40%

自主决策引擎可释放的商品经理低效工作时间比例（McKinsey）

McKinsey Merchants Unleashed: How Agentic AI Transforms Retail Merchandising

McKinsey：零售Agentic AI——40%商品管理时间解放实证

零售Agentic AI的时间解放与落地路径

零售行业的商品经理每天在做什么？大量时间用在数据整理、库存对账、促销规划评审——这些工作可以很重要，但执行层面高度重复。McKinsey的报告说，Agentic AI有能力接管其中40%。

40%不是小数字。对一个5人的商品团队来说，意味着相当于2个人的时间可以从例行处理中解放出来，转向真正需要判断力的工作：新产品策略、供应商谈判、跨品类协调。

但这里有个值得注意的现实。同一批数据显示，71%的商品经理认为当前AI工具对业务没什么实质效果。40%解放潜力 vs 71%当下失望——这个落差的来源，不是技术能力不足，而是部署方式的问题。

多数零售商买了AI工具，但工具没有进入实际的商品决策流程。商品经理用AI生成报告、写文案，但补货决策还是靠人工跑数据、开会对齐。AI只是在帮人做"写"的工作，没有参与"决"的环节。

Agentic AI的切入点在哪？从可量化的闭环场景入手：补货触发（库存低于阈值自动补单）、促销定价（实时价格建议基于竞品和库存水位）、库存预警（季末滞销品早期识别）。这些场景的共同特征是：输入数据结构化、输出有明确标准、错误可以追溯。

先在这里建立AI决策闭环，再慢慢扩展到更复杂的商品组合策略。这个顺序不只是为了控制风险，也是为了积累业务数据和团队信任——两样东西都是AI规模化不可缺少的。