百麗十二年數智化覆盤：先把企業工程化，再讓AI 讀懂它丨2026 ITValue Summit 前瞻：AI系統落地系列直播③

AI浪潮席捲各行各業之際，不少企業將目光緊盯大模型參數規模與算力部署，試圖在最短時間內搭上這班技術快車。然而，百麗時尚集團副總裁、科技中心總經理季燕利卻提出截然不同的見解。他認為，企業真正該優先思考的，不是急著追逐模型與算力，而是業務如何運營、如何管理。唯有先將業務標準化、數據標準化，建立起完整的管理體系，模型與算力才會真正成為有用的支撐底座。季燕利近日發表一篇長文，題為《百麗時尚：企業AI應用建設落地實踐——從協同在線到AI原生》，內容長達數萬字。值得注意的是，全文幾乎沒有出現「大模型參數」「算力集群」或「智能體」這些當前最熱門的技術關鍵詞。

取而代之的，是對企業內部最根本工程化能力的深度檢視。他反覆強調，AI的落地並非始於技術堆疊，而是從企業的運營邏輯與管理流程出發，先把企業的運作模式完整「工程化」，讓數據與流程變得可讀、可管、可優化，如此一來，AI才能有效介入並真正創造價值。這份觀點並非紙上談兵，而是百麗過去十多年數位化轉型的實戰總結。從最初的信息化建設起步，百麗逐步搭建起支撐龐大零售網絡的資訊系統；其後進入數據中台與協同平台階段，將分散在生產、供應鏈、門店管理各個環節的數據打通，形成統一視角；再到如今探索AI原生應用的落地，百麗走的是一條「業務先行、技術跟進」的路徑。

這條路徑背後的邏輯，正是季燕利文章的核心主軸：技術永遠是服務業務的工具，而非反過來讓業務遷就技術。所謂工程化，在季燕利的論述中並非單純指寫代碼或建系統，而是涵蓋企業運作的每個層面。他認為，企業必須先梳理清楚自身的業務流程，明確每個環節的角色、責任與產出標準，讓管理動作可以被標準化描述；在此基礎上，數據才能夠被有效定義、採集與治理。換言之，沒有標準化的業務，就沒有高質量的數據；沒有高質量的數據，AI模型再先進，也無法從中提煉出真正有價值的洞察。這個觀點在當前尤其具有針對性。過去一段時間，生成式AI與大模型技術快速發展，不少企業急於導入各種AI工具，卻忽略了內部流程是否已經準備好迎接這些工具。

結果是，AI系統與既有業務之間存在斷層，數據無法打通、流程無法自動化，最終淪為昂貴的展示品。季燕利所提醒的，正是要避免這種本末倒置的現象發生。從實際案例來看，百麗這些年的數智化建設正是逐步建立這種「AI-ready」的體質。先讓業務流程上線，讓管理動作數位化；再通過數據中台將各系統的資訊整合，形成全鏈路的數據閉環；最後在此基礎上引入AI能力，讓系統從被動記錄走向主動洞察與輔助決策。這三步看起來樸實無華，卻需要十多年持續投入與組織內部的共識凝聚，遠比採購幾套算力設備更困難，也更關鍵。季燕利這篇長文，實際上是一份長達十多年的數智化轉型覆盤報告。

他不是要否定AI技術的價值，而是要指出當前市場對AI的認知存在某種偏斜：過度聚焦於模型能力的上限，卻忽略了企業應用AI的起點，其實在於自身運營的扎實程度。當AI技術日益成熟，企業能否真正受益，關鍵不在於算力有多強，而在於企業自身的工程化基礎是否穩固。這個基礎，決定AI能否從「展示品」真正變成「生產力」。對於即將到來的2026 ITValue Summit，季燕利這篇長文內容也成為系列前瞻活動中的重要參考。據了解，該峰會正規劃透過「AI系統落地」系列直播，邀請產業界人士深入探討企業AI應用的實務經驗與挑戰。

百麗的案例與季燕利的觀點，正是在這樣的脈絡下被提出，成為觀察傳統大型企業如何務實邁向AI原生時代的重要樣本。對台灣乃至整個華人世界的企業而言，百麗的經驗具有相當程度的參考價值。尤其對於那些擁有龐大門店網絡、供應鏈體系複雜的傳統零售企業來說，AI轉型最大的挑戰往往不在技術本身，而在於如何將體量龐大的既有業務梳理成AI可以理解的結構。這個過程沒有捷徑，也沒有炫技的空間，只能一步一腳印，從業務標準化與數據治理開始。季燕利的觀點最後歸結為一個樸素的道理：先讓企業成為一個可以被AI讀懂的組織，AI才能真正為企業所用。在所有人都在追逐模型參數與算力規模的浪潮中，這份提醒顯得格外冷靜而有分量。

百麗過去十多年的實踐證明，數智化轉型不是一場技術競賽，而是一場管理工程與組織能力的漫長修煉。這條路走得慢，卻走得穩，也最終走得遠。