结论: 要克服试点失败的困境，企业必须停止将人工智能视为一种“工具”，而应将其视为一种新的工作方式——在这种模式下，开发智能代理是获得晋升的途径，而非对工作保障的威胁。.

随着团队的快速扩张，信息混乱问题会悄然滋生，因此软件需要不断演进以应对这一挑战。我们致力于打造运营软件，帮助优秀团队更高效地完成工作。.

观看第replay场次

奢侈品零售的未来：Loewe 如何加快产品上市速度

发言者 阿德里安娜·米龙，项目管理办公室（PMO）与治理负责人
露西·巴克莱，全球实地与合作伙伴营销高级总监

仅仅为了使用而使用某种工具，这就像我们讨论人工智能时一样：首先需要建立相应的流程和治理机制。.

阿德里安娜·米龙：Loewe项目管理办公室（PMO）及治理负责人，专注于奢侈时尚领域的数字化转型和运营卓越。.

Loewe：一家隶属于LVMH集团的西班牙奢侈品品牌，拥有约1,200名员工，年收入超过6亿欧元，总部位于马德里，专门生产高端皮具。.

露西·巴克利：担任 Asana 现场与合作伙伴营销负责人，专注于为全球企业级零售客户扩展工作管理解决方案。.

体位法：一家总部位于旧金山的工作管理平台，年收入约为~$650M，拥有1,700多名员工，致力于提升组织透明度。.

卢·达纳：一位数字战略与零售专家，担任技术供应商与奢侈品牌之间高层行业对话的主持人。.

随着人工智能在传统行业中逐步接管人工流程，人类的技能将如何演变？

露西·巴克利: 在传统奢侈品行业，过去一直更重视硬技能，但如今推理能力和透明度等软技能正变得越来越重要。企业必须提升员工技能，以便管理人工智能得出的结论并确保data质量，因为缺乏“控制机制”的人工智能可能会产生不准确的结果。.

Loewe 是如何应对此次转型所需的重大变革管理的？

阿德里安娜·米龙: 变革管理的重要性不容小觑。Loewe 采取了按部门（市场部、财务部等）分阶段推行该工具的做法，因为每个部门都有其独特的需求。重点在于确保“非技术人员”也能轻松使用该工具，从而最大限度地提高信息透明度，并将沟通集中管理，摆脱对电子邮件的依赖。.

人工智能具体是如何融入零售行业的工作管理的？

露西·巴克利: 零售商正面临“围绕工作的额外工作”——随着业务增长，跨时区和跨工具的复杂性日益增加。人工智能被用作推动力，以消除进度会议和冗长的邮件往来。然而，要使人工智能发挥效用，必须建立在清晰明确的基础上，即明确谁在做什么以及为什么这样做，而Asana恰恰提供了这一基础。.

人工智能确实能够极大增强人类的判断力，但它绝不会取代人类……你需要将人工智能作为组织内的“队友”加以利用。.

观看第replay场次

运营中的AI应用：增强执行力与运营卓越

发言者 皮埃尔·克罗宁，首席信息官兼拜尔斯多夫Managing Director共享服务部IT负责人
弗朗索瓦-泽维尔·皮埃雷尔，集团首席Data官兼广告技术官
王启华，战略与人工智能执行副总裁

维吉妮·布拉尔：Fivetran法国及比荷卢地区副总裁，负责在data基础设施与业务影响之间发挥战略协调作用。. Fivetran: 自动化 data 移动平台；营收：约 $250M；员工人数：1,200+；总部：加利福尼亚州奥克兰；使命：让 data 的使用像用电一样简单可靠。.

皮埃尔·克罗宁：自2025年9月起担任拜尔斯道夫首席信息官，此前负责领导Data及分析部门，拥有20余年IT/财务领域专业经验。. 拜尔斯道夫: 消费品巨头（妮维雅、优色林）；营收：100亿欧元；员工人数：20,000+；总部：德国汉堡；使命：通过卓越运营引领护肤市场。.

王启华：拉加代尔旅游零售公司全球执行副总裁（EVP），负责战略与人工智能业务；曾任战略顾问，致力于推动全球业务流程的革新。. 拉加代尔旅游零售： 一家业务遍及51个国家的全球旅游零售商；营收：70亿欧元以上；员工人数：20,000人以上；总部：法国巴黎；使命：通过智能技术重塑旅游零售业。.

弗朗索瓦-格扎维埃-皮埃尔尔：TF1公司首席Data官兼广告技术官，data战略领域的公认专家，曾任职于Meta、微软和JCDecaux并担任领导职务。. TF1集团: 欧洲领先的广播公司；营收：23亿欧元；员工人数：2,800余人；总部：法国布洛涅-比扬古；使命：从传统广播转型为领先的流媒体平台。.

能否介绍一下贵公司当前的旗舰AI项目及其商业逻辑？

• 皮埃尔·克罗宁: 在拜尔斯道夫，市场细分工作的重点在于“运营卓越”。 由于该公司作为一家B2B2C企业，缺乏与消费者的直接互动，因此他们利用人工智能代理扫描互联网，并为尼尔森（Nielsen）的data样本库补充视觉产品属性（例如竞争对手的产品外观是“现代”还是“传统”），以及防晒指数（SPF）等技术规格，从而完善其生态系统。.
• 王启华: 拉加代尔（Lagardère）正利用生成式人工智能（GenAI）来加速“招标管理”流程。在复杂的机场零售招标领域，响应招标通常需要起草长达400页的文件；生成式人工智能通过查询其全球知识库，自动生成技术性措辞，从而让人类能够专注于核心价值主张和概念设计。.
• 弗朗索瓦-格扎维埃-皮埃尔尔: 随着TF1+的推出，该集团正利用人工智能颠覆“视频创作”领域。除了内容编辑之外，他们还部署了“代理式人工智能”（Agentic AI），旨在构建“data民主”，使员工无需接受SQL培训即可查询复杂的技术生态系统，从而实现其运营能力的自动化。.

