本文来自微信公众号： 新经销 ，作者：任文青
最近和行业里几位朋友聊AI落地，大家提到过一个很相似的情况：公司内部讨论过一些围绕业务团队的AI项目，方向并不复杂，大概是希望把一线动作、过程数据和管理反馈结合起来，让AI帮助管理者发现问题，也帮助员工改进动作。
从业务逻辑看，这类事情是成立的。技术上也不是完全做不到。
但项目往前推进的时候，很容易卡住。
不是卡在模型能力，也不是卡在供应商方案，而是卡在数据和责任边界上。
一线数据到底怎么采集？采集到什么程度算合适？哪些数据可以进入系统，哪些数据不能随便动？如果涉及客户、门店、销售过程、员工表现，哪些算敏感信息？这些数据能不能进入外部平台？出了问题谁来判断，谁来负责？
这些问题一出来，事情就慢下来了。
后来我发现，很多企业推AI都会遇到一个相似的问题：最难的不是做方案，而是说不清楚这件事到底该由谁负责。
这句话，其实是很多企业的真实处境。
落差
为了搞清楚快消行业AI落地的真实情况，最近一段时间，我们陆续和一些品牌的朋友聊过。从总裁到一线城市经理，层级不同，但有一件事很一致：大家对AI的重视程度，都比我预想的高。
有一位企业的副总裁说，AI在他们公司是战略级的。“不只是短期的个人效率提升，是整个公司运营未来会大量借助AI，把很多岗位重构。”他是认真的。
但在同一个行业，另一家企业的城市经理告诉我，他们SFA系统加了一个AI拍照模块，用来识别货架陈列、价格和分销信息。他说：“还有些不稳定。”系统识别完，没有给出什么具体建议。
数据导出来之后，还是要靠他自己逐条看、逐条分析。他又补了一句：“就是最低端的功能，其实没有帮我们生成什么有效建议，还是完全依赖我们自己个人的经验判断。”
我听完之后，停了一下。
一边是总部谈AI战略，一边是一线等系统把货架识别准。这不是两个世界。很多快消企业内部，本来就同时存在这两种状态。
高层已经意识到AI会改变组织，基层还在等一个功能稳定下来。中间那段真正决定成败的东西，反而没有被认真处理。
这个落差，才是快消企业AI落地的真实现状。不是大家不重视。是重视停在了嘴上，停在了PPT里，停在了战略会议室里，没有落进真实的业务动作里。
我一开始以为这是执行问题。后来发现不是。
个人用AI，是技能问题；企业用AI，是组织问题。
这两件事，难度完全不在一个层面。
结构
一个人决定用AI，他需要克服的，主要是自己的习惯。他愿意改，今天就能开始。
写文案、做表格、查资料、做方案，先用起来，慢慢就能看到变化。没有别人需要说服，没有利益需要协调，也没有流程需要重写。
企业不是这样运转的。
企业是一群人在一套结构里工作。这套结构不是随机形成的，它是过去很多年里，大家反复博弈、磨合、妥协之后沉淀下来的。
每个人在这套结构里都有自己的位置，有自己的职责，有自己的信息，有自己的边界，也有自己默认的安全区。
AI进来之后，要改的不是某一个人的使用习惯，而是这套结构。
而结构，是不会自己改的。
快消行业尤其明显。这个行业的运营高度依赖一线动作：拜访、铺货、陈列、价格、促销、经销商协同、终端反馈。大量信息都在一线，但决策又在总部。过去，这中间靠层层汇报和经验判断连接起来。城市经理知道自己的市场，大区经理判断区域情况，总部根据报表和反馈做策略调整。
这套系统不一定高效，但它运行了很多年。
AI一旦介入，最先碰到的就是这条链路：一线数据能不能真实回来？回来之后谁来解释？解释之后谁来改动作？改动作之后，原来的岗位价值怎么重新算？
所以，快消企业推AI，不会只是多一个工具。
它迟早会碰到原来那套渠道管理和销售管理结构。
信息
这件事落到业务现场，通常会变成三类摩擦。
第一类，是信息的位置变了。
过去，一个城市经理的价值，有相当一部分来自于他掌握的信息。哪个区域最近有问题，哪个经销商靠不住，某个终端上周状态不对——这些东西，他知道，总部不知道。他整理这些信息，向上汇报，向下传达。
