（从左到右依次是：朱明生、张勇、林小林）
以下为对话实录，内容有删减：
朱明生：作为凤悦酒店的一把手，您在领导数智化项目的过程中有哪些经验教训？或者能否分享一些关于酒店数智化转型成功的关键要素或心得？
张勇：
这个问题确实很好。过去四年，包括现在我们还在不断地做一些数字化和智能化的投入，经验很多，教训也很多。
总的来看，我觉得一个管理公司的底层逻辑里面，主要是为了四类人服务：你的业主，你的客户，你的员工，还有我们内部的运营管理。
大部分公司在做整个底层系统的时候，比较少关注业主。但我们花了一些心思，给业主构建一个他比较喜欢的交互系统，我们称之为业主小程序。
这个系统是我们目前非常自豪的成就，它提供了丰富的功能，包括基本数据展示、未来趋势预测、客源结构分析，以及与总部的沟通互动等。我们还允许业主提出反馈和吐槽，并且追踪他们从签约到开业的项目全周期。
许多公司数智化转型面临最大的难题，其实是缺乏清晰的战略规划。幸运的是，我们的杨永彪博士一开始就为凤悦制定了详尽的数智化蓝图，明确了未来3-5年我们要构建的系统、投入方向以及如何找到适合我们的发展路径。
所以想清楚怎么做很重要，有些系统做好后发现以前想的太简单了，想的不够全面，等你到2.0或3.0阶段开发的时候，你会发现它的底层逻辑根本支撑不了1.0现状。
朱明生：市场上存在一些伪智能产品，看似智能但实际效果不明显。林总您是这方面的专家，这些伪智能产品背后的主要原因是什么？
林小林：
我认为主要是两大原因：一是智能化升级没有以提升宾客体验为核心。酒店客户常常跟风做智能化，部分供应商可能没完全理解需求就着手开发，结果就是“知其然而不知其所以然”，很多智能方案设计没有围绕提升宾客体验来做，导致做出来后就感觉像是伪智能，降低了宾客的住宿体验。
另一个因素是整个酒店行业的智能化系统缺乏协同标准，这导致智能语音系统、电视系统、客控系统、PMS等多系统之间的对接和高度协同很难实现，多系统相互割裂。
我们和锦江旗下的希尔顿欢朋的合作初期也遇到了多系统协同的问题。为了解决这个问题，我们和客户组成了联合研发小组，拉通多个系统供应商确定系统标准，让所有供应商都执行统一标准，不仅解决了多系统协同问题，还能够提升酒店运营管理效率和宾客住宿体验。
最后，在这里分享一个项目实操经验：“在验收节点严格把关，能提前解决90%以上的问题”，如果验收环节做得不好，后面也会出很多问题，。
朱明生：
很多人在建设系统时，是跟风不算账的。同时，甲乙双方在追求各自的利益时也存在矛盾。乙方希望不断推出新系统以获取收入，而甲方则希望在老系统上的投资能收回成本后再考虑升级。
那张总您之前也提到过酒店智能化要适可而止，这背后其实也是投资回报的问题。关于这点，您能否分享一些观点和判断吗？
张勇：
谈到投资回报，我觉得就是分子除以分母。分子是你的收益，很难算。分母是你的投入。酒店规模不同，边际成本各异，而且随着系统的不断升级和迭代，成本也不断变化。所以这个题目本身是没有解的。
第二个的话，我曾提到智能化要适可而止，是因为硬件迭代快，而智能化是为了体验服务的。但有时候你的某一个好的体验反而给别人带来不好的体验，比如一些年长客户不习惯使用智能马桶或客房系统。但传统的东西如果针对不同的群体，体验反而更好一些。
朱明生：关于投资回报这点，林总这边怎么看呢？
林小林：
我觉得核心还是设备更新是有需求和痛点才想要去更新的。为什么想要更新它们？要么原来做的不好，要么新的东西出来太吸引了。
张总刚刚讲到的这个问题，背后还有个核心因素，即现在行业特别在数字化上更新迭代成本太高，这个也是影响投资回报的一个重要因素。
我们正在建一个包含智能客控、机器人和PMS的生态系统，超过60家公司参与其中，目的是把行业标准定义得更清楚、更完善，这将降低未来的更新和迭代成本。当投资人看到少量投资就能获得更好收益时，数智化的很多问题就能解决，包括投资与回报。
朱明生：当前，数字劳动力和数字员工的概念受到业界和学界的关注，这其实是基于人工智能的新趋势。你们认为数字员工会成为一个趋势吗？这个趋势将如何发展？能否分享一些具体案例？
张勇：
这点没有过多研究，但我觉得酒店行业基层员工的工资是目前整个中国所有行业里面最低的，这导致很多人不愿意进这个行业。因此，一些基础岗位，如咨询和客服，可能很容易被数字员工所替代。
但酒店业是一个需要面对面交流和温度的行业，机器不管再智能，目前还无法感知人的表情和内心变化。所以我认为数字员工和真实员工将会是共存的，他们分工不同，而不是相互竞争。
数字员工可以处理基础工作，解决行业劳动力短缺的问题。真正互动的东西，有温度的东西，捕捉到客户细微的东西还是需要人去做。
林小林：
这块其实我挺赞同张总的观点，数字虚拟人或者AI大模型的出现并不是要取代原有员工的工作。
在酒店应用中，以前大家觉得语音系统很傻很笨，你问一，它答一。如果你问1.5，它可能就理解不了、回答不了，但现在的AI大模型在泛语音理解这块的能力大大提升了。
又比如，过去客房内的语音系统需要你精确地说出“睡眠模式”才能响应，但现在，你只需说“我要睡觉了”或者“我困了”，系统就能理解并作出相应的调整。
