商业地产用了 AI，为什么跨部门经营协同依然困难？

当招商、营销和运营团队分别用 AI 整理品牌资料、准备文案和分析报表时，接下来的问题是：这些工作成果，怎样共同支持一个经营决定？

本文提出一个讨论角度：评价商业地产 AI，可以同时看单项工作效率，以及信息能否跨部门流动、决定能否进入执行、结果能否回到下一次判断。

行业产品与调研提供了哪些线索

2026 年 5 月，赢商网报道银泰商业发布 MOS-AI。报道中的产品介绍将感知、决策和执行连接起来，列出内容运营、活动策划等工作。阅读赢商网报道

2026 年 9 月，Commercial Observer 报道 EliseAI 推出 Apollo。企业在报道中介绍了租赁沟通、任务处理和数据访问等物业管理用途。阅读 Apollo 报道

仲量联行 2025 年 10 月的房地产投资者技术调查覆盖 15 个市场、500 多名高级决策者。报告称，88% 的受访投资者已经开始 AI 试点。这是试点采用情况，不能直接推算中国购物中心的采用率或经营收益。阅读 JLL 原始报告，第 1 页（PDF）

同一报告把流程重组、人员培训和团队协作方式的调整列为实施难点。它区分了分析输出、工作流自动化与智能体应用，并指出智能体应用需要更多相关人员监督和测试。核对原报告第 9 页

对准备开展商业地产 AI 试点的团队，本文建议先选一个真实经营问题，写清资料由谁确认、决定由谁批准、执行怎样交接。以下三个问题可用于检查准备情况；行业调查本身不代表 Rurban OS 的项目成效。

以一项经营调整为例，招商掌握品牌进展，运营掌握商户表现，营销掌握活动反馈，财务掌握费用与回款。作出决定前，需要知道数据来自哪里、统计到哪一天、哪些判断仍然缺少依据。

一份方案需要继续明确责任人、交付物、时间和审批范围。涉及其他部门时，信息交接与确认也应进入任务本身。这样才能判断工作停在什么地方，需要谁继续处理。

内容发布、活动完成或任务关闭，都只是过程记录。还需要比较投入、业务变化与实际反馈，并说明哪些变化能够支持原来的判断，哪些仍不能确定。

Rurban OS 第一阶段围绕经营问题识别、经营决策和跨部门执行展开。其四项能力架构将经营感知、决策推演、协同执行和结果学习连接起来；实际效果仍需要具体项目验证。

对于商业资产方和运营团队，值得讨论的是：你们最常卡住的环节，是资料找不到、决定下不来，还是决定之后推不动？这个问题可以成为选择第一项试点任务的起点。