内卷的新消费时代，服务正在延展着商业运营力的边界，以践行长期主义的商业内生力，助力商业在激烈的竞争中脱颖而出。

4月25日至26日，由万商俱乐部与联商网联合主办的第四届商业服务年度论坛暨好服务思享研讨会在秦皇岛阿那亚举行。活动融合了企业高管分享、行业专家解读、观点研讨、实地探访的“理念与实践结合”的方式，吸引了阿那亚研究院、杭州大厦、华润万象生活、悦商科技、HIGH创、蜜糖国乐园、砂之船、梦洁集团、西安老城根GPARK、步步高商管、招商商管、太古地产、百联股份、万达商管、天虹、北京世纪金源、英格卡、旭辉商业、融创商业、腾讯、周大福等企业深度参与。

在4月26日的商业服务年度论坛上，悦商科技的CEO吴弼川做了《AI自动化-接管运营服务的月之暗面》的主题分享。他认为：“未来，我们称之为月之暗面的部分都应该交给AI来处理。”而管理岗应当更多的转型为业务岗，人应该去创造价值，处理业务。

吴弼川首先指出，商业运营团队规模在逐渐减少，未来可能还将继续缩减。面对这样的趋势，商家如何更好地服务商户，成为运营方首要考虑的问题。他强调，在AI技术的助力下，运营方能够更高效、精准地满足商户需求，从而提升整体运营效率。

吴弼川还分享了公司在AI自动化运营领域的实践经验。他表示，公司最初并未预料到AI技术的效果会如此显著，实际应用中的效果远超预期。他进一步指出，AI在服务的“暗面”——即那些繁琐、重复且易被忽视的工作——中发挥着巨大作用。未来，这些被AI处理的工作将如同“月之暗面”一样，隐藏在高效的商业运营背后。

此外，吴弼川还详细阐述了AI在提升运营效率方面的具体表现。他提到，以往需要团队耗费数天甚至一周时间完成的工作，现在通过AI技术，仅需一个小时即可完成。这种效率的提升不仅减少了人力成本，还使得商业运营更加及时、精准。

更令人瞩目的是，吴弼川还透露了AI在预测方面的应用。他表示，通过不断的学习和优化，AI不仅能够处理欠费等问题，还能够预测未来三个月内店铺可能出现的问题或风险。这种预测能力为商业运营提供了有力的数据支持，使得商家能够提前应对潜在风险，确保商业运营的稳定性和可持续性。

最后，吴弼川强调了人在商业运营中的角色转变。他认为，随着AI技术的普及和应用，管理岗将更多地转型为业务岗，人应该更多地去创造价值、处理业务，而机器则负责处理那些繁琐、重复的工作。这种人与机器的协同合作，将推动商业运营迈向更高的效率和质量。

吴弼川的分享为商业地产行业带来了新的思考和启示。随着AI技术的不断发展和应用，商业运营将迎来更加智能化、高效化的新时代。未来，我们有理由相信，AI将在商业运营领域发挥更加重要的作用，为商业地产创造更大的价值。

悦商科技的CEO吴弼川

以下为演讲全文（经联商网编辑）：

欢迎大家回来，我们很高兴能够来万商俱乐部服务论坛进行交流，我们是万商老朋友了，创业八年多，在万商社群中也待了八年多。

我们大概是全场唯一一个科技公司吧。很多人可能有两个疑问：第一个，科技公司跑服务论坛上干什么？是不是跑错片场了？第二个，这个题目“月之暗面”是什么意思？我来回答一下。

这八年来，我们一直有一个基本想法，就是技术这个东西对业务要有用，要不然干脆别用了。我们来这里有一个基本的观点：我自己是CPM，在商业运营当中服务的重要性大概是第一位吧。我们说的是商业运营，商业和零售是完全不同的，对商业来说定义服务和零售肯定不一样。

大家回去看看自己的合同，你最重要那一份合同就是租赁合同，现在时代这么内卷，我们觉得未来一个商业公司怎么理解租赁合同上的服务义务，肯定会拉开很大差距的。不夸张的说，今天在平均线上把租赁当成服务的公司凤毛麟角。我是收租的，你做的不好，我赶你走换一个，这是大部分从业者今天的基本状态。

