督导
远程视频巡查的一天
现在的方式打开海康回看录像，手动看 2 小时，在 Excel 记下发现的违规，等下周周会汇报。一个人管 3 家店，只能抽查。
AI 化之后AI 全天自动检测，上午发现 3 条着装违规和 2 次仪式感缺失，11:30 自动推送店长手机。督导打开看板看的是跨店异常聚合，不需要逐店看录像。
反馈延迟从 1 周 → 半小时 · 督导从"看录像"变为"看异常"
| 门店 | 赛马评分 | 3 周奖励 | 3 周处罚 | 净额 | 达标情况 |
|---|---|---|---|---|---|
| 天府三街 | 97.0（第 1） | +5,000 | 0 | +5,000 | 3 周全部达标 |
| 太古里 | 95.2（第 2） | +4,500 | -280 | +4,220 | 1 周 1 项未完成 |
| 宽窄巷子 | 90.7（第 3） | +4,500 | -985 | +3,515 | 2 周有未完成 |
数据来源：周例会 PPT 4 周完整数据提取（Slide 22-35）
| 企业 | 应用 | 效果 |
|---|---|---|
| 海底捞 | AI 视频巡检 | 100% 门店覆盖，准确率 >95%，从发现到闭环 2 小时 |
| 海底捞 | AI 电话机器人 | 累计接听 2,320 万通电话，服务 593 万人 |
| 百胜中国 | AI 智能体 | 覆盖排班/盘点/巡检等 20+ 运营场景 |
| 茶百道 | AI 智能巡检 | 巡检效率提升 30%（中小品牌参考） |
| 绝味食品 | AI 知识沉淀 | 沉淀 14.3 万条金牌店长经验 |
来源：《中国餐饮AI应用研究报告2026》、海底捞2024年报、百胜中国CTO访谈
太古里店 6 天产生 78 条违规记录，日均 13 条。排在前面的全是最基础的服务动作——员工知道标准，但没人持续盯的时候就松了。
数据来源：太古里门店扣分记录（门店扣分表.xls，2026-03-26~03-31，78 条记录，次数为近似值）
其中仪式感服务违规占 9%——围裙和眼镜布没提供。这不只是扣分项，这是品牌核心体验在日常执行中的流失。一桌客人体验不到仪式感，就不太可能花 390 元点一场演绎。
不是所有检查项都适合 AI。先从视觉特征最明确、技术最成熟的开始：
| 层级 | 检测内容 | 可行性 | 建议 |
|---|---|---|---|
| L1 | 岗位在岗检测 | 成熟 | 优先试点 |
| L2 | 着装合规（口罩/工帽） | 较成熟 | 优先试点 |
| L2 | 仪式感物品（围裙/眼镜布） | 可检测 | 次优先 |
| L3 | 行为识别（添茶/擦桌） | 暂不成熟 | 后续迭代 |
选 5-8 项在 1 家店先跑，目标准确率 ≥90%。
规模化视角：当门店扩展到 30 家、100 家，人工巡检团队需要同比增长。而 AI 的边际成本趋近于零——第 100 家店和第 1 家店用的是同一套模型。
POS 告诉你销售额降了 10%，但只有晨会上店长那句"隔壁新开了一家竞品"才揭示了原因。视频 AI 检测到违规率上升，但只有班后会上组长说的"今天少一个人"才解释了为什么。
系统数据揭示"发生了什么"，会议沟通揭示"为什么发生"。缺少后者，数据分析只是数字游戏。
POS（天南商龙） → 手工提取 → Excel
视频巡检（海康） → 人工审核 → 扣分记录
评价（美团/点评） → 手工登录 → 截图粘贴
HR（北森/钉钉） → 手工导出 → 排班表
全部手工汇总 → 39 页周会 PPT
来源：AI智能化管理研讨会-技术发现.md · 周例会管理体系.md
规模化视角：3 家店 1 个人搬数据尚可承受。30 家店需要 10 个人搬数据。100 家店需要一个部门搬数据。数据自动流通是规模化的必要基础设施。
试点门店 6 天 78 条违规记录中，涉及约 10 名员工。数据显示不同员工的违规类型存在明显差异——有的集中在服务响应类，有的集中在规范执行类。这意味着 AI 可以根据每位员工的实际数据，自动匹配对应的改善方向，而非统一安排相同的培训。
数据来源：试点门店扣分记录（78 条，~10 名员工，6 天，次数为近似值）
