内容来源：2026年2月12日，大树AI创业圈视频号第50期访谈渊虹分享内容。

商业思维

笔记君说：

当下，几乎每家企业都在谈数字化转型和AI应用，但普遍陷入两种困境：

要么，斥巨资引入尖端技术，却只用在零散的“点”上，效果如隔靴搔痒，ROI算不过来；

要么，担心AI替代人力，引发组织抵触，在“要不要用”“怎么用”的纠结中错失时机。

结果，技术成了摆设，成本没降下去，效率也没提上来，反而增加了内部管理的混乱。

企业AI化的真正价值，究竟该如何实现？难道技术本身真的是最大的门槛吗？

近期，童装巨头巴拉巴拉（森马集团）通过一套“AI+RPA”的组合拳，在一年内实现了降本超千万、增效创收近亿的惊人成果。

他们的CEO渊虹在分享中揭示：技术从来不是核心障碍，能否洞察业务场景、重塑组织流程、并让AI像“数字员工”一样融入业务闭环，才是成败的关键。

今天，我们就透过森马的实战案例，拆解他们如何将AI系统性地落地，找出一条符合自身企业从“工具应用”到“能力进化”的清晰路径。

一、全景扫描：

AI如何渗透电商核心业务，

实现自动化运营？

1.规模化的场景覆盖：400+自动化工作流

我们现在运营的场景里面有400多个是完全自动化的。

比如发小红书笔记、订单跟进、退款订单拦截、催派件、面试、开发票、对账、报税、供应商信息管理、采购这些。

大概分成以下几类：

①各个购物平台的活动报名

活动报名就是像天猫、京东、唯品会、拼多多、抖音这些平台的活动报名类型，然后促销设置相关的，不管是设置价格优惠券，比如说会员券、新人券、优惠券类型的都可以。

②数据统计类：日报、周报等报表

第二个大类型就是数据统计类，比如说原来我们要写日报，包括做爆款数据的周报，商品的预算预实，财务的一些报表等等，只要是跟数据处理相关的，也全部可以实现自动化。

③直播间：数字人直播、直播搭建等

第三个大类型的场景，就是我们刚才看的直播间，除了数字人直播以外，直播间的创建、直播间手卡的生成、直播间商品的发布，各种时间的配置等等，这些也全部可以自动化。

④购物平台的店铺装修：商品陈列等

第四个场景是跟店铺装修相关的，比如说我们看到的店铺整个首页、二级页、分类页、专辑页里面的素材热区链接商品的陈列，这些也全部可以自动化。

⑤社媒平台的账号运营：视频笔记发布等

第五个场景是站外发小红书笔记、发小红书短视频、发抖音上面的一些短视频，或者购物平台（比如天猫）的一些主图短视频等等，这些跟视频类型相关的也可以全部都自动化。

⑥各购物平台的售后、物流跟踪

第六个是关于客服的场景，就是我们刚才看的售后自动化场景，还有物流场景，24小时的订单跟进、退款订单拦截、催派件等等，这些也都是自动化的工作流。

⑦供应链相关：核价、采购、信息录入等

供应链上面，比如说核价、供应商信息管理、采购环节，以及在我们的SCM系统（供应链系统）里面的信息录入，包括跟单，这些也都可以自动化。

以上基本上我们现在覆盖的所有部门、所有场景都有这种自动化的工作流。

2.两大核心应用场景深度拆解

①数字人直播：从“替身”到“主力”，24小时不停播的增收引擎

这个数字人其实已经进到天猫24小时公域了，跟真人一样。

你问他问题，他也可以正常回。数字人直播效果大概是真人效果的1/3，过去几年可能是1/10，1/5到1/3，可能明年是1/2，后面可能就是1:1。

首先，真人直播主要体现是沟通技巧、临场反应能力。比如憋单的一些技巧，包括这种灵活性等等，还是没有真人直播的效果好。