如果 data 是个垃圾，那结果当然是他们不会支付报酬……大家都以为只要在某个流程里加点 AI，就能解决所有问题。.

在您的项目启动之初，关于人工智能存在哪些主要的误解或“迷思”，特别是关于data方面？

• 皮埃尔·克罗宁（拜尔斯多夫）： 最大的障碍在于人们认为只要将人工智能“扔”到某个流程中，就能立马解决问题。如果“data”做得不好，产出就毫无价值。真正的挑战在于让人们认识到，必须以“数字优先”为原则重新设计流程。即使有了人工智能，仍需依靠人的判断来验证结果。.
• 王启华（拉加代尔旅游零售）： 人工智能并非一个技术项目，而是一项业务转型项目。人们常误以为它“酷炫迷人”，但现实却是“脏活累活”：清理data数据、改造业务流程，并说服员工相信人工智能能创造价值，而非抢走工作岗位。 要成功实施，需要将变革管理、技术专长以及强有力的业务支持相结合。.
• 弗朗索瓦-泽维尔·皮埃雷尔（TF1）： 最初的误解是：“我遇到问题了，人工智能就是解决之道。” 从“为了AI而做AI”到识别实际的业务问题，这种思维模式的转变花了6到12个月的时间。他们意识到，世上没有魔法棒；这其中涉及政治、治理和预算。他们必须从简单的自动化，转向通过“data民主”创造真正的价值。.

这并非轻点一下手指就能看到奇迹发生……总而言之，这终究不是一个技术项目，而是关乎业务转型。.

人工智能并没有什么魔法棒。它始终需要付出辛勤的汗水和心血。其中既涉及一些政治因素，也涉及一些资金问题，还涉及一些治理问题。.

您是如何应对人为因素以及对被取代的担忧的？

• 王启华（拉加代尔旅游零售）： 现实介于“AI很烂”和“AI能解决一切”之间。建立信任是一个边试错边学习的过程。其目标是消除那些繁琐、重复的任务——比如回答标准的招标问题——从而让员工能够专注于高价值的战略工作。关键在于权衡哪些工作更适合由机器人完成，哪些更适合由人类完成。.
• 皮埃尔·克罗宁（拜尔斯多夫）： 在实现流程自动化之前，必须先对其进行重新设计。如果将一个糟糕的流程自动化，结果只是让糟糕变得更“高效”而已。这将改变员工的角色：过去负责制作 PowerPoint 幻灯片的人，现在可能需要转型为产品负责人，这要求他们做出艰难的决策，而不仅仅是排版信息。.

对于audience，您有什么最终的建议或心得？

• 弗朗索瓦-泽维尔·皮埃雷尔（TF1）： 避免“FOMO”（害怕错过）。这项技术将长期存在。“行动要快，但不要太快。”
• 王启华（拉加代尔旅游零售）： 树立“放下一切，学习，再学习”的心态。要勇于接受失败，因为从失败中获得的经验比立竿见影的成功更为宝贵。.
• 皮埃尔·克罗宁（拜尔斯多夫）： 把注意力集中在你不打算做的事情上。在资源有限的情况下，确定优先级是将精力投入到真正重要之事的关键。.

观看第replay场次

借助人工智能重塑实体店：执行、体验、绩效

发言者 多米尼克·陈，人工智能负责人
斯特凡·西诺波利，Data变现部门总裁
吉安卡洛·米卢奇奥，Data首席官兼数字化官
奥雷利安·埃斯卡坦，转型与信息技术副总裁

关于多米尼克·特兰： Leroy Merlin Data 与人工智能部门负责人，致力于将生成式人工智能和运营型人工智能融入客户旅程和内部流程。.

关于乐华美林： 一家领先的法国家居装修零售商（Adeo集团），在法国的年营收约为98亿欧元，拥有3万多名员工，总部位于勒泽讷。.

关于斯特凡·西诺波利： Intermarché特许经营商（Adhérent）兼Les Mousquetaires旗下Data公司变现与创新部门总裁。.

关于《Les Mousquetaires》： 一家法国大型零售集团（旗下拥有Intermarché、Bricomarché等品牌），年营业额约为399亿欧元，拥有约15万名员工，总部位于邦杜夫勒。.

关于吉安卡洛·米卢奇奥： Unibail-Rodamco-Westfield（URW）首席Data兼数字化官，负责领导商业房地产资产的数字化转型。.

关于 URW： 一家全球领先的旗舰购物中心开发商和运营商，按权益法计算的营业额达35亿欧元，总部位于巴黎。.

关于奥雷利安·埃斯卡坦： VusionGroup（前身为SES-imagotag）转型与信息技术副总裁，专攻物联网数字化和零售基础设施领域。.

关于 VusionGroup： 电子货架标签和零售物联网解决方案领域的全球领导者，年营收约8亿欧元，总部位于法国南泰尔。.

