从超级个体到智能组织，京东零售产研如何重构 AI Native 零售？
内容提要
京东零售产研提出，AI Native零售需重构组织，关键在于模型、业务上下文与反馈闭环三要素。以JoyOxygenZERO为例，将一线判断写回系统形成组织上下文。AI Native是一号位工程，需目标统一、学习闭环快、执行高效，让个人经验转化为组织能力。
延伸解读
AI落地差距不在模型，而在组织上下文
文章指出，当大家能用到的模型越来越接近，企业之间的差距就不只取决于模型。京东零售产研概括为Model、Context、Learning Loop三要素，其中企业上下文装着业务经验和场景约束，反馈闭环决定新经验多久能进入下一次决策。谁能更快把一线判断沉淀下来，谁的AI才会更懂自己的业务。这提示企业，引入AI时不能只关注模型能力，更要建设自己的业务上下文和反馈机制。
共同目标与边界比部门AI加速更重要
文章以GMV增长10%的假设为例，说明广告、流量、新品等环节各自用AI优化，单独看都有道理，放在一起却可能互相打架。每个环节按自己的指标跑，不代表公司朝同一目标前进。AI容易加速单个动作，但组织真正的难点是让不同动作共享目标，也共享彼此不能碰的边界。因此，企业需要在高一层保留共同目标和约束，避免部门AI越忙、组织协调成本越高。
反馈闭环：把一线判断写回系统
JoyOxygenZERO的例子显示，产品经理看到方案不合理时，可以指出问题并说明原因，这些判断和理由会被写回系统，参与后续Context形成。过去企业写Wiki、整理SOP，往往要等人专门复盘才能留下经验；把反馈放回工作过程，是在缩短一线判断从发生到被复用的时间。文章强调，让一次判断留在系统里只是第一步，组织Harness要解决的是如何把分散经验变成AI可调用的组织上下文。
AI Native是一号位工程，需先回答核心问题
文章认为，AI Native更像一号位工程，因为一号位要先回答企业究竟想解决什么问题、核心竞争力是什么、哪些经验值得沉淀、不同团队怎样协作。高质量组织至少要做到目标统一、Learning Loop足够快、执行效率足够高。如果目标没说清楚，部门里的AI越忙，组织反而越需要花力气协调。这提醒管理者，AI落地不是单纯的技术采购，而是需要顶层推动的组织重构。
Q&A
京东零售产研提出的AI Native零售三要素是什么？
京东零售产研将AI Native零售的关键概括为三个要素：Model（模型）、Context（业务上下文）、Learning Loop（反馈闭环）。模型提供基础能力，企业上下文装着业务经验和场景约束，反馈闭环决定新经验多久能进入下一次决策。
为什么说AI Native是一号位工程？
因为一号位需要先回答企业究竟想解决什么问题、核心竞争力是什么、哪些经验值得沉淀、不同团队如何协作。如果目标没有说清楚，部门里的AI越忙，组织反而越需要花力气协调。高质量组织需要做到目标统一、Learning Loop足够快、执行效率足够高，这需要一号位推动。
JoyOxygenZERO系统是如何工作的？
JoyOxygenZERO结合已有信息生成产品方案，产品经理看到不合理的地方可以指出问题并说明原因。这些判断和理由会被写回系统，参与后续Context的形成。产品上线后，系统还会根据新版本更新上下文，使这次工作的经验成为下一次工作的起点。
为什么每个部门都有AI优化方案，公司却没有共同答案？
因为广告、流量、新品、商品装修等环节各自让AI给出优化方案，每套方案单独看都有道理，但放在一起可能互相打架。每个环节按照自己的指标往前跑，不代表公司正在朝同一个目标前进。AI容易加速单个动作，但组织难的是让不同动作共享目标，也共享彼此不能碰的边界。
模型为什么不知道30天后有场大促？
模型根据通用商业知识给出建议，但未必知道企业自己的经营节奏，比如30天后有场大促。现在降多少、大促时再降多少、两次动作怎样避免冲突，都藏在企业自己的经营节奏里，需要业务上下文来补充。
如何把个人经验转化为组织能力？
需要把反馈放回工作过程中，让一线判断和理由被写回系统，参与后续Context的形成。组织Harness要解决的是把分散在个人和团队里的经验，变成AI可以调用的组织上下文。同时组织需要在更高一层保留共同目标和约束，让一线发现的真实场景不断回来。