信息经过他，他就有了不可替代性。
AI介入之后，系统可以直接从一线数据里读取这些信息，生成分析，再推送给大区总监，甚至直接进入总部看板。这个动作，某种程度上绕过了他。
他嘴上可能会说，AI辅助决策，我们管理更科学了。但他心里也会有另一个问题：以前我说“这个市场比较特殊”，总部可能会接受。现在数据直接摆出来，我怎么解释？
这不是他一个人的问题。这是企业里每一个靠信息差、经验差、判断差建立位置的人，都会面对的问题。
数据
第二类，是数据的边界变了。
AI要发挥价值，前提是数据能被它使用。
但很多企业并不是真的缺数据。销售有SFA，渠道有DMS，财务有ERP，会员有CRM，总部也能看到很多指标。
问题在于，这些数据未必适合AI使用。
系统里的数据，很多是为报表、考核和流程追踪设计的，能说明动作有没有发生，但未必能说明问题为什么发生。
更接近真实业务的信息，往往还在区域团队的Excel里、销售和经销商的沟通里、会议复盘里，甚至在某个城市经理的经验判断里，没有被结构化沉淀。
即便数据有了也不等于AI可以直接用。哪些数据可以进入模型？哪些需要脱敏？哪些不能出企业内网？谁来授权，谁来负责？这些问题都要重新定义。
所以，企业AI卡在数据上，不只是“数据打不通”，而是数据从“管理资产”变成“智能资产”之后，采集方式、使用边界和责任归属都要重来一遍。
这不是IT部门单独能解决的事。很多企业讲数据中台、AI中台，但如果真实业务数据没有被结构化，系统数据又不能被安全合规地调用，AI就只能停在演示层面。
经验
第三类，是经验的权威变了。
很多中层管理者建立权威的方式，是经验。他做了十年销售，跑过很多市场，处理过很多经销商问题，知道这个行业的水深水浅。他的判断被反复证明过。这是他在组织里很重要的资产。
但AI介入之后，系统会给出另一套判断。某个促销动作，数据说过去三个月转化并不好。某个城市，看起来销量稳定，但终端动销其实在变慢。甚至某个老销售一直在用的打法，系统跑出来成功率只有三成。
这时候，那个靠经验建立权威的人，是接受这个反馈，还是先否定这个系统？
这不是一道智力题。很多时候，这是一道面子题，也是一道权力题。
企业内部有大量管理动作，不是靠制度文件推进的，而是靠人的经验、资历和默认权威推进的。AI一旦开始给出判断，就会和这些东西发生碰撞。
AI真正进入组织之后，不只是替人干活。它会重新检验很多人的判断。
重构
所以企业AI最难的地方，不是技术选型，不是工具部署，甚至不是预算。
真正难的是：AI进来之后，权力怎么重新分配？流程怎么重新设计？岗位价值怎么重新定义？
这些问题，不在数字化部门的职责里，也不在业务部门的职责里。它夹在组织中间。谁都知道重要，但谁也不一定有足够的权力把它推到底。
于是很多企业就出现了一个很典型的状态：总部讲战略，一线试功能。高层讲重构，基层等系统稳定。老板说要拥抱AI，部门之间还在讨论数据能不能给。
中间那段真正决定成败的组织改造，反而没人处理。
它不是没有工具。它是没有进入结构。
这也是为什么很多企业的AI，最后只能活在PPT里的原因。
现场
那你说这道题怎么解？
我没有标准答案。
每家公司的组织结构不一样，历史包袱不一样，推动者的位置不一样，一把手的决心也不一样。这件事很难有一套通用解法。
但有一件事我是确定的：这个问题值得被认真讨论。
不是继续停留在“AI很重要”的层面——这一点今天已经不用反复讲了。更值得聊的，是真正开始推的时候，那些绕不过去的具体问题，到底有没有人处理过，怎么处理的。
这也是我们做这次AI Forum的出发点。
5月27-28日，杭州，2026中国快消品大会AI应用论坛。
如果你所在的企业正在推AI，或者准备认真推，欢迎来。