內卷的新消費時代，服務正在延展著商業運營力的邊界，以踐行長期主義的商業內生力，助力商業在激烈的競爭中脫穎而出。

4月25日至26日，由萬商俱樂部與聯商網聯合主辦的第四屆商業服務年度論壇暨好服務思享研討會在秦皇島阿那亞舉行。活動融合了企業高管分享、行業專家解讀、觀點研討、實地探訪的“理念與實踐結合”的方式，吸引了阿那亞研究院、杭州大廈、華潤萬象生活、悅商科技、HIGH創、蜜糖國樂園、砂之船、夢潔集團、西安老城根GPARK、步步高商管、招商商管、太古地產、百聯股份、萬達商管、天虹、北京世紀金源、英格卡、旭輝商業、融創商業、騰訊、周大福等企業深度參與。

在4月26日的商業服務年度論壇上，悅商科技的CEO吳弼川做了《AI自動化-接管運營服務的月之暗面》的主題分享。他認為：“未來，我們稱之為月之暗面的部分都應該交給AI來處理。”而管理崗應當更多的轉型為業務崗，人應該去創造價值，處理業務。

吳弼川首先指出，商業運營團隊規模在逐漸減少，未來可能還將繼續縮減。面對這樣的趨勢，商家如何更好地服務商戶，成為運營方首要考慮的問題。他強調，在AI技術的助力下，運營方能夠更高效、精準地滿足商戶需求，從而提升整體運營效率。

吳弼川還分享了公司在AI自動化運營領域的實踐經驗。他表示，公司最初并未預料到AI技術的效果會如此顯著，實際應用中的效果遠超預期。他進一步指出，AI在服務的“暗面”——即那些繁瑣、重復且易被忽視的工作——中發揮著巨大作用。未來，這些被AI處理的工作將如同“月之暗面”一樣，隱藏在高效的商業運營背后。

此外，吳弼川還詳細闡述了AI在提升運營效率方面的具體表現。他提到，以往需要團隊耗費數天甚至一周時間完成的工作，現在通過AI技術，僅需一個小時即可完成。這種效率的提升不僅減少了人力成本，還使得商業運營更加及時、精準。

更令人矚目的是，吳弼川還透露了AI在預測方面的應用。他表示，通過不斷的學習和優化，AI不僅能夠處理欠費等問題，還能夠預測未來三個月內店鋪可能出現的問題或風險。這種預測能力為商業運營提供了有力的數據支持，使得商家能夠提前應對潛在風險，確保商業運營的穩定性和可持續性。

最后，吳弼川強調了人在商業運營中的角色轉變。他認為，隨著AI技術的普及和應用，管理崗將更多地轉型為業務崗，人應該更多地去創造價值、處理業務，而機器則負責處理那些繁瑣、重復的工作。這種人與機器的協同合作，將推動商業運營邁向更高的效率和質量。

吳弼川的分享為商業地產行業帶來了新的思考和啟示。隨著AI技術的不斷發展和應用，商業運營將迎來更加智能化、高效化的新時代。未來，我們有理由相信，AI將在商業運營領域發揮更加重要的作用，為商業地產創造更大的價值。

悅商科技的CEO吳弼川

以下為演講全文（經聯商網編輯）：

歡迎大家回來，我們很高興能夠來萬商俱樂部服務論壇進行交流，我們是萬商老朋友了，創業八年多，在萬商社群中也待了八年多。

我們大概是全場唯一一個科技公司吧。很多人可能有兩個疑問：第一個，科技公司跑服務論壇上干什么？是不是跑錯片場了？第二個，這個題目“月之暗面”是什么意思？我來回答一下。

這八年來，我們一直有一個基本想法，就是技術這個東西對業務要有用，要不然干脆別用了。我們來這里有一個基本的觀點：我自己是CPM，在商業運營當中服務的重要性大概是第一位吧。我們說的是商業運營，商業和零售是完全不同的，對商業來說定義服務和零售肯定不一樣。

大家回去看看自己的合同，你最重要那一份合同就是租賃合同，現在時代這么內卷，我們覺得未來一個商業公司怎么理解租賃合同上的服務義務，肯定會拉開很大差距的。不夸張的說，今天在平均線上把租賃當成服務的公司鳳毛麟角。我是收租的，你做的不好，我趕你走換一個，這是大部分從業者今天的基本狀態。

