AI已经杀进大卖内部！千岸靠AI把64个工时压到16个

本文经授权转载至：品牌出海BrandGlobal

过去一两年，AI工具快速进入跨境电商企业，但当AI从单点工具走向企业内部，真正需要回答的问题已经变成：AI到底解决了什么问题？又将如何改变产品、组织和经营方式？

在最近的一场行业前沿对谈中，泉州爱斯奇供应链CEO黄其波、那云科技技术合伙人王君杰、千岸科技联合创始人刘治、广州市培优信息科技有限公司联合创始人Allen、广东三绿实业跨境运营负责人矫健，围绕AI落地展开了一场讨论。

从数据治理、流程再造，到AIBP机制、岗位变化，再到产品创新和未来竞争壁垒，几位来自不同品类、不同发展阶段的企业负责人，分享了各自的实践。

【想近距离吃透跨境 AI 全链路落地打法？2027 ChaoBuy大会 12.30 深圳举办，聚焦 AI + 出海，头部品牌创始人、站点高管齐聚，仅限老板圈层交流，席位稀缺，点此即刻抢占！】

圆桌主持：

黄其波｜泉州爱斯奇供应链 CEO

嘉宾：

王君杰｜那云科技技术合伙人刘治｜千岸科技联合创始人Allen｜广州市培优信息科技有限公司联合创始人矫健｜广东三绿实业跨境运营负责人

问：各家企业是什么时候开始布局AI，目前主要落在哪些板块？

黄其波：以爱斯奇为例，我们从2023年开始系统化推进AI，到2026年进一步全面推进，目前已经覆盖产品、运营、供应链和组织。

产品调研方面，我们通过大量产品爬虫、标签进行交叉分析，内部也会形成VOC洞察分析。

经营层面，我们建立了一些运营BI看板，由AI自动巡检KPI阈值并进行异常监控。过去是“人找数据”，现在逐渐变成“数据找人”。

供应链端，我们上线了智能补货预测、库存健康以及供应链评估；组织层面则进行流程诊断和再造，包括审批效率分析以及HR看板。

我们内部有一句话：不是买了一个AI工具，而是让AI长在流程上。

刘治：千岸科技主要从事自主品牌的研发、设计、销售与服务，通过第三方站点和独立站面向全球消费者打造全球品牌。现阶段主要产品线包括艺术创作、音频、儿童产品以及运动户外。

我们大概从去年年底到今年年初开始，把AI从员工个人试用提升到公司级应用，并进一步上升到公司组织变革。

现阶段主要沿着三条线推进。

第一条是基础设施与治理，统一工具、权限、流程、数据以及验收标准。

第二条是业务项目，优先选择高频、耗时、规则清晰的工作进行AI流程转化。

第三条是全企业的AI能力建设，通过管理层、全职和兼职AIBP、软件部门以及全员培训，把实践中的流程沉淀为可积累、可复用的AI Skill和知识资产。

从目前的实践来看，最容易产生回报的还是营销、运营后台这类流程性工作。比如我们有一个红人推广成效监控看板，过去需要人工完成多张表的数据查询、指标计算、趋势可视化以及总结初稿，每个月大约需要投入64个人时。AI化之后，现在大约16个人时就可以完成，效率提升了4倍。该项目今年8月通过G2验收，目前已经在部门开始试用。

我们希望通过这样的业务项目，把AI真正沉淀到公司的流程里，而不是停留在员工个人使用工具的层面。

王君杰：那云科技主要做跨境运动休闲服饰品牌，主要渠道是亚马逊，同时也在探索TikTok等多渠道布局。我在企业主要负责整体智能化工作，近几个月重点也是探索AI如何在企业内部落地。

矫健：三绿实业是一家集研、产、销于一体，专注于3D打印产品的企业。目前我们有华南、华东和越南三个基地，产品覆盖150多个国家。

我们内部有信息部，AI相关工作主要由这个部门推动。

目前一个方向是营销，包括运营中的上下架、售后以及设计等；第二个是产品，我们会通过爬虫、API、MCP等方式获取真实消费者数据，了解消费者对产品的真实痛点，再优化产品；第三个就是内部工作流，通过AI释放过去一些重复、繁重的工作。

Allen：我们公司主要销售小家电和汽配产品，主要通过亚马逊、eBay等第三方平台开展业务，同时进行线上和线下布局，AI目前也已经进入我们的业务流程。

问：企业内部如何让团队真正把AI用起来？

王君杰：我们采取的是以点带面的方式。

会找各部门核心业务人员中对AI比较感兴趣的人，由数字化部门和他们共创，寻找具体场景进行落地。

当AI真正帮助他们解决问题、提升业务效率，或者产出比较好的成果之后，我们会在内部进行分享，其他业务部门看到实际效果后，也会主动思考自己的业务有哪些需求，再来找我们交流。

