5 月上旬，圣农零售的业绩看板上，几组数字并不好看。

时间进度已经走到 39%，但渠道线 A 达成率只有 19%，B 只有 15%，C 只有 4%——三条渠道线同时亮红灯。在一个每月背负数亿销售目标的零售盘面里，这些数字不是普通波动，而是需要被尽快拆解的经营信号。问题是，数字虽然每天都在刷新，管理动作却未必能同样快地跟上。

如果放在过去，这些异常大概率会先进入周报，再等到月度经营会上被正式讨论。会上，负责人解释原因，管理者继续追问，团队再补动作。流程看起来没有问题，真正的问题是：太慢了。吴宗伟把这种状态概括为一句话：“数据看得见，但人追不上。”

吴宗伟是圣农集团零售业务负责人。圣农是中国白羽肉鸡全产业链龙头企业，业务链路从育种、养殖、屠宰、加工、销售，一直延伸到供应链交付和消费者餐桌。链路本身已经足够长，到了零售端，变量又更多了。

产品上，圣农既有 100 多个标品 SKU，也有 100 多个定制品；团队上，300 多人分布在全国各地，管理半径从东到西、从南到北，覆盖近 30 个经营单元；渠道上，线上有抖音、天猫、本地生活、即时零售，线下有 KA 卖场、会员制商超、经销商等不同体系，同时还要推进 O2O 和零食赛道。

产品多、渠道多、人员多、客户多、跨部门多，业务链路还长。吴宗伟总结，他们这个业务是“五多一长”。

 

 

吴宗伟管理的业务属于“五多一长”

这种复杂，最直接的结果不是“事情多”，而是每一个经营信号都很难被一眼判断。

一个渠道掉速，背后可能是终端动销不好，也可能是缺货、缺交、价格策略出了问题，或者只是数据口径没有对齐；一个品类缺货，表面看是渠道问题，继续往下追，可能牵出供应链、采购、财务等多个环节；一个负责人说“后续补量”，听起来有态度，但还不是一个真正能落地、能追踪的动作。

这些问题都需要精细分析：要看数据口径，要拆到门店和品类，要追到负责人和时间点，还要判断是否需要跨部门拉通。

但现实是，吴宗伟不可能把每一个异常都亲自下钻一遍。去年，他开了 570 多场会议，平均每天四五场。这些会议从战略沟通、组织协同、跨部门对齐到客户沟通、团队管理铺满了他——会议越多，时间越碎，真正沉下去分析一线经营问题的空间就越少。

很多异常并不是看不见，而是看见之后，缺少一次及时、细致、连续的拆解。这就是天启出现的背景。

 

 

基于飞书 aily 打造的天启智能体

它不是来替吴宗伟看报表的。报表只能告诉他“哪里不对”，但不能替他把问题拆下去。吴宗伟真正需要的，是一个能够承接自己经营分析框架的数字分身：在异常刚出现时先做初步识别，继续追问原因，把模糊反馈拆成具体动作，并在必要时拉通相关人。

天启是吴宗伟和团队基于飞书 aily 搭建的 AI 数字分身。团队没有写代码，而是一点点设规则、接数据、调提示词，把吴宗伟过去只有在会议里、追问里、复盘里才会使用的经营判断，沉淀成一套可以持续运行的分析框架。

吴宗伟给它的定位很克制：不是“AI 老板”，而是“经营伙伴”。它巡检业务问题，给出经营建议，但不替管理者管人，只让管理者的判断更快抵达现场。

有人问天启：“你的 MBTI 是什么？”它回答：“INTJ，建筑师型人格。”吴宗伟自己是 ENTJ，指挥官型。一个向外推动，一个向内搭体系，倒也互补。

天启还补了一句：“我不催人，我就负责搭体系。”

这句话，正好解释了它在圣农零售里的角色——把零散的经营信号搭成结构，把一个人的经验变成整个团队都能调用的方法。

01 不是多一张表，是多一次拆解

如果天启只是把销售数据做得更清楚，它的价值不会太大。圣农零售不缺看板，真正缺的是看板之后的动作。

在销售管理里，很多问题不是没人发现，而是发现之后没有继续往下拆。落后多少、为什么落后、谁来补、什么时候补、补不上怎么办——这些问题看似基础，却常常在忙碌的业务现场被跳过。

天启做的第一件事，是把这些被跳过的追问补回来。

它每天巡检关键渠道数据，识别异常信号，并设置三级预警：黄色提醒关注，橙色启动结构化分析，红色进入全面诊断。

异常出现后，它不会只留下一句：请关注，而是继续往下追：数据口径是否正确？落后来自缺货、缺交，还是销售节奏问题？后续补量来自哪里？如果补不上，B 计划是什么？

永辉系统曾出现销售缺口，负责人最初反馈：我们后续补量。这是一句很常见的业务表达，说明负责人知道问题，也愿意补动作。但对经营管理来说，这句话还不够——它没有回答：哪个门店补？哪个品类补？什么时间补？如果补不上，替代方案是什么？

过去，这类反馈可能会被记录下来，等到下次会议再讨论。但是，天启没有等。它继续把问题拆到具体门店、具体品类，并追问 B 计划。最后，负责人给出了三个动作：大润发调拨、企事业团购、单品爆破。一个模糊承诺，就这样被压缩成了可以执行、可以追踪的行动项。

