汤东强：
我从两个视角来分享：一个是区域酒管公司的视角，一个是技术公司的视角。
我们的酒管品牌丽斯未来，定位是小房量AI酒店。从创立之初，我们就把技术作为产品设计和运营模式的底层逻辑，而不是在传统模式上简单叠加工具。今天也借这个机会，分享一下我们在实际落地过程中遇到的阻力、矛盾，以及一些实践经验。
一、AI落地，首先是一把手工程
我认为，推动AI落地，首先要解决三个问题：认知、决心，以及一把手对技术的理解。
第一是认知。在座的前辈，对AI的方向肯定都是认可的，但关键在于：有没有真正把它作为一把手工程来推进？
如果没有一把手在行动、资源配置和跨部门协调上的支持，这件事情可能在战略上想得很丰满，但到了执行层面，效率就未必有那么高。
第二是决心。AI落地不是配置几个工具就结束了，它一定会触及原有的工作习惯、业务流程，甚至组织分工。遇到阻力以后，还能不能持续推进，这是对决心的考验。
第三，一把手自己需要懂。至少要理解技术的能力边界，能够验证关键场景，对结果有自己的判断。否则，下面的人很容易用既有经验影响你的判断。这不一定是主观上的“忽悠”，也可能是他们自己就处在认知误区里。
以AI Coding为例，我们在2024年就明确提出，要全面推进AI化。当时我放手让技术团队去研究，但后来发现，推进速度很慢，于是我开始自己尝试。
研究了几个月以后，我自己的感受是：在2025年，最初看到的编程效率提升大约是两倍；到了2025年年底，已经能感受到三到四倍的提升。AI能力的进步确实非常快。
我就问技术负责人：“我们的编码工作，能不能全面采用AI Coding？”
得到的反馈是不能。他还提醒我：“你不要想当然地理解这件事情。”
这让我意识到，连技术人员面对AI，都可能受到既有经验和思维惯性的限制。可想而知，在酒店这样一个深耕了几十年的传统行业里，这种认知惯性可能会更强。
为什么一把手要懂？因为只有自己验证过、跑通过，向下推动时才有判断依据，也才有底气坚持。如果没有这种不达成目标不罢休的决心，可能连AI Coding在技术团队内部的落地都很难推进。
从2025年年底开始，我们团队进一步应用AI Coding。以我们内部当时的实践为例，前端开发效率提升约15倍，后端提升约5—8倍。按照这样的交付效率，30—50人的团队，在相应的研发任务中，有可能达到过去一两百人团队的产出能力。这是我们在技术侧直接感受到的变化。
既然技术人员都会遇到认知障碍，那么酒管组织在真实运营环境中，遇到的阻力只会更大。
所以，我们首先做的是统一认知，通过培训和实际案例，让组织真正理解AI，而不是停留在“听说过”“用过几次”的层面。
刚才孙总提到，她跟儿子说，要把AI当成孙悟空。我的说法更激进一点：要把AI当成打引号的“神”。组织里的人，要学会向这个“神”许愿。
所谓“许愿的能力”，不是笼统地说“帮我提高效率”，而是能够把业务场景里的问题、工作流程、关键堵点和预期结果讲清楚，再拆解成技术可以实现的任务。
现在很多一线业务人员，缺少的恰恰是这种能力。他们知道哪里不方便，却很难把问题拆解出来，也很难用工程化的方式表达。而技术人员如果只懂技术、不理解业务，同样无法完成落地。
这也是为什么行业里开始重视FDE这类岗位。这样的人既要懂产品和技术，也要能够深入业务一线，梳理工作流，把业务问题转化为可以执行、可以验证的自动化流程。这类岗位的要求很高，成本也不低。
对酒店技术供应商来说，这也是一个很大的挑战，因为你必须真正进入场景。
过去，SaaS和PMS也需要理解酒店业务，但更多是在解决数据沉淀、工具使用和流程管理的问题。AI则要进一步参与业务执行，推动具体工作结果的产生，因此对业务细节的理解必须更深。
所以我认为，认知要先统一，一把手要有决心，而且自己要懂。我现在也经常用AI Coding写东西，有时做到凌晨两三点。因为当你不断把一个想法验证出来，它会给你很强的正反馈，确实有点像打游戏。