我们现在数字人直播复刻的都是最好的主播，所以他对比一般的新手主播已经很好了，1/3是对比被复刻主播本人真实的这个直播效果。

其次，数字人直播。

现在这个界面的话，就是我们所有的各个平台的数字人的直播间都在这里。

比如说我们现在要去操作一个天猫的官旗直播间的话，我们就直接点击进去，那么它就可以展示出来。

其一，操作界面直接。



左边是一个实时的直播画面，中间是实时讲直播话术，右边是弹幕的互动观众的ID，包括他问的问题是什么。

数字人都可以回复的内容，然后同步到弹幕里面去给到观众观看，主播的口播也会相应的进行一个回复。

其二，不同链接对应不同主播话术。

在直播的过程中也好，或者直播前我们可能需要对直播的话术去进行一个修改，比如说我们可能今天活动利益点有改变、有变化的话，我们可以进入这个编辑内容里面。

然后这里有我们每一个链接，它一个对应的一个话术，然后我们可以去直接去编辑一个话术，然后去把里面内容给修改掉，它就会有个实时的变化。



在右边这边的话还有一个互动话术这么一个模块，我们可以去调整我们的Q&A的问答的一个知识库，有一些就是观众可能问到的问题，然后它暂时还没有学习到的话，我们可以在这个知识库里面进行一个补充。

②数字员工：7x24小时自动化售后，成本低于真人

自动化办公区，这台电脑现在处理的是我们售后的订单，比如说消费者要改地址、要换尺码，处理一些退款的这种问题。

然后这里是天猫的后台，这里面是在处理京东的售后问题，然后唯品会因为我们这里分了不同的品牌，各个品牌有不同的电脑。

也就是说从那边到这边是一个整个的售后的自动化的工作流。通过数字员工，自动化7×24小时（人类员工5×8小时）干活，没有一个真人贵。

现在我们有94台数字员工，如果说换算为人/天的话，已经运行12万人/天了。比如说每个人一年是工作220天，那大概可以换算出来，相当于545个人工作了1年。

二、关键跃升：

从“执行自动化”到“智能决策”，

AI如何成为业务大脑？

1.智能体赋能：让AI理解业务，而不仅是执行命令

就举个很小的例子，这个也是我们客户提出来的一个很小的场景。

他原来一年的投流费用是1000多万，他觉得1000多万每个月平摊下来充值100万左右，充值在不管是阿里妈妈的后台，还是抖音的后台，其实不产生利息，就是一笔死钱。

后来他就写了一个工作流，每天充值3万，人做这个事情觉得很麻烦，那剩下的钱就在银行里产生利息，因为每年都要充值广告费用，这样算下来，如果这个企业经营10年、20年，能节省非常多的利息。

他这个还挺有意思的，连充值的利息都算进去了，其实这属于精细化运营。

这是个很小的场景，只要你对业务理解够深，对一线理解够深，就能涌现源源不断的场景。

其实这也是我们团队的特色，因为我们不是技术团队背景，核心成员基本都是业务转型过来的，所以对业务的理解其实非常深。

自动化工作流我们前几年就有一些探索，智能体是今年AI大模型出来之后，优化了才慢慢开始实现很多场景。

第一，文案包装

这个智能体是做整个详情页文案包装的，比如文案。

首先，消费者买点≠品牌方卖点

以前我们写文案，比如写一个面料是“吸湿透气”，就把吸湿透气四个字干巴巴写在页面上，但消费者怎么理解吸湿透气？为什么要买吸湿透气？其实没写清楚。

其次，消费者无法理解品牌方参数描述。

包括我们产品经理写出来的就是参数描述，比如羽绒服700蓬松度、1000清洁度，但消费者怎么看1000、怎么看700？体感其实不大，所以我们希望从甲方视角、品牌卖点转换成消费者能理解、能引起共鸣的消费者买点，不再是卖点。

