当AI成为零售一线的“第二教练”

借助营运小助手，山姆让标准抵达一线

让经验成为团队知识

在山姆会员商店（以下简称“山姆”），新员工上岗时，会有经验丰富的教练手把手带教。但进入真实工作现场，问题不会按照培训资料的顺序出现，教练也不可能随时守在每个人身边。为此，这家会员制零售企业把分散在不同文件和系统中的业务标准沉淀到飞书企业知识库，并借助AI能力在飞书上搭建智能体“山姆营运小助手”，让一线员工多了一位随时可以查问的“第二教练”。

一次晚班中，山姆济南店合规的部门员工指导张晓蕾想到一个细节：鲜肉报损后需要进行泼墨处理，新员工可能会对泼墨比例产生疑问。她打开飞书上的“山姆营运小助手”查询，却没有找到相关文件。

这一次，“第二教练”没有答案。

张晓蕾从自己的学习笔记中找到准确标准，并将这个知识缺口反馈上去。经过确认，相关标准被补入飞书中的山姆知识库。下一次再有人遇到同样的问题，就不需要翻看某个文件夹或是笔记本。

山姆会员商店济南店合规部门员工指导 张晓蕾

这个使用片段，恰好说明了企业应用AI的真实逻辑：AI的价值，不只在于提供答案，也在于让员工主动发现和补充知识，让个人现场经验不断沉淀为更多人可以使用的公共知识。

当“第一教练”不在场

零售业的稳定体验，建立在无数细小的标准之上。

商品怎样陈列，不同品类应在什么温度下储存，清洁流程如何执行，食品怎样报损，会员询问发票时该如何回复——这些问题看似琐碎，却与商品品质、食品安全和会员体验直接相关。

新员工来自不同职业背景，不少人需要从零开始，先学习人力、安全和食品安全等红线要求，再掌握具体岗位的操作标准。一套清洁流程的相关资料，可能就有一两百页。

为了帮助新人上岗，门店一直采用教练机制：由经验丰富的员工带教。这名真人教练，是新员工的"第一教练"。

但培训结束后，真实的工作才刚刚开始。

“第一教练不可能一直在每个人身边。”山姆济南店鲜食副总管湘钰说。员工在现场可能突然需要确认精选黑猪的储存温度，也可能要判断某批商品的日期是否符合最新要求。过去，他们往往要找主管、问同事，或者回到电脑前，从大量文件中寻找答案。

对于正在补货、理货或服务会员的一线员工而言，答案是否准确固然重要，能否及时找到同样关键。

“第二教练”由此出现。山姆将已经确认的营运标准、政策和规则汇入飞书企业知识库，再借助豆包工作伙伴的AI能力，在飞书上搭建“山姆营运小助手”。员工不必记住文件名称或存放位置，只需用日常语言提问，就可以查询具体操作要求，也可以用它预习和复习岗位知识。目前，这一工具已经覆盖山姆全部门店。

真人教练把经验交给员工，AI助手则让标准更容易抵达现场。两者不是替代关系：一个帮助员工理解工作，一个帮助员工在需要时迅速找到依据。

每次提问，都在更新组织

营运小助手出现之前，山姆已经积累了大量业务资料。问题在于，这些资料存储在不同文件和系统中，一线员工未必随时有电脑可用，也未必知道应该去哪里寻找。

来自山姆营运创新团队、参与营运小助手搭建的温之王介绍，团队首先整理既有知识，将其沉淀到飞书企业知识库中，再让AI理解员工以自然语言提出的问题，从已有资料中检索并组织答案。

山姆营运创新团队 、营运小助手搭建团队成员 温之王

在这个过程中，难点不只来自技术。哪些文件可以作为权威来源，一项规定由谁维护，标准更新后如何同步，答案出现冲突时由谁确认，都需要业务团队、专业团队和一线员工共同参与。

这也是为什么，AI不能成为制度的最终解释者。

山姆济南店现金办公室的刘琪经常面对与具体规则有关的问题。会员询问发票时，许多细节必须回答准确。她通常会先查询营运小助手；如果发现规则有更新，就继续查看原始文件，再和主管确认。确认后的新口径还要及时同步给团队，避免其他员工继续使用旧标准。

一线负责把答案用对，总部和专业团队负责让标准持续更新。每一次新问题的出现、反馈和补充，构成一个不断循环的知识闭环。

张晓蕾在晚班中遇到的报损问题正是如此。AI第一次没有给出答案，并不意味着流程在这里结束。相反，这次“答不上来”被记录后，促使组织补齐了一块缺失的知识。员工的一次提问，也可能成为流程改进的起点。

AI也需要被管理

在营运小助手这套流程中，AI负责从知识库检索、组织答案，一线员工判断答案是否适用于当下场景，主管和专业团队确认规则，项目团队再把经过验证的新知识更新到系统。技术进入任务流后，并没有拿走人的责任，而是重新划分了人与工具各自承担的环节。

这套分工背后，是企业工作方式正在发生的变化。过去，组织中的复杂任务主要依靠人完成，管理任务流本质上是在安排人、协调人和支持人。今天，任务流管理开始从单纯"管人"，转向同时管理"人与AI"。所谓管理AI，也不是简单地给系统分配任务，而是要为它建立清晰的知识边界、验证机制和责任链条。

AI越深入工作现场，这些边界越需要明确。在食品安全、财税规则等容不得含糊的场景中，答案来自哪里、何时更新、由谁确认，比生成一个“看起来正确”的答案更重要。

沃尔玛中国对AI价值的判断也指向真实的业务结果：技术不应只停留在某个单点工具上，更大的价值在于重塑全链路工作流，提升决策的速度与准确度。它最终要接受客户体验、货品可得性、履约速度和员工赋能等实际成效的检验。

放到营运小助手的场景中，这一价值并不只是“搜索更快了”。当总部标准可以及时抵达门店，当一线遇到的新问题能够反向进入知识库，当不同班次的员工减少对过时口径和个人记忆的依赖，AI才真正进入了组织的工作流程。

当然，这套机制仍需长期维护。零售现场规则繁多，业务又在不断变化。如何标明答案来源，如何及时清理失效内容，如何区分普通操作建议与必须人工确认的高风险事项，决定了AI能否从“可以用”走向“能信任”。

人，始终是零售的主角

2026年是山姆会员商店进入中国的第30年。随着门店规模扩大、员工数量增加，如何让不同门店、不同岗位和不同班次的员工，在每一个具体环节执行同一套标准，已经成为组织能力的一部分。

“有快乐的员工，才有快乐的会员。”山姆会员商店首席运营官（COO）郑硕怀说。在他看来，高标准只是起点，企业还需要为员工提供达到这些标准的工具与支持。只有每个细节在不同门店、每一天的不同时间都得到正确执行，稳定的品质和服务才可能最终呈现在会员面前。在这套逻辑中，技术的角色不是替代人，而是赋能人、成就人。

“第二教练”不会走到柜台前替员工服务会员，也不会代替员工做出所有判断。它把总部制定的标准、专业团队的知识和一线员工的经验连接起来，让身处现场的人少花一点时间寻找答案，多一份作出正确判断的依据。

在零售现场，标准被写进文件，并不等于它已经被执行在货架、后场和收银台前。张晓蕾那晚补进知识库的，看似只是一条报损标准，实际补上的是组织学习的一环：一个人的疑问被记录、验证，再变成所有人的答案。技术真正进入零售，不是因为员工少问了一个人，而是因为每一次来自一线的提问，都可能让整个组织下一次做得更好。

作者：李娜