所以现在我们已经不是过去那种焦虑“怎么在企业内部推广AI”的状态，更多是在考虑大家的需求越来越多，我们怎么利用AI把业务做好。

当然，这个过程中会遇到一个很重要的问题，就是数据治理。

企业内部AI应用很多都会涉及数据分析，如果数据口径不统一，或者数据基础没有做好，AI就容易出现幻觉和数据准确性问题。一旦团队对AI失去信任，重新建立信任需要比较长的过程。

所以在AI出现之前做的数据基建非常重要，只有把治理好的数据提供给AI，AI的效果才会更好。

刘治：王总刚才提到的“以点带面”和数据治理，我们也认为非常重要。

在推动AI进入企业组织变革的过程中，我们建立了一个AIBP机制。

千岸内部的AIBP主要有两种。一种是企业级AIBP部门，成员主要是AI应用能力比较强的员工，他们负责帮助各业务部门解决AI应用过程中遇到的实际问题，识别业务精准需求，并推动企业级、战略级AI项目。目前企业大概确定了10个左右的公司级AI项目，需要由AIBP团队推动。另外一种是兼职AIBP。我们会从每个业务部门中寻找一个有兴趣、有能力，也愿意帮助自己部门AI化的员工，让他加入兼职AIBP体系。

这样一来，公司级AIBP负责统一整个企业的AI发展方向、工具边界、业务机会和项目节奏；兼职AIBP则在业务一线真正使用，在实际过程中发现哪些工作可以AI化。

我们还会通过培训、AI项目竞赛、分享会以及G1、G2、G3评审来推进项目。G1看能不能跑，G2看业务能不能用，G3看能不能持续使用并在公司内部复制。

验收的时候，我们也不会只看复用度、使用次数或者Token消耗，而是看项目本身的实际有效性和最终结果。

矫健：我们和刘总的思路比较接近，也是三个部分。

第一，企业层面提供站点，包括资源、学习机会和学习时间。

三绿有一个学习日，每个月有一天时间让员工学习。这个习惯在AI兴起之前就已经持续了很多年。最近AI发展起来以后，员工对AI非常感兴趣，学习重点也更加偏向AI。

第二是IT部门，也就是信息部。信息部的员工更加专业，可以解决大家在使用AI过程中遇到的问题，同时也会主动组织培训。

第三是部门内部真正落地，否则AI很容易停留在理念层面。

我们在月会、周会上也会对相关应用进行复盘。简单来说，就是公司提供资源和时间，IT部门搭框架、提供方法，业务团队寻找真实场景并实施。

问：当AI真正进入团队之后，人和组织架构是否也会跟着改变？

Allen：我们主要是在内部增加AI训练师岗位，围绕数据采集、数据治理、数据标注、跨部门对接，以及模型训练和优化等工作展开。

不断进行数据投喂之后，再形成效果测试闭环。测试完成后，根据岗位的人才画像去招聘，逐步提高对数据敏感度、逻辑能力、跨部门流程以及运营经验等方面的要求。

目前来看，我们的需求准确率提升了10%-15%，缺货率减少了30%，整体纯利提升大约5%。

矫健：我们在岗位架构上没有做太大的变化，更多是在优化员工个人能力，而不是优化岗位本身。

AI虽然越来越普及，但目前仍然处于不断发展的阶段。

从企业角度来看，那些既了解产品，又了解AI的人，是非常宝贵的资源和资产。所以现阶段，我们还是更希望通过AI赋能现有员工。

黄其波：爱斯奇内部现阶段保持约100人的团队规模，不靠堆人，而是更关注人均产出和人效提升。

同时，中台的角色也发生了变化：从过去偏执行的部门，逐渐转向更偏策略的部门。

问：当AI真正用起来以后，Token成本、组织提效和利润提升之间，企业怎么找到平衡？

Allen：我认为不要单纯评估Token成本，更重要的是让AI辅助ERP去看整体ROI。

接入ERP之后，要形成完整闭环：从数据采集、数据治理，到数据分析、决策建议，再到执行，执行完成之后还要进行效果评估。这个完整闭环，比单纯计算Token单价更有意义，因为最终带来的是实际ROI。

我们的缺货率和需求准确率提升，也是来源于这样的闭环。同时，还需要使用完善的ERP系统搭建执行层和标准化流程。数据做好之后，还需要系统承接执行。我们也会结合领星这样的系统来完善这套体系。

矫健：我们会从长期和短期两个角度看AI的ROI。

短期来看，如果希望马上看到ROI，广告是比较容易衡量的场景，因为广告本身就有明确的投产比。但长期来看，三绿更加注重产品品质以及员工在工作中的幸福感。所以对于我们来说，AI带来的价值不一定要求短期内马上体现为一个明确的投入产出比，长期来看，它对企业效率和整体能力的提升同样重要。

问：AI有没有影响到产品创新？有没有产品因为加入AI功能，让买家使用起来更加方便？

Allen：这个影响肯定是有的。

我们在产品中加入AI相关程序和功能之后，可以让产品使用场景更加智能化，提高用户使用产品的黏性，帮助用户形成使用习惯。所以从这个角度来看，AI程序植入之后，更容易让产品形成影响力。