同一套数据，不同角色需要看到不同的视角。AI 的作用是自动将信息按角色需求分发，每个人只看与自己相关的内容，直接驱动行动。
| 角色层级 | 信息需求 | AI 驱动的能力 |
|---|---|---|
| 门店管理者 | 本店运营全貌 + 需关注的异常 | 自动汇总 + 异常高亮 + 改善追踪 |
| 后厨负责人 | 与出品和食安相关的信息 | 食安异常实时推送 + 相关反馈聚合 |
| 区域管理者 | 跨店对比 + 趋势变化 | 异常预警 + 门店间差异分析 |
| 总部管理层 | 品牌整体健康度 + 决策信号 | 关键指标聚合 + 跨维度洞察 |
视频 AI + 会议 AI → 数据自动生成
↓
信息自动汇聚 → 全局实时可见
↓
角色工作流 → 每个人知道该做什么
↓
AI 自动验证改善 → 闭环回到数据生成层
| 角色 | 第一个月的体验变化 | 习惯养成目标 |
|---|---|---|
| 管理层 | 经营数据从手动查询变为自动推送 | 信息获取方式从主动查变为被动收 |
| 门店管理者 | 会议开始有 AI 参与记录和分析 | 接受 AI 在沟通场景中的存在 |
| 运营/职能 | 关键异常（如差评）从定期检查变为实时推送 | 建立"推送即响应"的工作节奏 |
| 角色 | 第二个月的体验变化 | 习惯养成目标 |
|---|---|---|
| 管理层 | 周会内容从手工准备变为 AI 预填+人工审核 | 从"整理数据"过渡到"审核判断" |
| 门店管理者 | AI 分析结果开始融入日常管理决策 | 基于数据做决策成为自然动作 |
| 一线员工 | 感知到 AI 巡检的存在，同时也看到正向行为被识别 | 理解 AI 是辅助工具而非纯监控 |
关键节点：第 6 周左右是态度转折期——从"新鲜/观望"进入"日常工具"。需关注使用率变化和团队反馈，及时调整。
| 角色 | 第三个月的状态 | 习惯固化标志 |
|---|---|---|
| 管理层 | 基于 AI 简报做决策成为常态 | AI 协同成为管理基础设施的一部分 |
| 门店管理者 | AI 分析结果融入每日工作节奏 | 主动使用 AI 能力，而非被动接收 |
| 区域管理者 | 巡店方式从全量检查转为异常聚焦 | 信任 AI 的数据判断，聚焦高价值决策 |
| 一线员工 | 适应 AI 参与的工作环境 | 无抵触感，视为日常 |
| 方向 | 前提条件 | 内容 |
|---|---|---|
| 视频 AI 检查项扩展 | Q1 L1/L2 准确率达标 | 逐步增加检查项覆盖面，探索 L3 层行为识别 |
| 角色工作台上线 | Q1 数据流通稳定 | 店长/厨师长/督导各自的专属视图和任务系统 |
| 跨店智能分析 | 3 店数据积累充足 | 门店对比、趋势预测、异常预警自动化 |
| 扩展到更多门店 | Q1 部署手册完成 | 按手册复制到新门店，验证可复制性 |
| 维度 | 当前基线 | Month 1 目标 | Month 2 目标 | Month 3 目标 |
|---|---|---|---|---|
| 信息响应速度 | ≥1 周 | 差评当日可见 | 食安≤30 分钟 | 全品类当日闭环 |
| 会议信息留存 | ~0% | 周例会 100% | 晨会/班后会 100% | 全场景 100% |
| 周会数据准备 | ~3-5 小时 | — | 减少 30% | 减少 50%+ |
| 视频 AI 准确率 | — | — | ≥90%（1 店） | ≥90%（3 店） |
| 违规率趋势 | ~13 条/天 | 建立基线 | 观察趋势 | 下降 ≥20% |
| 团队 AI 使用率 | 0% | 管理层每日使用 | 店长每日使用 | 全角色日常使用 |
| # | 问题 | 影响 |
|---|---|---|
| 4 | "七个不放过"完整定义？PPT 中列出 6 项，第 7 项是什么？ | 管理看板框架对齐 |
| 5 | 三家门店运营流程是否一致？还是各有差异？ | 方案是否可直接从 1 店复制到其他店 |
小龙翻大江 AI 化组织改造 · 第一阶段分析汇报 · 2026 年 4 月