这个智能体的核心其实就是解决这个问题。

第二，服装详情页包装智能体拆解

其一，根据上传信息做卖点分析

我们看一下这个智能体，只要填一些非常基础的信息，你看我这里填110～175，连尺码都没标，它能自己理解。

然后上传基础的模特素材，这个智能体背后分装了五个智能体，第一个智能体会基于你上传的这些卖点做卖点分析。

其二，目标客户群体分析

第二个是人群分析，就是你的品牌卖给谁，他有什么样的生活场景、什么样的痛点，会为什么买单？

其三，策划电商平台文案

第三个会去做文案策划。

其四，评审专家审核

同时第四个我们希望让AI检查AI的工作，所以设置了评审专家的角色，可以确认。

其五，优化专家调整内容

第五个是优化专家，如果评审专家对结果不满意，优化专家就会调整工作。



你看现在，它已经初步分析了买点一、买点二、买点三、买点四，还有一些使用场景，这是前面卖点分析在做的工作，文案策划现在开始转化买点。

现在它开始给主图建议，第一张主图放什么、第二张主图放什么，详情页不同模块放什么，配图配什么样的视觉方向，包括在买家秀、评价上面给消费者什么样的引导，这些都可以让整个智能体呈现出来，它就是整个详情页的替代文案。

总之，你可以理解为所有工作流里都植入了智能体，加上RPA就是自动化加智能体串到各个业务线。

底层就是AI做大脑，RPA做手脚，把各种工作都串起来。

2.案例：AI如何优化“人觉得枯燥但重要”的工作？

①标题与热搜词排查：自动规避风险，捕捉流量

现在演示的这个场景是我们标题的排查，这里实现的功能就是排查标题里面有没有违禁词。

比如说第一、最这些极限词，违反广告法的，以及有没有一些跟我们实物商品不符合的。

比如说它可能不是冲锋衣，但是误写了冲锋衣，还有就是有没有行业上消费者搜得很多但我们标题里缺失的热搜词。

现在它会进入我们店铺的后台，把热搜词下载下来。

比如说近7天消费者搜了哪些热搜词，下载完之后跟我们的标题做对比，看有没有遗漏的关键词，如果有遗漏的话它会反馈傍我们。当然我们也可以完全授权给它自己直接改完，这个就看我们的权限分配。

我们现在同时在架的有4000多个产品，人工排查的时候其实非常费时费力。现在都是机器人自动排查。

② 店铺页面智能铺货：基于数据的流量分配师

我们换一个场景，每个品类的页面下面陈列什么样的商品，这里面人工操作的工作量也很大。



比如说这个是男童的页面，下面有T恤、卫衣、羽绒服、棉服、外套，不同的品类楼层要搭相应的产品。原来人一周平均下来要花8个小时左右，处理首页、二级页还有各个平台的页面。

现在这里可以实现自动化，它能从货表里面抓取对应的品类，放到对应的品类楼层，它也可以结合前一天的数据。

比如说流量转化、售罄率等等一系列指标，我们写了一个算法，会给商品赋予得分。

这个工作流会结合最终的商品得分来分配流量，其实就是分配位置，得分越高的商品往前放，得分越低的商品往后放，这样就能提升流量效率。

以前人做这个事情的时候，是个非常枯燥的工作，现在可以让机器人来做，人就可以解放出来去做一些更有策略的事情。

排顺序是有逻辑的，就是看商品的点击量或者浏览量。

原来我们做的时候，首先工作量蛮大的，为了保障工作顺利开展，又不让人觉得特别枯燥，就牺牲了一下频次，可能一周调一次。现在其实可以按天每天调一次，这也是工作流带来的价值。