这也是天启最早让团队感到变化的地方：它不是在催人，而是在帮助团队把问题说清楚，把动作定清楚。

类似的场景反复出现——渠道 A 和渠道 B 的数据异常，天启逐条核对后发现是重复计算，口径修正后真实情况才浮出水面。

很多经营争议并不来自执行态度，而来自数据口径。天启先帮业务人员把数据拆清楚，再推动后续判断。它既是问题拆解器，也是口径校准器。

02 AI 也要知道，什么时候不追

但追问本身也该有分寸。

西部大区负责人连续两周表现稳固，系统预估全月目标可以达成。天启没有打扰他，只是在群里说了一句：“你最近两周做得很好，全月目标预计可以达成，继续保持。”它不是正式表彰，也没有复杂的激励设计，但一线团队感受到了一种明确的“被看见了”。

 

 

天启根据实际情况对业务作出反馈

吴宗伟训练天启掌握的节奏是：一三五追踪——根据业务落后程度调整频次，对连续达标的同事不再追踪。
如果一个 AI 数字员工只会追落后、问缺口、拆动作，它很容易变成新的焦虑来源。但吴宗伟并没有把天启训练成一个只会施压的系统。他给天启设定的管理分寸是：该追的追，该放的放；该预警的预警，该认可的认可。

4 月，某重点渠道已经完成阶段性目标，但天启仍识别出一笔尚未完成销售确认的潜在风险，并推动负责人确认开票时间。这不是否定成绩，而是把风险继续追完。

对一个普通系统来说，阶段目标完成就意味着“正常”；但在吴宗伟的管理经验里，达标不代表风险结束——销售确认、开票时间、供应链交付、后续补量，这些没有闭环的环节，都可能影响最终结果。

天启之所以会继续追这笔销售确认，不是因为它比管理者更懂业务，而是因为吴宗伟把这套判断逻辑训练给了它：不能只看结果有没有达成，还要看风险有没有真正关闭；不能只看数字是不是好看，还要看动作是不是已经闭环。

所以，天启正在学习的，不只是数据分析方法，也包括吴宗伟的管理分寸。

03 让判断更快到达现场

天启上线后，变化很快显现出来。在天启辅助下，零售线异常响应时间从天级压缩到小时级，同期零售业绩在上一年高速增长的基础上，额外多增长了 10%。

在一趟去贵阳的航班上，天启识别出供应链和财务的开单卡点——财务价格未维护导致无法开单。它将相关人员拉群，追问问题根源。等吴宗伟下飞机时，问题已解决，订单顺利开出。

翅中产品在多个渠道同时缺货时，天启也识别出这不是单一渠道的问题，而是供应链层面的共性风险，主动协同采购部门，把三个渠道的缺货合并为一个问题统一跟进。一个问题一次解决，而不是各自为战。

 

 

天启同时协调多个渠道的供应链问题

吴宗伟说这叫“信息平权”——把数据和信息公示，让一线人员和管理层信息对等，便于快速解决问题。

过去，片区经理在一线，拿到的可能是滞后的数据、混乱的口径和碎片化信息，很难第一时间定位问题。高管在总部，看到的是层层汇总后的报表，等到追问时，很多问题已经错过了最佳窗口。

天启做的事情，是把吴宗伟的经营判断方法，变成一线团队随时可以调用的组织能力。问题不再只是在会议上才被摊开，而是带着诊断和建议，在经营过程中持续到达一线。

这也是数字分身这个案例最值得讨论的地方：它并没有制造 AI 和人的对立。

AI 把诊断和建议呈现到眼前，但不替代人做最终判断。怎么取舍，怎么协调资源，怎么安抚团队，怎么承担结果，仍然取决于业务负责人。

问题在经营过程中更早浮现，口径在一线和总部之间更快对齐，行动项在被遗漏之前就更清晰——管理者也需要更早判断、更快取舍，但这恰恰是经验最该发挥作用的时候。

04 数字分身放大的，仍然是人的经验

天启的搭建路径并不神秘。

先从定义智能体人格和经营分析框架入手，再对接数据源，然后逐步从人工辅助校准过渡到全自动运营。数字员工只在企业授权的数据范围内工作，遵循既有权限体系。

真正花时间的不是技术，而是吴宗伟要先把散落在自己脑子里的管理经验一条条说清楚。这些经验过去只存在于会议追问和口头判断里，从来没有被系统性地写下来过。

现在，他需要告诉天启，什么样的反馈算有效，什么样的承诺还不够，什么样的问题必须拉通供应链，什么样的表现值得被认可。

这也是 AI 的局限所在。

数字分身并不会因为接入了数据，就自动拥有一个管理者的业务判断。它能处理信息、执行规则、响应问题，但对业务轻重缓急的理解、对团队状态的把握、对追问尺度的拿捏，都来自人的训练。

换句话说，天启不是被“安装”出来的，而是被吴宗伟一点点“带”出来的。

他要不断校准它：逻辑太浅，就继续拆；判断不准，就纠正；表达不像业务，就重写；结论不够靠前，就要求先给判断，再说原因。每一次校准，都是在把一个管理者过去隐性的经验，变成 AI 可以学习的规则。

这也意味着，数字分身不可能一上线就完美。它需要在真实业务里反复试错、修正、迭代。AI 本身没有管理分寸，只有在人持续调教之后，才可能慢慢接近一个组织真正需要的工作方式。

问题的本质从来不是数据不够，而是判断没有到达现场。

吴宗伟说：“数据看得见，但人追不上。”而天启做的事，就是用一个人的判断方法，补上数据与行动之间的这段时间差。