目前，人工智能是如何被应用以提升客户旅程和体验的？

• 多米尼克·陈（乐华梅兰）： 如今的客户已具备“增强型”能力且知识渊博（往往在到店前就会咨询ChatGPT）。Leroy Merlin利用人工智能来判断哪些环节需要人工互动才能创造价值，哪些环节应由数字工具接管。其能源性能模拟器（DPE）是成功的关键之一，该系统每月运行数千次由人工智能驱动的模拟，以帮助客户规划翻新工程。.
• 斯特凡·西诺波利（《三剑客》）： 该战略植根于“卡雷拉格真理”（实用主义）。人工智能负责处理大量低价值的交互。例如，其3,500家门店收到的65%通电话中，大部分是简单查询（如营业时间）； 如今，对话式人工智能已实现这一流程的自动化，节省了数千工时。此外，自助结账通道中的计算机视觉技术可检测“可疑手势”，从而遏制商品损耗——在自助结账通道中，商品损耗率是普通收银通道的4倍。.
• 吉安卡洛·米卢奇奥（URW）： 与Intermarché严格的短期投资回报率（ROI）规则不同，URW在data项目初期就进行了投资，旨在绘制“消费者旅程”图谱。他们利用人工智能精准可视化顾客在商场内的行为轨迹，不仅局限于简单的客流量统计，更深入到细粒度的行为分析，从而能够优化购物环境，提升购物体验。.
• 奥雷利安·埃斯卡坦（VusionGroup）： 专注于“货架智能”和“空间智能”。 通过微型摄像头和物联网技术，每小时采集货架数据（data），从而识别问题点（缺货、标价错误）。这些数据（data）输入边缘AI系统，使顾客和员工能够用自然语言与门店“对话”，这一功能已通过他们近期与沃尔玛的合作得到了验证。.

人工智能如何赋能一线团队和门店员工（即“增强型”员工）？

• 多米尼克·陈（乐华梅兰）： 为降低“影子IT”风险，他们为100%名员工部署了一套安全的企业级生成式人工智能（GenAI）解决方案。在运营层面，人工智能现已驱动核心流程：商品组合定义、定价策略以及检测“隐性缺货”（库存错误），从而系统性地提升了全体员工的能力。.
• 斯特凡·西诺波利（《三剑客》）： 人工智能被用于解决门店员工（店长、会计、生鲜经理）面临的具体痛点。例如，通过筛选数百份简历来即时确定候选人名单，以及为缺货商品生成既风趣又无误的标牌，以维持与顾客的良好关系。其目标是纯粹提升生产力，从而维护其激进的低价定位。.
• 吉安卡洛·米卢奇奥（URW）： 人工智能弥合了IT团队与租赁团队之间的鸿沟。 租赁经理不再仅仅销售“平方米”，而是基于细粒度的顾客画像，销售audience及生产力。同样，其零售媒体代理机构（Rise）利用人工智能将实体广告资源视为数字广告库存，实时进行targeting和audience的资质评估。.
• 奥雷利安·埃斯卡坦（VusionGroup）： 人工智能通过“揭示隐形问题”来减轻认知负荷。员工无需逐一检查每件商品，而是仅被引导关注特定的异常情况（例如，库存为零但实际存在于货架上的商品）。他指出，与传统方法相比，采用人工智能引导路径和智能眼镜进行拣货/配送的零售商，其生产效率提高了3倍。.

以前，我们关注的是现场有多少人……现在，我们知道他们在做什么。我们正在为我们的购物中心创建数字孪生。.

当你在技术上投资1欧元时，不妨在“人”这一方面投入两倍的资金。这是最复杂的阶段。.

人工智能如何为总部战略提供支持？成功的关键绩效指标（KPI）有哪些？

• 多米尼克·陈（乐华梅兰）： 主要挑战在于应用，而非技术。他们的黄金法则是“在技术上投入1欧元，在人才上投入2欧元”。战略成功的衡量标准是团队的应用率。他们采用“构建、测试、调整”的方法，并尽早让门店团队参与进来，以确保变革管理取得成功。.
• 斯特凡·西诺波利（《三剑客》）： 总部的人工智能致力于解决巨大的行政负担。 分析数千份长达100页的供应商合同，已超出人工处理能力；如今，人工智能正协助法务团队开展工作。营销成本也大幅削减，通过人工智能制作一支电视广告的成本约为10万欧元，而传统方式则需约100万欧元。严格的关键绩效指标（KPI）依然不变：必须在12个月内实现投资回报率（ROI），且不得增加运营支出（OPEX）。.
• 吉安卡洛·米卢奇奥（URW）： 人工智能已从一项“新收入来源”的试验，演变为横向转型引擎（涵盖财务、租赁、运营等领域）。他们正在构建购物中心的“数字孪生”，以模拟和优化运营。最终的关键绩效指标（KPI）非常简单且非此即彼：销售额（零售商）和客流量。.
• 奥雷利安·埃斯卡坦（VusionGroup）： 重点在于速度和协同构建。人工智能使总部能够即时衡量商品陈列调整带来的影响。他强调需要通过“极客式”优化来降低计算成本（GPU/检索），确保人工智能解决方案对加盟商和独立零售商而言仍能负担得起（低运营支出）。.

我们选中的智能眼镜售价为300欧元……而一台Zebra [扫描仪] 的价格要高得多。我们需要的是加盟商买得起的解决方案。.

“打破壁垒者”：人工智能如何重塑内部架构（租赁、法务、财务）？

• 斯特凡·西诺波利（《三剑客》）： 这对“上游”（总部）的影响与对门店的影响同样关键。.
• 法律指标： 在90年代，合同只有4页。如今，合同已超过100页。面对1,000家供应商，如果不雇佣大批法律专家，人类根本无法每年审查100,000页的法律文件。人工智能能够即时对这些合同进行摘要和风险评估。.
• 营销指标： 制作一支电视广告通常需要100万欧元。借助生成式人工智能（GenAI）视频工具，他们仅花费10万欧元就制作出了一支质量相当的广告，成本降低了10倍，这直接提升了净利润。.
• 吉安卡洛·米卢奇奥（URW）： 人工智能催生了一场文化变革。此前，“租赁”团队（负责出售商铺）与“Data”团队之间从未有过交流。 如今，租赁经理向零售商推介时，不仅强调面积，还基于人工智能对顾客动线的分析生成的“受众画像”和“高产区”。这使得房地产领域的对话转变为媒体/绩效领域的对话。.