我覺得萬商辦這個活動很好，大家到這里來參觀阿那亞，來討論胖東來，來學習華潤、大悅城、杭州大廈，學習這些做得好的頭部玩家做了什么，這是很好的。

因為服務對象是商戶（對于營運來說），商業運營團隊人很少的，以后可能會更少，應對消費者大概率未來還是商家的事情，所以作為運營方怎么把商戶服務好，也許是第一個要考慮的問題。

好的服務需要警惕兩個問題

這里我有兩點要提醒大家一下，說到好的服務，大家都很開心，像十五的月亮在星空中特別閃亮，但是好的服務有兩個問題要警惕：

第一，服務是有成本的，而且服務成本更高。對于一個組織來說，短期或者中期內，對成本的耐受力是恒定的，不太可能有很大的變化，除非你的冗余資源實在太多了，那你其實也不用探討服務問題了。如果這個時候你需要在一個地方增加服務投入，其他地方成本資源肯定要抽走的。這個資源抽取沒有那么簡單的，不只是錢那么簡單，還有人、資源、時間、關注、組織架構、企業文化等等。你想增加一塊投入就會影響另一塊東西，這是第一點。

第二，事物都有兩面性，你看到了月亮亮的一面，就要想到還有暗的一面，尤其是面對商戶的服務有你好我好的地方，平時相安無事。但是矛盾并非沒有，尤其是在商業運營當中和商鋪之間的矛盾。

但很少看到有人探討這個問題。其實這是一個高頻次問題，隨便一個成規模的商業公司都有大量的存量線欠款會放著，天天都在發生各種膠條，違約，撤鋪，談判，博弈，這是很常見的事情。但為什么沒人探討呢？我們想應該有兩個原因吧：

第一個原因，收拾爛攤子的事誰都不想做。第二個原因，這些事情平時大部分扔給營運的末端去做了。前面的市場企劃和營銷會員部分不太關注這個事情。但是這不妨礙矛盾處置部分吃掉你40-50%的成本。團隊中那么多人，有四成的人就是為了應對矛盾和處置這些問題而存在的，那為什么不重視一點呢？

我隨便舉三個場景：續約的時候談價格問題，怎么續約問題，周期問題，欠費了怎么辦？這是很復雜的問題，多方的博弈——總部和項目，項目和公司，營運方和商戶，商戶和商戶。這個問題博弈多了，平時運維該不該修，能不能修，能不能幫他，要他參加什么，你愿意為他付多少成本？愿意為他投入多少呢？這里的矛盾處置問題難度特別大。

我們認為這個難度遠遠超過面對消費者的矛盾處置。面對消費者總體上是有一個規范可循的，讓一個消費者滿足或者解決他的難題和痛苦沒有那么難，有一個客訴中心總是能解決問題的，但是面對商戶的時候矛盾處置有那么簡單嗎？這是很痛苦的事情，做營運的人應該都感同身受的。

我們想這塊成本那么大，痛苦那么大，那它是不是特別值得去折騰的一個領域？我們去年得到了寶龍德力總（寶龍集團聯席總裁陳德力）的支持，他對這個事情蠻重視的，他一直覺得提升競爭力一定要從直接提升數字化開始，而不是虛的部分，想辦法從底層開始。

另外，我們找了騰訊的團隊，因為這里要用到AI，你不可能靠給一個軟件，讓本來已經很痛苦的團隊再增加負擔了。給軟件，做工具都沒有太多的效果，只剩下AI了，所以我們找騰訊其中一個匹配的AI團隊幫我們（騰訊安全團隊）。

因為AI工具有一個特點，做成一個場景，所有場景都能做。我只要能解決其中一個，我就能解決內控80%的場景，邏輯是相通的，所以今天我只解釋一個場景：如何讓AI像人一樣去處理欠費？

“像人一樣”這幾個字難度特別特別大的，這就是為什么要用到AI的地方，這是軟件和傳統數字工具完全派不上用場的地方。

AI自動化運營，在月之暗面賦能

我們先說第一步，任何團隊或者公司想做AI的時候切忌第一步要從數據開始，沒有數據的AI等于是瘸腿、沒有意義的東西。我們單為這件事情向前整理了五年的數據，這里有兩個難度很大，第一個你得選出要什么數據，我們列出了四塊：空間的數據，業務場景的數據，內控流程（包括財務），員工的數據。

