在品牌零售行业的智能化转型浪潮中，一个普遍存在的困境逐渐显现：技术团队致力于通过复杂的模型和算法优化来提升效率，然而业务部门却经常抱怨这些系统难以理解和使用。自2023年起，随着企业数字化对大模型技术的热情高涨，这一矛盾在C端市场取得显著成效后，却在B端市场遭遇了瓶颈。
中大型企业尤其感受到了这一挑战。尽管AI技术在单点场景中有所应用，但缺乏体系化的切入点，使得技术与业务之间的鸿沟难以逾越。在这样的背景下，百丽时尚集团探索出了一条独特的路径，通过让业务成为技术的引导者，实现了数字化转型的实质性突破。
百丽时尚，这家在中国拥有超过8000家门店的时尚鞋服巨头，在过去两年中自主构建了一套AI落地方法论。他们意识到，大模型技术的幻觉问题在产业场景中会被显著放大，因此，不是简单地用技术来颠覆业务，而是将业务规则转化为AI能够理解的语言。这一理念体现了企业在面对技术浪潮时的主动性和主体性。
为了实现这一目标，百丽时尚与长期的Data+AI服务商滴普科技进行了深度合作。他们通过整合模型栈，基于滴普科技的Deepexi大模型和百丽时尚的数据基础，精调训练了推理模型Deepexi-RM，专门用于商业流通行业的落地应用。这一垂类模型与滴普科技的FastAGI智能体平台相结合，构建了Agentic AI（代理型人工智能）应用的逻辑，从而实现了应用的精确度，有效消除了大模型的幻觉问题。
在AI产业化落地的过程中，百丽时尚还面临了数据治理和业务对齐两大痛点。为了解决数据治理问题，他们开始设计标注体系，基于业务价值密度进行场景化拆解，通过“标签+标注”体系，将静态数据转化为动态业务上下文，使AI能够更容易地理解和推理。这一举措实现了从“数据沼泽”到“数据金矿”的转变，为企业向“AI工业化”迈出了坚实的一步。
在业务对齐方面，百丽时尚通过系统性策略平衡数据质量与模型效果，构建业务思维链，将经验驱动的思考过程转化为可溯源、可计算、可优化的智能决策体系。他们针对关键场景优化数仓管理机制、沉淀企业知识平台、开发人机协同的AI Agent，初步实现了决策落地的核心推理挑战。
在智能化数仓的实践中，百丽时尚进一步推动了数据的“活性”标准重构。传统数仓作为静态规则容器，限制了业务洞察的深度。而智能化数仓则以实时化的业务分析和应用决策为核心，让模型动态生成规则，实现了业务洞察规则的快速生成和执行。这一转变使得业务端和管理端的协同更加高效，实现了从需求响应式分析到操作引导式决策的转变。
百丽时尚还通过构建决策类AI和执行类AI，打散传统固化的数字化流程，将中台能力后置，前方通过AI的学习能力灵活调用API接口，实现了中后台能力的灵活复用。特别是在决策类AI中，他们引入了多模态模型栈，构建了B端决策的物理约束系统，有效遏制了AI在业务场景中的幻觉漂移。
百丽时尚还基于钉钉等企业业务协同底座，构建了轻量化应用，通过Agentic AI的智能化手段自动触发系统指令和审批流，提高了实时效率。Agentic AI不仅通过自动化指令释放生产力，还将原本分散在各个系统中的文件格式和动作收束为连贯的数据流，让整个执行过程可追溯、可干预、可由大模型实现智能化判断。
通过这一系列举措，百丽时尚成功地将企业管理流程中的“操作痕迹”转化为数字化轨迹，为后续的模型训练提供了基于真实业务场景的“细胞级”数据养分。这一转型不仅体现了对业务逻辑的深刻理解，也充分重视了人和技术底座的价值。未来，随着Agentic AI的广泛应用，百丽时尚的智能化转型之路将继续引领行业创新和发展。