零售媒体：实体店真的能与数字广告平台抗衡吗？

• 斯特凡·西诺波利（《三剑客》）： 是的，而且这些数字令人震惊。他们正在安装数字屏幕，并在整个连锁店网络中追踪“媒体表现”。 关键洞察：周日上午，Intermarché门店屏幕的总audience数据，超过了法国主要电视台晚上8点（20h）新闻节目的audience数据。他们逐渐意识到，自己其实是一家庞大的媒体传播机构。.
• 吉安卡洛·米卢奇奥（URW）： URW旗下的广告代理公司Rise如今将实体广告资源（商场内的广告牌）完全视为数字广告资源来处理。人工智能会实时对站在屏幕前的audience受众进行资质评估（包括人口统计特征、停留时间等），从而使该公司能够销售“合格曝光量”，而非仅仅是静态的海报广告位。.
• 奥雷利安·埃斯卡坦（VusionGroup）： 零售媒体是“纯利润”的引擎。通过使用货架边缘摄像头追踪顾客触碰但未购买的商品，可以在货架边缘推送定向促销信息。这一新的收入来源有助于为硬件投资提供资金，从而构建一个自我维持的技术生态系统。.

我们“Les Mousquetaires”影院的audience指标高于[晚8点新闻的]audience……我们有一家竞争对手制作了一部基于人工智能的电影；其制作成本不超过10万欧元，而通常这类电影的制作成本为100万欧元。.

观看第replay场次

企业级人工智能：从保乐力加的转型中汲取的经验教训

发言者 皮埃尔-伊夫·卡洛克，全球首席数字官

关于皮埃尔-伊夫·卡洛克： 皮埃尔-伊夫目前担任保乐力加的首席数字官，负责领导该集团的全球数字化转型，重点利用data和人工智能来提升商业效能和营销效率。.

关于保乐力加： 作为葡萄酒和烈酒行业的全球领导者，旗下拥有Absolut、Jameson和Havana Club等知名品牌。该公司年营收约为120亿欧元，员工人数超过19,000人，总部位于法国巴黎，并以“欢乐的缔造者”为使命开展业务。”

目前，保乐力加正在实际应用的AI主要有哪些用例？

皮埃尔-伊夫·卡洛克： 保乐力加为其遍布60个国家的5,000名销售代表部署了一套推荐引擎。该工具于2020年启用，基于本地化的data数据，提供每周拜访清单和具体的产品推广建议，例如识别表现不佳的品牌或效果不佳的促销活动。 在已部署该系统的国家，该系统在两年内推动销售额增长了2-3%。此外，他们还在20多个国家应用营销组合模型（MMM），基于三年的历史data数据，优化媒体支出（电视与社交媒体的配比）。.

您如何管理部署过程并选择合适的项目以确保成功？

皮埃尔-伊夫·卡洛克： 该战略依赖于高度聚焦，将同时进行的AI项目数量上限设定为8个。团队将最初72个潜在数字项目的待办清单筛选至仅剩6个，以确保高质量和可扩展性。 关键在于，保乐力加摒弃了“概念验证”（POC），转而采用“最小可行产品”（MVP）模式，并立即在两个国家部署以验证其可复制性。 在ChatGPT问世后，他们面临着数千个潜在应用场景，但会采用严格的财务标准，摒弃那些效率提升微乎其微的项目（例如，仅节省0.5%个全职员工工时），而优先选择那些能对损益表产生可量化影响的项目。.

技术栈是如何从原型阶段演进到生产阶段的？低代码在其中发挥什么作用？

皮埃尔-伊夫·卡洛克： 用户采用率是关键的瓶颈，因此必须加快速度。如果要等待18个月才能将解决方案集成到Salesforce中，项目就会夭折，因此他们使用Retool在几天或几周内构建Web应用界面。 这使得快速迭代成为可能；在上午的培训中收到的反馈，下午就能落实，从而显著提升了用户的信任度。虽然 Retool 凭借生产级的安全性能立即带来 90% 的商业价值，但长期目标（1-2 年后）仍是将已稳定的解决方案集成到核心的 Salesforce 自动化工具中。.

对于“Vibe Coding”（AI生成的用户界面）与低代码平台，您的立场是什么？

皮埃尔-伊夫·卡洛克： 虽然像Lovable这样由人工智能生成的UI平台在演示中表现令人印象深刻，但它们目前尚缺乏生产环境所需的安全性、身份验证以及data处理能力。 由于保乐力加不进行概念验证（POC），而只构建可部署的最小可行产品（MVP），因此他们目前还无法将“氛围式编码”用于实际业务工具，而是更倾向于采用经过验证且已准备好投入生产环境的低代码解决方案。.

我们不做概念验证（POC），而是直接做最小可行产品（MVP）……我们只选择那些具备足够扩展潜力、能够实现盈利，且投资回报率高于成本的项目。.

观看第replay场次

人工智能作为可扩展性引擎：Pepkor如何在30个品牌中构建集团级能力

发言者 杰森·佩斯尔，首席信息官

关于杰森·佩斯尔： 现任Pepkor集团首席信息官，负责推动IT职能转型，使其在由多个零售品牌组成的复杂联盟中，从服务提供者转变为战略推动者。.

关于佩普科集团： 一家南非零售巨头，年营收达$6B，拥有6,500多家门店和约50,000名员工；总部位于南非开普敦，专注于折扣和实惠型市场。.