平時他花多少時間處理一個事情，花多少時間去閉環哪一件事，平時業績怎么樣，考核怎么樣，這些都是數據，我們把人的數據作為特別重要的一塊放在里面。因為我們想讓這個東西像人一樣處理，它就得學習人。

這些數據當中不含會員，不含C端，不含消費，因為它對我們這塊分析沒什么用處，不要把無關的數據包進去。

這么一點數據有3億條，清洗過程大概花了半年時間，像寶龍的數據，90個項目分布在不同的省份，地理上，時間上，階段上，狀態上，產品水平，管理階段都不一樣，中間還跨了2022和2023年疫情階段，我要讓系統去理解這兩個階段數據變化是怎么回事，這個過程花了很長時間。

洗完了數據才有用，今天平均線上是什么水平。我們之前大概了解過，好多公司連自己系統當中，品牌經銷商和代理商到最終落地商鋪之間什么關系都不一定全部串起來。這是第一步，合格的數據質量。

第二步，我們找騰訊團隊來，為什么找他們呢？他們是做金融征信的，而且做了很多年，很擅長。他們是可學習的邏輯模型，不是大語言算法。

對于這個算法訓練模型，我們有五年數據，把時間倒回到某一個月，比如說2022年1月份，在那個點上假設未來數據都不知道，在那個地方對一件事做一個預測，向后退三個月，在2022年4月份核對一下當時的歷史數據對不對，對得上模型過關，對不上重來。

我們可以在歷史數據當中做無數次循環，不需要跟業務團隊交流。沒必要，我們研究是你們五年歷史，我們不需要研究你們當前什么想法，歷史是客觀的，想法是主觀的，我們需要做的是客觀的。大概訓練半年到一年時間，今年初把它推上線。

第三步，怎么設計需求，怎么精確描述這個需求？最后我們畫了一個很簡單的流程圖，所有管理動作都交給AI。人在整個業務當中做兩件事，一是做決定，同不同意，好不好。二是去行動一下，你做了決定把它閉環掉，因為這兩件事是不可能被取代的，我們也不打算取代，人面對人的部分是不可能被取代的。

其實，我們跟寶龍業務團隊說二、三月份上線，實際上在去年年底就悄悄開始跑了，我們先跑出實驗結果跟他們進行對比，一步一步修正模型，最后覺得差不多了才上線。

這個過程當中有一個我們把稱之為AI風控官的東西。對寶龍是這樣看的，7×24小時，按照T+1數據更新，盯到每一個部位和點，它是以鋪位點為單位，不是以項目為單位，每天晚上12點到0點更新一次數據，每天晚上花3個小時做一件事，從你能想到的所有方面做一次分析，反正沒成本的，有電費就可以了。

以往，我們需要放出一個團隊或者營運團隊在那里折騰兩三天甚至一周的時間，它在這里大概1個小時結束。你是一周做一次，它是一個小時做一次。

我們現在相當于擁有大概1萬人運維團隊在盯這些風險，整個過程中不管是總部，還是項目公司團隊都看不到報表，AI幫你看完，給你結論，現在人要看的是結論，所以大部分用戶現在會看到這樣一個結果，它會直接面對流程解決，不再有繁瑣的菜單，分析界面也沒有了，用不著了，因為你看到結論了。

上線那一天，站在業務團隊視角，流程還是這么多流程，但是有一個小小的變化，所有流程都不是由人發起的。在欠費流程中，大概有九個可能發起流程的節點，沒有一個節點需要由人來發起，最極端的一直到給律所提供訴訟材料這一步都不需要有人參與。

我們是這樣設計的，比如說欠費特別不舒服那一環，要打官司，要訴訟，要要錢，打官司的速度是最重要的。你什么時候提供訴訟？能不能縮短兩三個月訴訟周期？這對最后能不能回收這個錢是致命性影響。出三個月訴訟你贏了也拿不回來了，所以我們覺得提供訴訟材料就必須T+1，他欠費的當天訴訟材料就要成立，這個難度其實也不大。我們讓系統這么干，所有的商家100%準備，無區別對待。有任何一個商戶只要開啟了，系統就在準備訴訟材料，反正這個過程不需要消耗人力，沒有成本的。

如果我跟哪個商家真的走到這一步，1個小時律師就會收到材料，中間沒有人參與，所有這些流程由AI來發起，也由AI來盯著完成，這里就涉及到為什么用到復雜模型地方了，以前有些ERP或者軟件公司試圖用這種方法做自動管理，最后結果不盡如人意，因為現場服務和管理是很復雜的。

