在北京的一个寻常夜晚，物美超市的生鲜区展现了一幅不同寻常的景象。晚上八时，不再是店员忙碌地为蔬菜贴上折扣标签，而是由先进的AI系统自动为货架上的商品定价。西红柿享受着7折的优惠，菠菜则维持原价，而鳕鱼段以8折的吸引力静待顾客挑选。
AI技术不仅限于动态定价，它已全面渗透到零售运营的各个层面。近日，在虎嗅智库第51期502线上同行活动中，多点数智AI产品专家宋楠，结合其在零售门店和供应链中的实践经验，从物美超市的动态定价案例入手，详细分享了AI在补货、清仓、门店管理等零售运营环节的具体应用、面临的挑战以及应对策略，内容涵盖项目执行路径、常见问题与解决方案、组织配套机制等多个维度。
面对零售业长期存在的清仓难题，宋楠指出，不同品类和业态的清仓逻辑各异。例如，叶菜类商品因新鲜度要求高，需提前打折；而耐储品则要结合促销节点进行批量清仓。超市业态因全品类协同，流程复杂；便利店则因空间有限，更注重快消品的清仓。生鲜商品的清仓尤为棘手，因其保质期短、损耗率高，传统的人工清仓判断往往依赖经验，采取“一刀切”的打折方式，如晚上统一五折。这种做法不仅损害了毛利，难以实现精细化管理，而且整个流程繁琐低效，从巡店、审批到打印、贴标均需人工操作。
尽管复杂，但生鲜清仓却成为AI的理想试验田。作为“日清”场景，生鲜品类高频且刚需，加之已有POS、库存、会员等体系积累的大量数据，使得生鲜清仓成为AI发挥效用的理想场景。尽管毛利较低，但只要流程有所优化，效果立竿见影。“AI可应用的场景众多，但找到切入点至关重要，必须从小处着手，贪大求全反而难以落地，清仓就是这样一个虽小却极具价值的切入点。”宋楠强调。
一年多前，多点数智与物美超市携手落地AI动态清仓体系。该体系基于历史销量、实时库存、保质期和销售速率，结合行业经验，由AI模型自动计算不同商品的最优折扣，实时生成促销单并同步至门店执行。起初，该体系在肉品、叶菜、净膛鱼等日清商品及高客流门店进行试点，通过数据验证效果。随后，逐步扩大试点范围，收集反馈，优化方案，最终实现全面推广，目前已覆盖285家门店，并实现实时数据跟踪。
借助AI动态清仓体系，原本繁琐的清仓流程大大简化，仅剩“堆头摆放”需人工干预。员工得以从贴标签等简单重复的工作中解脱，专注于服务顾客和优化陈列等更高价值的工作。宋楠透露，目前AI的“误判率”控制在极低的水平，试点门店的整体损耗率下降了超过三成。
在AI技术成功落地零售场景的过程中，数据是基础，人的作用同样关键。宋楠结合过往服务项目，总结了AI在零售场景落地的几个关键要素：首先，数据是AI的基石，干净的数据是AI避免“误判”的前提。AI通过原始数据理解，相比传统算法依赖人工清洗，能更有效地识别异常数据和行业知识，降低了数据准备成本。其次，要正确理解AI的边界，避免神化AI。AI的优势在于不仅能理解业务数据，还能理解行业知识，但只有选对场景，才能实现效率的大幅提升。再者，AI的落地需要打破现有的标准操作流程（SOP），以模型为中心重构流程，让AI分担重复性工作。最后，AI项目的成功落地离不开业务团队的高度参与。只有将行业知识充分融入AI，模型才能真正理解业务逻辑。同时，AI落地后，团队需从“人执行”转向“人监督AI+AI执行”，组织架构也需相应调整。
在线上活动的QA环节，听众的问题直击业务细节中的落地难点。例如，对于短保商品的动态清仓如何落地，宋楠建议以先进先出为假设，结合库存、销售等数据，让AI每30分钟更新一次折扣策略，并通过模型持续学习校正。对于图片类多模态数据的解析和分类处理，宋楠指出，目前多模态模型的稳定性仍待提升，但在简单二分类场景，如货架缺货巡检中，已有落地应用。对于爆品和新品的补货决策，AI可通过引入外部热度数据和门店实时反馈，结合关联品类销量，进行短期销量预测，为补货模型提供决策参考。