您是如何在一家拥有多个竞争性零售品牌的集团内，实现data和人工智能的规模化应用的？

• 杰森·佩斯尔： 接任该职位时，现有的做法是开展成本高昂且采用率较低的试点项目，因为data的科学家与品牌需求脱节。佩斯尔实施了一项彻底的划分：集中式赋能与分散式执行。.
• 集中式： 工程师和MLOps仍是构建坚实基础、实现data访问普惠化的核心。.
• 去中心化： Data的科学家和人工智能专家被调入各具体品牌团队。这确保了他们能够理解该品牌的具体零售运作机制和面临的问题，从而创造实际的商业价值，而非仅仅停留在理论模型层面。.

在原先采用联邦制架构的环境中，为了建立信任与协作，需要做出哪些大胆的决策？

• 杰森·佩斯尔： 从历史上看，IT职能部门一直缺乏战略影响力，导致整体格局支离破碎，各品牌之间互不信任。Peisl 推出了“2030愿景”，旨在解决多年联邦化运作所造成的技术债务。.
• “一团糟”： 该集团目前运行着5套ERP系统、12套仓库管理系统和9套人力资源系统，这导致data数据采集和准确性方面面临极大的复杂性。.
• 目标： 一份为期5至10年的路线图，旨在将各职能整合为单一系统（一个ERP系统、一个WMS系统）。这种简化是实现精准的“data”以及可扩展人工智能的前提条件。.
• 社区建设： 为了促进协作，他建立了跨品牌社区（例如“高级分析”、“安全”等），以探讨创新及共同项目，例如“客户360”项目——该项目首次在集团范围内整合了客户data数据。.

每个零售商都应采用的顶级人工智能应用场景有哪些？

• 杰森·佩斯尔： 并不存在某种能立即使收入增加数亿的“灵丹妙药”式用例。相反，Pepkor 奉行“边际收益”战略（类似于职业自行车赛中的策略）。.
• 战略： 将许多各自能提升0.1%至0.5%效率的小型用例汇总起来，最终将带来5-6%的净收益提升。.
• 具体示例： 供应链优化。每年运输商品超过10亿件，公司利用人工智能优化路线规划和物流管理，从而实现这些边际收益。.

我们不做概念验证（POC），而是直接做最小可行产品（MVP）……我们只选择那些具备足够扩展潜力、能够实现盈利，且投资回报率高于成本的项目。.

观看第replay场次

借助人工智能赢得成功：当今领袖们教会我们如何立即构建未来

发言者 加迪·霍贝卡，Managing Partner 公司首席执行官兼北美区负责人

关于加迪·霍贝卡： 加迪·霍贝卡（Ghadi Hobeika）是Managing Partner的首席执行官，同时担任Artefact北美地区首席执行官。作为一位在零售和房地产转型领域拥有丰富经验的高管，他此前曾担任Unibail-Rodamco-Westfield的首席商务官，在将数字战略与业务投资回报率（ROI）相结合方面拥有深厚的专业知识。.

关于 Artefact： 一家总部位于法国巴黎的全球性data和人工智能咨询公司。Artefact在全球拥有超过1,000名员工，预计年收入超过100M欧元，其使命是弥合data与商业影响之间的差距。.

• 霍贝卡指出，成功实现人工智能转型需要一个“紧迫的契机”, ，即一个明确的战略理由（“为什么？”），以此来调动资源、资金和人力。 像Les Mousquetaires（Intermarché）这样的公司将其用于提升生产力或制定定价策略，而LVMH则专注于打造精心策划的奢华体验，Unibail-Rodamco-Westfield（URW）则在充满挑战的市场中寻求新的收入来源。.
• 彻底革新客户体验（CX）： 随着“Gen-tic Commerce”（GenAI Commerce）和AI搜索的兴起，需要对资产进行优化以支持机器间交互。欧莱雅利用AI为20亿客户提供超个性化体验，这种规模是仅靠人力或传统自动化无法实现的。.
• 重塑核心运营： 人工智能正在消除人工操作，并优化总部、仓库和门店之间的交接流程。拉加代尔旅游零售（Lagardère Travel Retail）利用人工智能加快招标流程；乐华梅兰（Leroy Merlin）实现了价格调整的自动化；而保乐力加（Pernod Ricard）则通过“次优行动”建议，为分布在60个国家的5,000名销售代表提供支持。.
• 员工增员： 重点在于让工作变得更有乐趣。Les Mousquetaires 利用人工智能筛选数百份简历，而 Leroy Merlin 则赋能员工，使其能够解答复杂的技术问题。 成功的关键在于建立清晰的价值优先级框架（“钱在哪里？”）、简洁的data，以及通过与团队共同创造来预见实施过程中的挑战（如TF1所建议的那样）。.
• 人工智能的影响已从微乎其微转变为巨大。. 投资回报率（ROI）是不容置疑的，欧莱雅的首席信息官指出，每投资1欧元用于客户服务，就能节省60至70欧元。然而，尽管人工智能能够增强能力，但最终的差异化因素依然是人、他们的个性以及他们的技能。.

就影响力而言，人工智能过去只是象征性的。如今，它的影响正变得巨大……他[欧莱雅首席信息官]在客户服务上投入的每一欧元，都能节省大约60到70欧元。这是你能找到的回报率最高的投资之一。.

观看第replay场次

“北与南”大师班

借助人工智能构建零售业的未来

发言者 扬·勒·鲁恩，法国首席技术官
爱德华·雷努，法国零售与交通业务负责人
艾伦·费尔巴赫，联合创始人兼首席执行官

爱德华·雷努： 英伟达零售与交通业务负责人，专长于为欧莱雅、家乐福等大型集团加速人工智能工作负载。. 英伟达：一家全球领先的GPU和AI计算企业，年收入约为$60B，拥有超过29,000名员工，总部位于圣克拉拉。.