現在我們讓AI解決這個問題。就像這個案例，一個欠了費的商戶，系統說，估計未來一個月他也還不清，有一定可能性，你等他一個月他也不會還的。根據歷史經驗，大概率他未來就是還不起。但是我們也不能排除說，這個商鋪老板跟這個項目總是老朋友，去打個電話，喝個酒，也許就解決問題了。所以項目總或者項目上有授權的人可以終止這個過程，但這個等式有代價的，也是有限制的。

讓前20%的人來做大部分決定

我剛才說了，我們有第四塊數據，我們有人，每一個有決定權的人都有信用分，這個信用分來源有很多面，你平時的業績，你在公司的資歷，你曾經從事的崗位，你在過去作出各種決定的正確率高多高。信用分是允許突破規則的，突破所謂的硬性制度。

如果一個人總是做出錯誤的決定，系統就會說，不好意思，這一次這個按鈕都不給你，你還是聽從概率吧。如果一個負責人總是能做出正確的決定，甚至能扭轉我的決定，他就可以超越，這個過程完全是自動化的，整個調整過程是自動化的。

一旦有一個總經理完成這件事以后，系統要做第二件事，我們開始學習他為什么做這個決定？所有關鍵的優秀的人做決定的方式都會成為模型的學習對象，差不多每周每個月歸納一次。接下來他們做決定的方式就是系統新的基準，我下一次判斷就用他的判斷了，不是用以前的判斷。

這里無形中帶來一個效果，我們對風險控制的底線是在不停提高的，迫使整個組織的風險控制底線不停向前20%總經理的水平集中。

換個角度，本來一個組織如果在未來想要生存的好，就應該讓前20%人來做大部分決定，只是以前不太好判斷這20%的人做決定過程OK不OK。現在我們把它判斷出來，這是一個公平的過程，優秀的人應該改變制度，而其他人聽從由他們制定的規則。

未來的組織是一個動態的規則，并不是說綜合管理部或者總部幾個管培生寫出一套制度就要照著做了，這種脫離現實的制度會被業務改進。

通過不斷的學習，不只是可以用來處理欠費，實際上可以用它用來處理所有的東西，你既要能處理當下，又能用來預測，我們甚至用它來預測三個月之內有可能掉鋪，欠費或者發生問題的概率。用它來預測續約的時候，這個租戶接受租金哪一個層面的概率有多高。我們用它來判斷哪個商戶的銷售額在他的體系當中是偏低還是偏高，存在什么問題。

我們現在能夠覆蓋的風險場景，大概是我們想象場景當中百分之二三十，但邏輯上是百分之百。

大家可以回顧一下整個過程，被AI取代掉的這部分本來就不需要有人來參與，而需要有人做決定的部分，我們一點都沒碰。所以我說需求這一步特別難，你要精確的選出不要干涉人的那部分和不需要人的那一部分，而不是簡單的一刀切，做出一個東西來取代人。

我們當時做這個東西的時候，一開始也沒有想到說它的效果比想象的覆蓋這么大，現在效果比原來想象的要好很多。我們認為這樣一個東西有可能在服務的暗面。未來，我們稱之為月之暗面的部分都應該交給AI來處理。

管理崗更多的轉型為業務崗，人應該去創造價值，處理業務，人面對人，機器面對機器，不要把這個搞錯了。我看有的公司試圖用機器去面對人，這在我們看來是一個很不好的趨勢，也不太會成功的趨勢。幾年前有無人酒店出現過，你敢住嗎？同樣無人售貨架現在也差不多銷聲匿跡了。

人是喜歡面對人的，人不喜歡面對機器。為什么大語言模型或者Chat GPT大家會喜歡？唯一的原因是因為它像人，既然我們團隊和員工就能把事情做好，還折騰那么多干嘛？讓他們去把業務做好，讓后面這些事用AI來做，協助他們，把他們解放出去，不是取代他們。

最后是促進人，我們后來看到一個趨勢，這是之前沒有想過的，整個組織的管理水平會無限制向前20%靠進。均線以下的人必須按均線以上的人規則做事，大家必須向上學習，不停的向上學習，而且這個過程是不可逆的。新的規則一旦定下來，后面的人很難復寫的，模型是不斷地向前迭代，它不會被淘汰。

這是我今天的分享內容，謝謝大家。