上篇我讲了红绿灯看板、任务令、水平问责、资源二次分配，把驾驶舱从”看”变成”派任务、逼执行”。

但有个坑我必须提醒你：很多老板一激动，十二个红灯全上、四套系统全铺，结果团队直接崩了——每天几十条任务令飞出来，谁也执行不动，最后驾驶舱又变成了墙上的装饰。

所以今天这一篇，我讲一个真实连锁集团的落地案例，他们用100天、只跑一个场景、设对照组的办法，把驾驶舱稳稳跑通。这不是PPT假设，是真东西。

---

先把损益树画出来，三个黑洞浮出水面

这家连锁集团，具体名字不方便说，行业是连锁零售，几十家门店。他们的痛点跟你一样：每天一开门，利润就在看不见的地方漏损，但并不十分清楚漏在哪，每天该盯什么也不清楚。

我们跟他们做的第一件事，就是上一场讲的方法：先把损益树画出来。 收入按门店拆、按品类拆，成本按固定和变动拆，拆到第四层，找到驱动因素。

拆完发现三个黑洞，没有一个是看总盘利润能发现的：

第一个黑洞：有5家门店的坪效低于盈亏平衡线，但一直没人管。为什么？因为总部看的是总盘利润，这5家亏的，被赚钱的门店盖住了。你从总盘看，一切正常；拆到门店层，才发现5个窟窿。

第二个黑洞：某个品类的毛利率只有8%，其他品类是25%，但这个品类的采购量却是最大的，占用了大量营运资金。换句话说，他们把钱都砸在了最不赚钱的品类上。

第三个黑洞：门店人员排班跟客流不匹配。工作日排了满班，但客流稀少，人在那闲着；周末反而人手不够，客单流失。周末是你最赚钱的时候，结果你人手不够——这不是利润黑洞是什么？

三个黑洞，必须拆到第四层才能看见。

---

100天试点路线图：三阶段，步步为营

找到黑洞之后，我们规划了一套100天的AI试点路径。注意，它不是一上来就铺四个场景，是分阶段走。

第一阶段：Day 1到30，数据拉通，指标立住。 这个阶段不做AI，就做两件事。第一，把各门店的销售、采购、排班、客流数据，拉通到一个数据池里——之前这些数据散在三个系统，口径都不一样，销售说的数字和财务说的对不上。第二，把损益树每一层对应的指标定义清楚：什么叫坪效？怎么算？什么叫客单流失？怎么统计？每个指标都要有统一定义、统一数据源、统一计算公式。决定你战略能不能落地的，不是目标多少，而是指标选对了没有。 指标定义不清楚，AI跑出来的结果就是垃圾进、垃圾出。

第二阶段：Day 31到70，第一个AI场景上线。 注意，不是一上来铺四个场景，是先跑一个。选哪个？选黑洞最大、数据最齐全的那个。他们选的是——门店坪效每日监控加异常推送。每天早上，AI自动拉取各门店前一天的销售额和营业面积，计算坪效，低于盈亏平衡线的门店自动标红，推送给区域经理。区域经理收到的是什么？不是一份周报，是一条具体的待办——“XX门店连续3天坪效低于盈亏平衡线，请核实原因，48小时内反馈。”

你想想这个变化。以前区域经理每周看一次周报，看到的时候，问题已经发生一周了；现在每天早上收到推送，问题刚发生一天就知道了。以前收到的是一份表格，自己找问题；现在收到的是一条待办，问题已经帮你定位好了。这就回到了我们的核心：AI不是帮你写报告，是帮你盯利润。

第三阶段：Day 71到100，效果验证，场景扩展。 怎么验证效果？设对照组。5家亏损门店里，选3家用AI监控、每天推送异常，另外2家不用，按原来方式管理。跑30天，对比三件事——坪效有没有改善？亏损有没有收窄？区域经理的响应速度有没有变快？验证通过之后，再把第二个场景加上去——品类毛利监控，第三个——排班优化，第四个——客户流失预警。四个场景，100天，每个场景都有对照组、有验证公式、有回本周期。

---

这套路径的五步核心逻辑

我再总结一下，因为这套路径是可以直接复刻的，五步：

第一步，先诊断，再上AI。 损益树拆到第四层，找到黑洞。第二步，先立指标，再跑数据。 每个黑洞对应一个指标，每个指标有统一定义。第三步，先跑一个场景，再铺开。 选黑洞最大、数据最齐的场景先跑。第四步，设对照组，算清ROI。 有对比才有说服力，老板才愿意继续投。第五步，每条结论可追溯。 AI给的每一个数字，都能追回原始数据。

这五步，就是从”诊断”到”AI经营驾驶舱”的完整路径。不是我们凭空臆想的理论，是在真实企业身上验证过的。

---

顺带讲一个更轻的案例：私募投决会的行动项

说到”先诊断再上AI、先跑一个场景”，我再给你讲个轻一点的真实案例，让你感受下这个思路多普适。

一家中等规模的私募机构，每周开投决会，会后秘书要花2到3个小时整理会议纪要。但真正的问题不是时间，是遗漏——谁负责跟进什么、什么时间节点交，漏掉率大概在30%。你想想，每周三分之一的行动项没人跟进，一个行动项漏掉，可能就是一个投资机会错过，一个投资机会错过，可能就是几百万。

后来他们没急着买AI工具，先把业务问题想清楚：投决会的行动项追踪，是利润漏损的关键环节。明确了这个问题之后，AI做的事非常精准，五步——第一步，会议全程录音，会后自动转成文字稿，不用秘书边听边记；第二步，AI从文字稿里自动提取决议、行动项、责任人、时间节点，生成结构化清单；第三步，秘书花1到2分钟扫一眼确认没有理解错，这一步不能省，人还是要把最后一道关；第四步，确认过的待办自动推送到每个责任人的企业微信或飞书，不用秘书一个个催；第五步，下一次投决会前，AI自动把上次行动项完成情况汇总好，摆在会议材料最前面——谁办完了，谁的还没动。

结果呢？整理时间从2到3小时压到15分钟以内，行动项遗漏率从30%降到5%以内。你注意，这套流程没有换掉任何一个人，前后也就是几周时间接上的事。

这就是”先把业务问题想清楚，AI才能有的放矢”。 不是反过来，不是先买AI再找问题，是先找到黑洞，再让AI帮你盯住。

---

留个钩子给你

讲到这，从诊断到驾驶舱的完整路径你应该清楚了：先画损益树找到黑洞，100天只跑一个场景、设对照组验证ROI，再一个一个加上去。

但最后一个、也是最容易被忽视的问题来了：场景跑通了，可老板一忙，又回去拍脑袋了，驾驶舱慢慢又没人看了，怎么办？

下一篇我讲一把手的三件事——怎么让”数据追着你跑”，而不是你追数据跑；怎么用机制，把这套驾驶舱变成公司年年能打得住的肌肉记忆。