扬·勒·鲁恩: 联想法国公司首席技术官（CTO），负责统筹战略技术架构以及面向企业客户的“AI Innovators”生态系统。. 联想: 一家跨国科技公司，年收入为$62B，拥有77,000名员工，总部位于北京和莫里斯维尔，致力于“为所有人提供更智能的技术”。”

艾伦·费尔巴赫：Vidéotix公司首席执行官兼联合创始人，专精于基于人工智能的视频分析以及面向实体安防和零售客流的软件集成。. Vidéotix：一家专注于计算机视觉领域的法国软件开发商；最近被一家瑞士集团收购，旨在拓展360°零售客流统计和购物路径分析业务。.

NVIDIA 如何融入零售领域？您针对哪些具体应用场景提供解决方案？

爱德华·雷努: NVIDIA 提供的技术栈不仅限于 GPU，还包括 CPU/DPU 硬件以及用于计算机视觉的“Metropolis”框架。这使零售商能够利用现有的视频流，实现欺诈控制等高投资回报率的应用场景。 对于一家年营收100亿欧元的零售商而言，2%的库存损耗率意味着2亿欧元的损失；英伟达的解决方案可将这一损失减半，使基础设施投资回报期缩短至仅3至4个月。.

对于希望扩大人工智能应用规模的零售商而言，联想混合云优势能带来什么？

扬·勒·鲁恩：“联想混合云优势”使零售商能够针对具体应用场景“从小处着手”，并逐步扩展至数千家门店。它弥合了实验室与生产环境之间的鸿沟。美国克罗格公司（Kroger）便是重要的参考案例，该解决方案在数千家门店中实现了3个月的投资回报期。 该平台还包含一个由经过验证的初创企业组成的“AI 库”，以确保符合监管和技术要求。.

Vidéotix 是如何将现有的门店基础设施转化为 data 传感器的？

艾伦·费尔巴赫: Vidéotix 利用人工智能分析通常无人查看的 99% 监控录像。 通过将摄像头视为传感器，他们无需新增硬件即可构建人员计数和人流分析方案。这种“本地部署”模式确保敏感视频数据data绝不离开现场；仅将处理后的统计数据发送至总部用于决策。.

我们的解决方案包含‘联想AI库’，其中嵌入了专业的初创企业……以确保这些初创企业在部署前已通过技术验证并符合监管要求。.

观看第replay场次

零售业的人工智能代理：Back Market 欺诈检测代理的实际应用

发言者 奥雷利安·杰尔瓦西，人工智能高级工程经理
阿尔班·杜穆伊亚，产品增长

奥雷利安·杰尔瓦西： Back Market 公司专注于人工智能领域的资深工程经理，负责领导公司的 AI 转型和代理策略。. Back Market： 全球领先的翻新电子产品交易平台，总部位于巴黎，拥有700多名员工，总交易额（GMV）约20亿欧元以上。.

伯特兰·斯特凡： Dust 公司产品增长负责人，专注于扩展人工智能“操作系统”，以弥合大型语言模型（LLMs）与公司内部 data 之间的差距。. 灰尘： 一款专业的人工智能平台，可帮助企业构建定制化的、以行动为导向的智能助手，并将其与Slack、Notion和Jira等内部工具集成。.

Back Market 和零售行业面临的具体“物流欺诈”挑战是什么？

奥雷利安·杰尔瓦西： 物流欺诈占已发货商品的0.3%，导致交易总额（GMV）和收入出现重大流失。这包括“前端欺诈”（虚假声称未收到货物）和“退货欺诈”（篡改物流标签）。 此前曾尝试通过严格的手动核验来遏制这一现象，但引发了公众的强烈反响，这凸显了需要一种既能实现高安全性检测，又能确保无缝客户体验的解决方案。.

新的“欺诈协调器”代理是如何利用多代理架构的？

奥雷利安·杰尔瓦西: Back Market 实施了一个多代理系统，其中一个中央协调器负责协调专门的子代理：客户历史、事件跟踪、支付事件和对话模式。 通过利用大型语言模型（LLMs）分析非结构化文本，他们现在能够检测到职业诈骗者使用的“首条消息”模板——这是以往仅凭标准SQL或正则表达式无法完成的任务。.

Dust 平台是如何区分 AI“助手”和 AI“代理”的？

阿尔班·杜穆伊亚: 这一范式已从“助手”（被动型聊天机器人）转变为“代理”（主动型工作者）。 代理可接入内部知识库（Google Drive、Notion）和工具（Zendesk、Front），从而能够自主执行诸如起草回复、更改工单状态或触发警报等操作。.

能否演示一下部署一名专业零售支持专员的速度？

阿尔班·杜穆伊亚: 借助“Prompt Coach”智能代理，仅用三分钟就构建了一个功能齐全的客服机器人。通过将其与历史工单以及“Front”工单系统对接，该机器人能在客户发送首条消息后的几分钟内，自主分析退款请求、应用公司政策，并发送解决方案邮件。.

这清楚地说明了Dust如何让这些领域专家成为AI构建者；他们能够借助genai解决自身的问题，而无需依赖工程资源。.

观看第replay场次

借助 SAP 的“黑色星期五”和“网络星期一”准备计划，实现最佳性能

发言者 马诺杰·古普塔，商业与消费品行业支持部门负责人
罗汉·帕特尔，全球副总裁，支持业务负责人，支出管理部

马诺杰·古普塔： 作为SAP商业与消费行业支持部门负责人，他负责监督SAP零售生态系统的稳定性和性能，并专精于大型活动的准备工作。.

罗汉·帕特尔： 作为SAP的执行副总裁兼全球云服务支持负责人，他通过一份为期5年的战略路线图，致力于推动客户支持的数字化转型，该路线图重点聚焦于人工智能驱动的“代理式”解决方案。.