我觉得万商办这个活动很好，大家到这里来参观阿那亚，来讨论胖东来，来学习华润、大悦城、杭州大厦，学习这些做得好的头部玩家做了什么，这是很好的。

因为服务对象是商户（对于营运来说），商业运营团队人很少的，以后可能会更少，应对消费者大概率未来还是商家的事情，所以作为运营方怎么把商户服务好，也许是第一个要考虑的问题。

好的服务需要警惕两个问题

这里我有两点要提醒大家一下，说到好的服务，大家都很开心，像十五的月亮在星空中特别闪亮，但是好的服务有两个问题要警惕：

第一，服务是有成本的，而且服务成本更高。对于一个组织来说，短期或者中期内，对成本的耐受力是恒定的，不太可能有很大的变化，除非你的冗余资源实在太多了，那你其实也不用探讨服务问题了。如果这个时候你需要在一个地方增加服务投入，其他地方成本资源肯定要抽走的。这个资源抽取没有那么简单的，不只是钱那么简单，还有人、资源、时间、关注、组织架构、企业文化等等。你想增加一块投入就会影响另一块东西，这是第一点。

第二，事物都有两面性，你看到了月亮亮的一面，就要想到还有暗的一面，尤其是面对商户的服务有你好我好的地方，平时相安无事。但是矛盾并非没有，尤其是在商业运营当中和商铺之间的矛盾。

但很少看到有人探讨这个问题。其实这是一个高频次问题，随便一个成规模的商业公司都有大量的存量线欠款会放着，天天都在发生各种胶条，违约，撤铺，谈判，博弈，这是很常见的事情。但为什么没人探讨呢？我们想应该有两个原因吧：

第一个原因，收拾烂摊子的事谁都不想做。第二个原因，这些事情平时大部分扔给营运的末端去做了。前面的市场企划和营销会员部分不太关注这个事情。但是这不妨碍矛盾处置部分吃掉你40-50%的成本。团队中那么多人，有四成的人就是为了应对矛盾和处置这些问题而存在的，那为什么不重视一点呢？

我随便举三个场景：续约的时候谈价格问题，怎么续约问题，周期问题，欠费了怎么办？这是很复杂的问题，多方的博弈——总部和项目，项目和公司，营运方和商户，商户和商户。这个问题博弈多了，平时运维该不该修，能不能修，能不能帮他，要他参加什么，你愿意为他付多少成本？愿意为他投入多少呢？这里的矛盾处置问题难度特别大。

我们认为这个难度远远超过面对消费者的矛盾处置。面对消费者总体上是有一个规范可循的，让一个消费者满足或者解决他的难题和痛苦没有那么难，有一个客诉中心总是能解决问题的，但是面对商户的时候矛盾处置有那么简单吗？这是很痛苦的事情，做营运的人应该都感同身受的。

我们想这块成本那么大，痛苦那么大，那它是不是特别值得去折腾的一个领域？我们去年得到了宝龙德力总（宝龙集团联席总裁陈德力）的支持，他对这个事情蛮重视的，他一直觉得提升竞争力一定要从直接提升数字化开始，而不是虚的部分，想办法从底层开始。

另外，我们找了腾讯的团队，因为这里要用到AI，你不可能靠给一个软件，让本来已经很痛苦的团队再增加负担了。给软件，做工具都没有太多的效果，只剩下AI了，所以我们找腾讯其中一个匹配的AI团队帮我们（腾讯安全团队）。

因为AI工具有一个特点，做成一个场景，所有场景都能做。我只要能解决其中一个，我就能解决内控80%的场景，逻辑是相通的，所以今天我只解释一个场景：如何让AI像人一样去处理欠费？

“像人一样”这几个字难度特别特别大的，这就是为什么要用到AI的地方，这是软件和传统数字工具完全派不上用场的地方。

AI自动化运营，在月之暗面赋能

我们先说第一步，任何团队或者公司想做AI的时候切忌第一步要从数据开始，没有数据的AI等于是瘸腿、没有意义的东西。我们单为这件事情向前整理了五年的数据，这里有两个难度很大，第一个你得选出要什么数据，我们列出了四块：空间的数据，业务场景的数据，内控流程（包括财务），员工的数据。