二、双轨推进：从“人＋AI”走向“AI＋人”
再讲讲落地过程中的障碍。
在酒店场景里，点评回复通常是最容易落地的应用，这一点很真实。因为它简单、直观，效果很容易看明白，也容易建立信任。
当一个组织对AI的认知还没有真正打开时，往往只能接受这种最直接的结果。面对复杂任务，大家就容易先说“不行”。没有信任，也没有经过验证的结果，推进阻力自然很大。
从2022年以来，大模型在这类文本任务上的能力不断得到验证，所以点评回复是一个很好的切入口。
基于这个判断，我们把内部Agent的建设分成两条轨道。
一条是简单、快速见效的场景。比如点评回复，让大家尽快看到结果，建立信任。
另一条是重要、复杂的场景。这些场景推进难度更高，但会真正影响组织效率和经营结果，需要持续投入、拆解和验证。
在这个过程中，我们也在推动一个角色关系的变化。
第一阶段是“人＋AI”，人主导工作，AI主要作为辅助工具，帮助原有流程提效。
第二阶段是“AI＋人”，让AI承担80%左右的工作，人主要处理预警、例外，以及需要判断和介入的事项。
这不是简单更换一个工具，而是在重新设计人和AI的分工。
因为我们追求的是极致效率，所以我的判断比较激进：对于能够被清晰定义和拆解的事务性工作，AI有机会承担到99%。但“事”之外，还有“情”，这就回到了酒店真正的服务价值。
今天，无论是高奢酒店，还是其他类型的酒店，都面临比较激烈的供给竞争。有的企业做效率竞争，有的企业做情绪价值竞争。但在我看来，效率和情绪价值并不是对立关系，而是正向促进的关系。
只有把效率做上去，才能释放更多资源，持续创造情绪价值。服务不能脱离成本和经营的可持续性。
我们的方向是：通过AI把人的效率尽可能放大，把人从重复性事务中解放出来，再让他们提供更好的服务，用情绪价值反哺消费者。
反过来，如果效率没有提升，只是不停增加服务动作和人力投入，那么这种服务模式能持续多久，是需要认真思考的。
所以，效率不是温度的对立面，效率提升恰恰可以为更有温度的服务创造条件。
三、真正的价值，在于重构业务流程和组织分工
当我们给同事配置了AI工具和Token预算以后，还要追问一个问题：这些投入，到底有没有在成本和效率上产生正向结果？
很多企业的情况是，工具配了，Token也配了，成本增加了，但组织的经营效率并没有相应改善。
这就说明，仅仅增加工具，不等于完成了变革。
所以我们进一步思考：能不能重构组织？能不能重构商业模型？是不是所有事情，都必须沿着过去的方式继续做？能不能从目标结果反推流程，再让组织结构适应新的技术环境？
我们围绕这个方向，做了一系列尝试。
先讲行政人事的案例。
目前，我们的门店覆盖50个城市，接近200家，其中有很多直营店。过去，每个月1日到15日，行政人事都要投入大量精力处理店长考核和人员考核，流程很复杂。
我们提出的重构思路，首先是重新定义考核方式：不再高度依赖人工打分和主观判断，而是围绕实际业务结果，尽可能通过数据和自动化完成。
因为评价一个人的工作成果，本来就是多维度的，不一定非要沿用过去那套方式。
比如用户体验。我们很早就落地了AI店长，积累了大量消费者沟通数据，再结合点评数据，就能够从不同角度反映用户体验和服务品质。
既然这些数据可以反映经营结果，就可以成为评价依据，而不必把考核建立在大量主观判断和人工整理之上。
这项改革推进以后，原来两个行政岗位承担的相关考核事务，就不再需要按照过去的方式人工处理了，因为流程已经实现自动化。
从我们的实践结果来看，主要有三个变化：第一，效率提升了100%；第二，考核标准更加统一，减少了主观差异，更加公平；第三，通过持续的数据沉淀，人才能力变得更加清晰。
比如，哪些人擅长做体验，哪些人擅长做销售，不再只靠管理者的印象来判断。携程有5V模型，我们内部也在做人才5V模型，通过持续积累的数据，形成动态的人才画像。