SAP： 一款专业的人工智能平台，可帮助企业构建定制化的、以行动为导向的智能助手，并将其与Slack、Notion和Jira等内部工具集成。.

能否描述一下在SAP支持框架内，人工智能实施的演变过程和历程？

罗汉·帕特尔： SAP五年前开启了这一征程，从专注于基础的data模式转向了复杂的“代理式”场景。 该战略已从简单的“零样本推理”演进为智能代理——这类代理虽然需要更深入的训练和data支持，但能提供更高的自主性。其目标是超越渐进式的效率提升，迈向“隐形人工智能”，即该技术能在后台无缝执行业务流程，且不会给用户带来任何操作障碍。.

在保障“黑色星期五”和“网络星期一”等零售旺季的顺利进行方面，人工智能发挥着什么具体作用？

马诺杰·古普塔: 对于零售商而言，这是一年中最重要的六天。我们提供一层“无形支持”，旨在实现100%的运行时间并确保零性能下降。 我们的自主代理会在活动开始前6至8周就开始运作，分析系统健康状况、事件历史记录，并支持data，从而生成一份预防性风险缓解报告。这有助于在技术及业务瓶颈影响实际活动之前就将其识别出来。.

在BFCM项目中，“代理式人工智能”和自主代理在技术层面上是如何运作的？

马诺杰·古普塔: 我们采用多款协同工作的智能代理。这些智能代理会监控客户租户，生成具体警报，并判断问题是可自主解决还是需要人工干预。如果智能代理根据历史数据（data）找到了解决方案，它便可直接回复客户，无需人工介入。 我们的运营规模庞大，去年支持了超过$12B的GMV，且零停机时间。.

SAP 是如何区分目前向客户提供的各种基于人工智能的支持层级的？

罗汉·帕特尔: 我们将支持服务划分为三大支柱：“隐形支持”，即自主运行以预防问题的发生；“赋能支持”，即利用人工智能为用户提供建议和丰富的自助服务 data；以及“辅助/加速支持”，即在需要人工介入时，致力于让用户与 SAP 专家的互动尽可能轻松便捷。.

“隐形人工智能”确实是我们所有人都在努力追求的目标……因为这正是我们最终在该行业所看到的真正价值。.

观看第replay场次

初创阶段

能在恰当时候提出恰当问题的AI代理

发言者 西里尔·莱因哈德，联合创始人兼首席执行官

西里尔·莱因哈德： 作为Zelinqa的联合创始人，西里尔·莱因哈德介绍了该公司在法国的首场公开展示，重点展示了一种对话式人工智能的新方法——该方法优先考虑有效提问而非即时回答，并融合了他自己在技术创业领域的专业经验。.

泽林卡： Zelinqa 是一家新兴初创公司，专注于开发擅长“人类提问智能”的人工智能代理，以解决对话式人工智能中的“信任危机”。 尽管这家初创企业尚未公布具体数据，但其使命是让人工智能通过战略性提问来引导对话，从而利用小型专用模型，减少交互次数、提供更高质量的解决方案并降低能耗。.

• “信任危机”： 由于对大型语言模型（LLM）的过度依赖，市场正面临一场“信任危机”——这些大型模型会出现显著的“幻觉”现象，在通用主题中高达20%，而在医疗和教育等专业领域则达到70-80%。 这一根本缺陷源于当前“先回答”的人工智能范式，与人类对话不同，该范式无法有效适应并倾听。.
• 该方法基于以下三项原则——小型、专业化模型： 呼应马文·明斯基在《心灵社会》一书中40年前提出的构想，该平台利用了多个在各自领域内具备专业知识且能够协作沟通的小型智能体。.
• 提问的力量： 其核心创新在于“最佳提问引擎”，该引擎由格勒诺布尔某大学实验室历经两年研发而成，使人工智能能够在特定领域内于恰当的时机提出恰当的问题。.
• 目标导向型对话： 该系统旨在根据特定的预定义目标（例如，医生的目标是找到最佳治疗方案）来引导对话，这使得引擎能够整合问答专业知识，并根据实时上下文在问题集群中找出最优问题。.
• 用例与指标的错觉： 试点客户 school.fair 使用了 Zelinqa 专攻职业指导的聊天机器人“Zelia”，该机器人经过了针对法国所有高中毕业后教育资源的训练。 Zelia 首先会提出问题以了解用户的限制条件，只有在充分确认条件后才会开始回答。这种“先提问”的策略减少了找到高质量、直截了当的解决方案所需的交互次数，从而在无形中节省了精力。.
• Question First AI： 该公司的理念是直接从“先答后问式AI”向“先问后答式AI”转型。这一转变带来了更高质量、更短耗时、更少交互，并且通过专注于中小型模型而非过度庞大的模型，在无形中降低了能耗。.
• 人类提问智能： 聚焦于“人类质询智能”，为医疗资质认证或专业职业指导等高风险、高质量的互动场景提供了极具说服力的应用案例——在这些场景中，准确性和可信度至关重要。.

如果你从未读过马里姆·明斯基的《心灵社会》一书，我建议你读一读这本书，因为如今我们经常谈论：MCP、代理、多代理……而40年前他就已经提出了这些观点。因此，这是我们正在运用的一个基本原理。.

超越RAG：从可信答案到实际商业行动

发言者 塞德里克·卡博内，联合创始人

塞德里克·卡博内： 塞德里克·卡博内（Cédric Carbone）是 Hymalaia 的联合创始人，该公司致力于构建“智能体工厂”，以连接各类企业 data 数据源，从而创建先进且以行动为导向的人工智能智能体。.