平时他花多少时间处理一个事情，花多少时间去闭环哪一件事，平时业绩怎么样，考核怎么样，这些都是数据，我们把人的数据作为特别重要的一块放在里面。因为我们想让这个东西像人一样处理，它就得学习人。

这些数据当中不含会员，不含C端，不含消费，因为它对我们这块分析没什么用处，不要把无关的数据包进去。

这么一点数据有3亿条，清洗过程大概花了半年时间，像宝龙的数据，90个项目分布在不同的省份，地理上，时间上，阶段上，状态上，产品水平，管理阶段都不一样，中间还跨了2022和2023年疫情阶段，我要让系统去理解这两个阶段数据变化是怎么回事，这个过程花了很长时间。

洗完了数据才有用，今天平均线上是什么水平。我们之前大概了解过，好多公司连自己系统当中，品牌经销商和代理商到最终落地商铺之间什么关系都不一定全部串起来。这是第一步，合格的数据质量。

第二步，我们找腾讯团队来，为什么找他们呢？他们是做金融征信的，而且做了很多年，很擅长。他们是可学习的逻辑模型，不是大语言算法。

对于这个算法训练模型，我们有五年数据，把时间倒回到某一个月，比如说2022年1月份，在那个点上假设未来数据都不知道，在那个地方对一件事做一个预测，向后退三个月，在2022年4月份核对一下当时的历史数据对不对，对得上模型过关，对不上重来。

我们可以在历史数据当中做无数次循环，不需要跟业务团队交流。没必要，我们研究是你们五年历史，我们不需要研究你们当前什么想法，历史是客观的，想法是主观的，我们需要做的是客观的。大概训练半年到一年时间，今年初把它推上线。

第三步，怎么设计需求，怎么精确描述这个需求？最后我们画了一个很简单的流程图，所有管理动作都交给AI。人在整个业务当中做两件事，一是做决定，同不同意，好不好。二是去行动一下，你做了决定把它闭环掉，因为这两件事是不可能被取代的，我们也不打算取代，人面对人的部分是不可能被取代的。

其实，我们跟宝龙业务团队说二、三月份上线，实际上在去年年底就悄悄开始跑了，我们先跑出实验结果跟他们进行对比，一步一步修正模型，最后觉得差不多了才上线。

这个过程当中有一个我们把称之为AI风控官的东西。对宝龙是这样看的，7×24小时，按照T+1数据更新，盯到每一个部位和点，它是以铺位点为单位，不是以项目为单位，每天晚上12点到0点更新一次数据，每天晚上花3个小时做一件事，从你能想到的所有方面做一次分析，反正没成本的，有电费就可以了。

以往，我们需要放出一个团队或者营运团队在那里折腾两三天甚至一周的时间，它在这里大概1个小时结束。你是一周做一次，它是一个小时做一次。

我们现在相当于拥有大概1万人运维团队在盯这些风险，整个过程中不管是总部，还是项目公司团队都看不到报表，AI帮你看完，给你结论，现在人要看的是结论，所以大部分用户现在会看到这样一个结果，它会直接面对流程解决，不再有繁琐的菜单，分析界面也没有了，用不着了，因为你看到结论了。

上线那一天，站在业务团队视角，流程还是这么多流程，但是有一个小小的变化，所有流程都不是由人发起的。在欠费流程中，大概有九个可能发起流程的节点，没有一个节点需要由人来发起，最极端的一直到给律所提供诉讼材料这一步都不需要有人参与。

我们是这样设计的，比如说欠费特别不舒服那一环，要打官司，要诉讼，要要钱，打官司的速度是最重要的。你什么时候提供诉讼？能不能缩短两三个月诉讼周期？这对最后能不能回收这个钱是致命性影响。出三个月诉讼你赢了也拿不回来了，所以我们觉得提供诉讼材料就必须T+1，他欠费的当天诉讼材料就要成立，这个难度其实也不大。我们让系统这么干，所有的商家100%准备，无区别对待。有任何一个商户只要开启了，系统就在准备诉讼材料，反正这个过程不需要消耗人力，没有成本的。

如果我跟哪个商家真的走到这一步，1个小时律师就会收到材料，中间没有人参与，所有这些流程由AI来发起，也由AI来盯着完成，这里就涉及到为什么用到复杂模型地方了，以前有些ERP或者软件公司试图用这种方法做自动管理，最后结果不尽如人意，因为现场服务和管理是很复杂的。