这是我们重构业务流程的一个案例。
另一个案例是财务。
财务是一个专业性很强的部门，也正因为如此，原有工作方式形成的认知惯性往往更强。我提出一些想法时，他们会说：“老板，你不要异想天开，这个很难做。”
但因为我自己对技术有一定理解，所以我就拉着技术团队，从早上8点开始，一项一项梳理：一边重构流程，一边验证小结果，一边处理具体场景。
过去需要五六个人完成的财务工作，现在两三个人就可以完成。
以前很多数据需要手工填写、反复录入，这些环节难免出错。现在，我们通过软件接口、AI与自动化流程，把银行数据和内部审批流程连接起来，减少了人工搬运数据的环节。
在我们已经跑通的相关流程里，数据可以核对到一分钱不差。
这背后的价值，不只是“财务人员多了一个AI助手”，而是数据流、业务流和岗位分工都发生了变化。
四、门店Agent要细拆，组织也要跟上技术节奏
在门店层面，我们考虑的同样不是修补，而是重构。
比如，能不能把员工承担的工作进一步拆解，形成不同的Agent，由它们承担具体任务？
这里有一点很重要：不要一开始就做一个大而全的Agent。任务范围太大，往往很难稳定运行。必须把工作拆细，把每个Agent的职责和任务边界定义清楚，再逐步组合起来。
在这方面，我们也希望和腾讯进一步交流学习。
总体来看，我认为AI对酒管公司、平台公司和技术公司，都是非常大的机会，因为它带来的是一个可以重新设计业务和组织的技术环境。
但机会越大，焦虑也越真实。最大的焦虑就是变化太快。过去可能一个月迭代一次，现在可能一周就有明显变化。
这就要求团队，尤其是核心的一把手，必须跟上这个节奏。否则，当别人已经按照新的效率和新的组织方式运转时，我们还停留在原来的节奏里，竞争力就会受到影响。
最后，我还是想强调：要具备向AI“许愿”的能力。能够提出问题、拆解问题，并持续验证。
今天暂时做不到的事情，不要轻易认定它永远做不到。也许三个月以后，技术的能力边界就已经发生了很大变化。
我的分享就是这些，谢谢大家。
补充发言
一、AI管家：从回答问题，走向服务执行和主动营销
汤东强：
我再补充一个我们仍在探索、还没有完全落地的方向。
上午茶歇时，我们三个人和谢总简单交流了一下。谢总有一套很好的服务流程，以及关注用户体验的评价体系。
但一套好的服务方案，要真正沉淀到门店端，特别是在连锁体系里落地，就必须具备规模化和可复制的能力。
如果主要依赖人去执行，这件事情就比较难。就像曾总提到的在广西入住的那家酒店，它的SOP可能非常标准，但落实到不同的人身上，执行效果就可能打折。
我们现在做的第二代产品，叫作“AI管家”。建立统一服务入口以后，再持续完善它的服务边界和业务能力。
首先，它要成为真正的“酒店通”，比前台更了解这家酒店。
前台岗位的人员流动比较快。新人入职以后，需要时间才能熟悉酒店的设施、规则、服务和周边信息。只有真正了解这家酒店，才能更好地服务客人。
AI管家则可以持续积累这些知识。我们可以每周更新、沉淀一次知识库，让它对酒店的了解不断加深，而不是随着人员流动反复从头开始。
这样，它就能够覆盖住前、住中、住后的各类咨询服务。
但我们不希望它只停留在问答层面。我们也接入了相关业务接口和MCP能力，让它能够调用工具、连接业务系统，进一步执行服务。
比如延迟退房。AI管家与PMS打通以后，就可以在和用户交流的过程中，根据会员权益及相应规则判断适用条件，再通过接口完成跨系统操作，让服务真正落地，而不只是回答一句“您可以延迟退房”。
这套服务动作可以基于既有规则和过往经验持续沉淀，执行稳定性也比较高。
我们还有一个比较特殊的场景：使用数字房卡，客人需要通过小程序开门。因此，我们天然有一个相对集中的服务入口。