这也是个非常值得做的事情，特别适合服装SKU比较多的店铺，效率会越来越高。

三、落地心法：

企业实现有效AI化的核心关键是什么？

公司如果想去AI化的话，我们可以从道法术器的角度来说。

1.道：AI是“一把手工程”，决定思考维度与商业想象力

①AI是一把手工程

我觉得这个锻炼的是当老板的能力，或者当管理的能力。

他要思考的比别人再多一步。就是同样一个事情，可能不同的人，不同的屁股决定脑袋，看的东西是不一样的。他们用出来的威力也是不一样的。

所以，道的层面，我觉得AI是一把手工程，这个应该是现在普遍的共识。

但有些客户我们自己接触下来，老板还是希望交给他的下属，减一层或者减二层来去推进，这里面其实会有很大的影响。

一线的员工接触AI，他只会考虑自己本岗位一亩三分地的提效；如果部门经理层面或者总监级去用AI，他会考虑自己部门不同的场景怎么串起来。

如果是老板、总经理层面去考虑的话，他会想整个商业模式怎么样去做一些优化。所以这个是非常大的区别。

位置不一样，思考的维度就是不一样。

所以从道的角度，从方向的选择角度来说，1号位要亲自下场去把握整体的方向。

②内部组织的统一是AI化的前提

内部智能体和RPA和人工打通的时候，单点的应用是不难的，难的是端到端的设计。端到端就是说今天每个部门的上下游流程是怎么样的，你要把它串起来。

不同的渠道，原来的工作习惯不一样，流程要先规范掉，规范掉之后，AI和RPA才能更好地上手。从点到线串联起来的时候会变难，这个难在于组织而不在于技术。

然后到整个大的系统层面，其实是各个部门的1号位对AI的应用要形成共识，这样才能把整个网状的梳理通。那有的人觉得说我不要用这个不好用，就像是造地铁一样，你挖到那里的时候就停掉了。

2.法：闭环设计比单点工具更重要，需重塑业务流程

在法的这个层面上面来说，部门之间的流程，人做事流程可以暂放一边。

第一，AI的流程可基于AI的能力重新塑造。

今天AI的流程既可以基于AI的能力重新塑造，包括我们刚才演示的一些自动化的工作流，它没有必要1:1完全复刻人工，可能可以直接跳过很多中间步骤。

第二，端到端之间要形成PDCA闭环。

还有一个点就是端到端的衔接怎么样能够做闭环？这个也是“法”的设计思路里面非常重要的一部分。

比如说亚马逊上面的一些评价，我们很多英语不好的小伙伴，没有那么容易理解。普通的应用就是用AI做到翻译，做完翻译其实没有闭环。

我们下一步的动作就是用多维表的能力把这些评价打标签，因为多维表植入了大模型，可以去做语义的理解，把每个评价是尺码的问题、面料的问题还是版型的问题，还是什么样的问题，做标签的归类汇总。

然后借用多维表的仪表盘能力生成词云，形成可视化的仪表盘。

这个还不够，再借用AI的能力对产品迭代给到相应的建议，推动研发部门去做迭代，这样才能形成闭环，最终业务落地。不然的话你只是用AI更方便去看，看完之后没有结果的改变。

所以我们说在法的设计角度来说，它一定是PDCA的闭环。

3.术与器：深刻洞察业务场景，并匹配最顶尖的经验

①不要纠结于自研工具

我们自己前面走过一些弯路，就是在术和器角度切得太深了，一开始就说要不要自研一些产品工具，针对技术的缺陷怎么样去弥补。

但实际上来看，现在谷歌的Gemini3包括GPT5.2、Banana Pro，还有很多新的工具发布之后，很多技术瓶颈自然而然就解决了。这个角度我觉得是前面的踩坑。

②训练时要把该领域最厉害的水平抽离出来喂给AI

还有就是我们要把很多最顶尖的，比如说文案专家，他的文案水平抽离出来去做训练，包括投流也是找了我们公司投流最厉害的人，把他的投流经验抽离出来，萃取它。

AI的圈子里面有一句话叫作“进去是垃圾，出来也是垃圾”，所以你进去的东西必须是最好的，它出来的东西才能好，这个是更加宝贵的。

结语

我觉得在企业的AI应用过程中，你不能抱特别高的预期，也不能完全没有期待。

首先，对待AI就像对待高校毕业生

我觉得应该像985、211的校招生进来那样，给他一个容错周期和培养周期，能够开放性地拥抱这个新伙伴，他是我们未来的核心同事，而不是竞争对手。

其次，处理好人机协同关系

人机协同关系的构建很重要，它不是替代人，而是增强人、辅助人。有些企业里，老板对AI的切入角度是希望降本，员工可能觉得是个威胁。所以我觉得这种情况就是人机协同关系没有处理好。

最后，AI更大的价值在于拓展业务，而非降本

AI对降本来说作用一定是有限的。因为比如说视觉成本是多少？或者人工成本是多少？降到头那空间也是有天花板的。

反而是销售的增长是无限的，让AI把人的时间解放出来，去做更多有价值的事情，拓展业务，考虑战略，让整个企业的规模持续上涨，这个我觉得才是AI的更大价值。