现在我们让AI解决这个问题。就像这个案例，一个欠了费的商户，系统说，估计未来一个月他也还不清，有一定可能性，你等他一个月他也不会还的。根据历史经验，大概率他未来就是还不起。但是我们也不能排除说，这个商铺老板跟这个项目总是老朋友，去打个电话，喝个酒，也许就解决问题了。所以项目总或者项目上有授权的人可以终止这个过程，但这个等式有代价的，也是有限制的。

让前20%的人来做大部分决定

我刚才说了，我们有第四块数据，我们有人，每一个有决定权的人都有信用分，这个信用分来源有很多面，你平时的业绩，你在公司的资历，你曾经从事的岗位，你在过去作出各种决定的正确率高多高。信用分是允许突破规则的，突破所谓的硬性制度。

如果一个人总是做出错误的决定，系统就会说，不好意思，这一次这个按钮都不给你，你还是听从概率吧。如果一个负责人总是能做出正确的决定，甚至能扭转我的决定，他就可以超越，这个过程完全是自动化的，整个调整过程是自动化的。

一旦有一个总经理完成这件事以后，系统要做第二件事，我们开始学习他为什么做这个决定？所有关键的优秀的人做决定的方式都会成为模型的学习对象，差不多每周每个月归纳一次。接下来他们做决定的方式就是系统新的基准，我下一次判断就用他的判断了，不是用以前的判断。

这里无形中带来一个效果，我们对风险控制的底线是在不停提高的，迫使整个组织的风险控制底线不停向前20%总经理的水平集中。

换个角度，本来一个组织如果在未来想要生存的好，就应该让前20%人来做大部分决定，只是以前不太好判断这20%的人做决定过程OK不OK。现在我们把它判断出来，这是一个公平的过程，优秀的人应该改变制度，而其他人听从由他们制定的规则。

未来的组织是一个动态的规则，并不是说综合管理部或者总部几个管培生写出一套制度就要照着做了，这种脱离现实的制度会被业务改进。

通过不断的学习，不只是可以用来处理欠费，实际上可以用它用来处理所有的东西，你既要能处理当下，又能用来预测，我们甚至用它来预测三个月之内有可能掉铺，欠费或者发生问题的概率。用它来预测续约的时候，这个租户接受租金哪一个层面的概率有多高。我们用它来判断哪个商户的销售额在他的体系当中是偏低还是偏高，存在什么问题。

我们现在能够覆盖的风险场景，大概是我们想象场景当中百分之二三十，但逻辑上是百分之百。

大家可以回顾一下整个过程，被AI取代掉的这部分本来就不需要有人来参与，而需要有人做决定的部分，我们一点都没碰。所以我说需求这一步特别难，你要精确的选出不要干涉人的那部分和不需要人的那一部分，而不是简单的一刀切，做出一个东西来取代人。

我们当时做这个东西的时候，一开始也没有想到说它的效果比想象的覆盖这么大，现在效果比原来想象的要好很多。我们认为这样一个东西有可能在服务的暗面。未来，我们称之为月之暗面的部分都应该交给AI来处理。

管理岗更多的转型为业务岗，人应该去创造价值，处理业务，人面对人，机器面对机器，不要把这个搞错了。我看有的公司试图用机器去面对人，这在我们看来是一个很不好的趋势，也不太会成功的趋势。几年前有无人酒店出现过，你敢住吗？同样无人售货架现在也差不多销声匿迹了。

人是喜欢面对人的，人不喜欢面对机器。为什么大语言模型或者Chat GPT大家会喜欢？唯一的原因是因为它像人，既然我们团队和员工就能把事情做好，还折腾那么多干嘛？让他们去把业务做好，让后面这些事用AI来做，协助他们，把他们解放出去，不是取代他们。

最后是促进人，我们后来看到一个趋势，这是之前没有想过的，整个组织的管理水平会无限制向前20%靠进。均线以下的人必须按均线以上的人规则做事，大家必须向上学习，不停的向上学习，而且这个过程是不可逆的。新的规则一旦定下来，后面的人很难复写的，模型是不断地向前迭代，它不会被淘汰。

这是我今天的分享内容，谢谢大家。