围绕这个入口，我们就可以持续沉淀住客在服务过程中的需求、偏好和行为，为构建住客画像以及进一步探索数字孪生提供基础。
过去，会员营销主要靠店长和员工去推，但不同人的表达能力、判断能力和执行水平，很难保持一致。
我们现在探索的是，在提供全场景服务的过程中，让AI逐步具备主动营销的能力。不是脱离服务去推销，而是在理解用户需求的基础上，找到合适的服务和营销机会。
这部分还在探索，我们预计在1月1日前后实现相关能力。
基于我们自己的场景，我认为这件事情是有价值的；但在其他酒店品类里是否同样适用，还需要具体分析。这个方向，也有一些向携程AI服务管家学习的地方。
二、精准服务的前提，是数据沉淀和动态标签
我们建立服务入口以后，住客的标签就不应该是一成不变的。
随着对话深入，用户表达出来的需求可能会发生变化，系统对用户的理解也应该随之更新。标签不是贴上去就不动了，而是要能够动态调整。
但这里有一个前提：数据必须沉淀下来。
如果没有数据底座，没有基础数据表，数字孪生就缺少支撑，所谓用数据驱动精准服务，也就没有抓手。
所以，我们需要先建立好相应的数据底座和基础表，把服务过程中的有效信息持续沉淀下来。
另外，标签识别和更新也不能主要依赖人。靠人工判断，不仅费时，也很难在规模化场景里保持一致。
我们需要让Agent参与信息分析和标签更新，而不是要求每一个一线员工都具备复杂的信息处理能力。
三、AI的信任，要在具体垂直场景里逐步建立
以合同审查为例，我们现在使用的系统，会结合中国大陆的相关法律规则，尤其是浙江、杭州的地方规定，辅助识别合同风险，指出风险可能在哪里。
过去，这类工作更多依赖法律顾问；现在，我们已经在内部大量使用系统来完成相关风险识别工作。
所以我认为，信任是一个逐步建立的过程。
就像早期的线上交易，大家一开始会担心风险，也缺少信任机制。后来，随着支付、担保和交易规则不断完善，信任才逐渐建立起来。
AI也是一样。
今天大家关心AI的安全性、可靠性，以及出了问题由谁兜底，这些问题都很真实。但我认为，解决这些问题，本身就是未来的应用价值所在。
在具体的垂直场景里，通过持续验证、积累经验和完善机制，信任会慢慢建立起来。
四、未来衡量PMS的价值，不一定是“人用了多少次”
最后，我再解释一下前面说的“AI像神”。
我的想法确实比较激进，但我不是说AI无所不能。这里的“神”是打双引号的。
在座很多人都是企业战略的制定者。我的意思是，首先要相信这种技术能够带来实质性的变化，才会愿意投入、验证和推进。组织也需要建立这样的信心，变革才能真正往下走。
站在我的角度，我们既有技术平台的业务，也有酒店运营的业务，所以会从两端来看这个问题。
从技术公司这一端看，过去的SaaS、PMS，是大家每天都要使用的工具，它主要帮助人完成操作和日常流程。
但在AI能力比较成熟的环境里，我认为，PMS可能不是“用得越多越好”，而是“需要人操作得越少越好”。
过去，一个员工每天要打开系统、操作十次，我们可能会认为这个系统使用频率很高。但在未来，如果事情已经由AI自动完成，人不需要再反复进入系统，这反而可能代表更高的产品价值。
当然，这不是说底层系统不需要了，而是它的价值，会从“让人使用工具”，转向“让数字员工调用系统、完成任务”。
因此，SaaS公司需要构建更多自动化工作流，帮助酒店塑造数字员工，让它们推动具体业务结果落地。我认为，这是技术公司未来很重要的方向。
从酒店这一端看，原来由人承担的工作里，有很大一部分——我认为可能达到70%—80%——本质上是工具性、流程性的工作。随着数字员工越来越多，人就有机会逐步从这些环节中解放出来。
但这不意味着酒店就没有温度了。
恰恰相反，当大量重复性事务不再消耗人的时间，酒店就可以把更多资源投入真正有价值的服务，投入对客人的理解、关怀和情绪价值创造。
所以，AI不是让酒店减少温度，而是让人有更多精力去创造温度。