刘治：我也认为AI会产生影响，但现阶段来看，AI对千岸的影响更多体现在产品创新过程。

比如需求分析、内部协作，以及设计、营销的工作方式，AI都可以提供很多帮助。至于直接把AI融入产品，目前我们还没有一个可以公开的案例。我们对这件事情的看法是，不要为了AI而AI，也不要为了给产品加AI标签而AI化。

最终还是要回到第一性原理：这个产品能不能真正解决用户的问题，能不能稳定运行，并通过安全和质量认证。这才是我们判断一个产品是否需要增加AI功能的核心标准。未来我们也有相关计划。

问：AI工具的决策权到底应该掌握在谁手里？是IT、运营部门，还是CEO直管？

王君杰：我认为最终还是应该由业务来决定、由业务来决策。

比如我们现阶段主要做亚马逊，一个重要命题就是如何提高亚马逊运营能力的上限。

一个优秀运营本身就是比较稀缺的资源。假设一个优秀运营过去可以带动10条链接，那么在AI加持下，如果能够让一个优秀运营带动30条甚至50条链接，并且为这些链接创造更好的价值，那么这样的场景一旦能够落地，大家自然都会想办法把它实现。

所以我认为，最终还是应该以业务需求和业务导向来决定AI怎么用。

矫健：我比较赞同王总所说的业务导向，但我们还需要考虑数字安全。

我们企业的思路是：CEO和公司决策层定方向，IT部门给出框架，业务部门负责具体执行。

CEO负责企业的整体方向和资源倾斜；IT部门依据公司方向，判断哪些Agent、哪些大模型适合企业，并负责底层数字框架搭建，保证数据安全；各个业务部门则在这个框架之内，根据自己的实际场景选择应用方式。

这样既能保证AI在企业内部的渗透率，也能保证数字资源安全。

刘治：我认为AI决策权不应该由某一个部门单独拥有。

CEO和管理层负责决定方向、资源和风险边界；业务部门负责定义问题场景和希望交付的结果；AIBP部门负责落地实施，包括拆解、试点、验收和复用推广；IT和软件团队负责工程、工具以及安全性的把控。

如果涉及数据机密、重大投入或者方向性调整等高影响工作，还需要授权、预算和人工复核。

另外还有一个很重要的机制，就是停止机制，也就是明确什么时候应该喊停。

问：当AI越来越强，企业内部哪些环节和工作仍然无法被替代？

刘治：我认为目前AI最难替代的，其实是“裁判员”的工作，也就是目标判断、业务取舍、创造性的方向、跨部门协同，以及最终责任的承担。

AI可以把任务更快地完成，但它无法决定企业要做什么、为谁而做、承担什么风险，以及结果是不是真的值得交付，这些都是AI目前还做不到的。

矫健：这一点和刘总的观点比较接近。

AI现在已经能够替我们完成很多思考和分析，但一些人性化的工作仍然需要人参与。比如业务对外需要进行深层沟通时，直接面对面沟通可能更加有效。再比如跨部门协作，如果遇到比较复杂的问题，完全依靠AI进行沟通可能并不理想，人与人之间直接沟通仍然很重要。

问：当AI成为标配之后，商户未来的差异化会在哪里？核心壁垒又是什么？

王君杰：我们主要做亚马逊，我认为一个基础问题还是：亚马逊的核心依然是产品。除此之外，未来更加重要的是效率。

AI带来的核心变化就是效率提升，无论是帮助人盯盘，还是帮助员工完成一些具体工作，最终都是为了提升企业效率。

未来海外市场也会越来越卷。在这种情况下，企业如何提高效率，把供应链能力、运营能力等各方面能力进一步提升，我认为非常关键。

Allen：我认为主要有几个方面：产品迭代、AI关键词训练以及生态闭环。

所谓生态闭环，就是从研发、生产到销售网络，再到售后体系的搭建。这套完整的体系，是AI比较难直接替代的。

刘治：AI的核心就是提效，把过去大量重复、耗费人力的工作更加高效地完成，但AI无法替代人的判断。所以，我认为未来企业的核心能力还是在于理解用户以及持续开发出好的产品。

具体来说，包括产品能力、品牌能力、供应链与交付能力，以及底层系统建设和数据治理能力。

AI会成为一种基础设施，就像公路一样。公路大家都可以使用，但谁能跑得快、跑得好，方向是否正确，最终还是取决于企业的判断力、执行能力以及持续学习能力。

结语

从工具应用到流程重构，从个人使用到组织变革，这场圆桌呈现出的一个明显变化是：AI正在从企业里的“新工具”，逐渐变成经营体系的一部分。

数据治理决定了AI能不能用得准，流程改造决定了AI能不能真正产生效率，AIBP等组织机制则解决了AI如何从少数人的尝试走向企业内部规模化应用。

而当AI逐渐成为基础设施，几位嘉宾的观点也指向了另一面：效率可以交给AI，但产品选择、业务取舍、品牌建设、供应链能力以及最终判断，仍然是企业需要长期积累的能力。

对跨境卖家而言，AI带来的变化或许才刚刚开始。