Hymalaia： Hymalaia 是一家专注于构建企业级智能代理的 AI 技术公司，致力于在智能代理内部实现 data 数据的互联。 虽然文字记录中未提及具体的营收和员工数量，但该公司的使命是：从海量且分散的 data 数据源（CRM、ERP、Notion、Mailbox）中，提供关于客户或主题的值得信赖的 360 度全景视图，以应对独立大型语言模型（LLMs）的不可靠性，并推动业务决策。 文字记录中未提及公司总部所在地。.

• “data爆炸事件”： 企业正面临data数据的爆发式增长，需要对“数百万份文档”进行索引；而仅靠大型语言模型（LLMs）无法满足企业对可靠性、可信度和相关性的要求，因此亟需采用检索增强生成（RAG）系统。 那种“非常容易”开发但实际部署时“无法正常运行”的简单基础RAG实现方案，因准确率低下而难以奏效，因此需要采用更先进的架构。
• 多遍索引： 为了提高搜索准确率并管理海量的data数据，Imalaya采用了一种多轮索引工作流，该工作流利用大块和微块对同一文档进行多次索引，从而同时捕捉宽泛的上下文和细微的细节，从而克服了传统块大小的难题。.
• 混合搜索与重新排序： 当用户的问题使用的术语（业务术语表、语言）与源文档不同时，标准的向量相似度搜索往往难以满足需求。 为解决这一问题，可在语义向量搜索中加入BM25关键词搜索（词汇搜索），生成多个搜索结果，随后对这些结果进行归一化处理、得分调整和重新排序，以确保选出最相关的公司内部文档。.
• 基于代理的多步查询： 对于涉及多个实体的复杂、大型问题（例如“关于BBC的所有信息”），单次查询无法成功。 解决方案是采用基于长图（Long Graph）架构的代理模式，该模式将主问题拆分为多个子问题（例如“痛点”、“部署的设备”、“需求”），并并行处理这些子问题，通过迭代提出子问题直至检索到足够的信息。 这种方法“更准确”，但响应时间较长（长达 3–4 分钟），演讲者认为为了获得一个好的答案，这是可以接受的。.
• MCP层： 其核心价值主张通过添加MCP（行动）层，超越了RAG（理解、精准、可追溯性）的范畴。 RAG 如同大脑，提供知识；而 MCP 则如同双手，执行实际的业务操作，例如在 Salesforce 中更新商机、发送电子邮件或更新 ERP 系统，从而打造出一个完整、复杂且以行动为导向的企业智能代理。 .

与其10秒内给出一个糟糕的答案，不如稍等片刻，给出一个好的答案。.

人工智能时代的高端客户服务：乐蓬马歇的案例分析

发言者 大卫·马丁，客户IT部门负责人
伯特兰·斯特凡，联合创始人兼首席执行官

大卫·马丁： 大卫·马丁隶属于LVMH技术部门，负责统筹LVMH集团的客户解决方案，包括营销活动、客户对接及客户服务。. LVMH： LVMH是全球领先的奢侈品集团，旗下拥有75家品牌，包括Le Bon Marché，并始终将以客户为中心的创新作为首要任务。.

伯特兰·斯特凡： 他是Alcmeon的创始人兼首席执行官，该公司是一家成立于2011年的对话式客户关系平台。. 阿尔克梅翁： Alcmeon 是一个企业级对话平台，已对接 15 多个数字渠道以及 Salesforce 等主流 CRM 系统，深受 LVMH 以及欧洲及其他地区各大零售商的信赖。.

您能介绍一下乐蓬马歇的历史和创新精神吗？

大卫·马丁： 乐蓬马歇（Le Bon Marché）由阿里斯蒂德和玛格丽特·布西科于1852年创立，一直以来都是零售创新的先驱。早在法国将这些制度写入法律之前，他们就率先为员工实施了利润分享和带薪休假制度。 对于顾客而言，他们推出了固定定价和商品退换等革命性理念，奠定了前瞻性服务的基因，这一传统一直延续至今。.

在社交媒体上开展客户服务时，您主要面临哪些挑战？

大卫·马丁： 第一个挑战在于规模；尽管Instagram和Google评论上的请求量很大，但我们需要确保每一位客户的声音都能被听到。与其他行业不同，我们并不想“回避”客户的联系；我们希望与客户沟通，从而建立联系。 第二个挑战是守护我们的“DNA”——那种独特而高端的品牌语言和语气，正是它将奢侈品牌与普通零售商区分开来。我们必须避免使用机械化、千篇一律的语气。.

对于理财顾问而言，AI助手解决方案究竟是如何运作的？

伯特兰·斯特凡： 我们在Alcmeon的处理页面中集成了一款AI助手。当顾问收到一条评论时——例如，一条写着“Magnifique”的Instagram帖子——他们可以点击一个黑色的“AI助手”按钮。随后，AI会生成一条优雅且不落俗套的回复建议，而不仅仅是简单的“谢谢”。 顾问在发送前会审核、确认或编辑该文本。这是一个“人机协同”系统，旨在增强顾问的工作能力，而非取代顾问。.

在采用率和性能方面，有哪些关键成果？

• 大卫·马丁： 我们看到该系统的采用率非常高，而顾问修改的消息数量却很少，这证明人工智能抓住了正确的语气。.
• 贝尔特兰·斯特凡: 一个显著的副作用是，现在每位客户都能收到回复。此前，团队不得不对问题进行优先级排序，因此经常忽略正面评价。如今，节省下来的时间使他们能够回复每一位客户，这对搜索引擎优化（SEO）和品牌知名度都产生了积极影响。.

与各行各业常见的许多客户服务不同，我们并不试图回避客户的联系。我们希望与客户沟通，以此建立联系。.