一方面要看大厂云做了什么，另一方面，更要看它们服务的企业提升了什么。

撰文|蓝洞商业 赵卫卫

「如何用一个数字描述你企业 AI 使用的真实状况？」

「我们使用量每年是 46 万小时的等效工作时长」，李宁集团信息系统总经理李飞回答说。

这是腾讯云全球数字生态大会中一场汇聚零售企业的论坛，AI 变革深入企业组织内部，企业数字化负责人成为变革的关键人物：

中顺洁柔作为快消企业，非一线员工中 80% 以上深度使用 AI 工具；顶新国际集团目前员工 Token 额度使用率为 40%；李宁作为知名运动消费品牌，也与腾讯云深化合作，将腾讯 WorkBuddy 引入设计开发、供应链业务中。

明星客户案例，仍是观察当前大厂云生态中 AI 应用落地情况的重要晴雨表之一。一方面要看大厂云做了什么，另一方面，更要看它们服务的企业提升了什么。

大会上，腾讯云与智慧产业事业群 CEO 汤道生公布了一组数字，自今年3 月上线以来，WorkBuddy 企业版已落地 50 多个行业，覆盖中国企业 500 强中的 50%、企业 100 强中的 60%，开放平台伙伴和开发者超过 5 万家，上架 Skills 超 20 万。

汤道生以自己为例，他是 WorkBuddy 和元宝的重度用户，他在大会上的发言就是把思路喂给 WorkBuddy，整理资料生成建议，一边讨论一边修改，实现了「人机共创」。

WorkBuddy 已经成为腾讯当下 AI 生态中最重要的一环，大会展示的案例中，甚至包括一位长沙包子摊主，他用 WorkBuddy 资料库搭建的订单工作台，让自己的日销量从 300 个提升到了 800 个，而成都七中的副校长，也用 WorkBuddy 手搓出校园管理系统，一个入口就能完成课表、后勤和审批等任务。

这些细小而又生动的案例，都标志着 AI 落地在生产与消费的交汇点，而具体到零售企业，它们把宏观经济的冷暖转化为可感知的消费信号。

而在李宁公司身上，AI 优先改造哪些业务场景，有一套明确的筛选机制：一是项目能否带来增长、效率或成本上的明确价值，二是能力能否复用，那些能够跨部门复制、覆盖更多员工并显著改善效率的场景，才会获得更高优先级。

在腾讯的协助下，很多企业设定了一年后希望实现规模化收益的AI场景目标：李飞提出，李宁集团计划将内部的 AI Agent 数量从 50 个扩展至 200 个，等效工作时长提升 10 倍。

李飞告诉「蓝洞商业」，李宁与腾讯联合打造的 Top 20 场景中，有 6 个与驱动增长相关。

AI 从工具提效到经营重构，如何助力企业在更激烈的市场环境中实现提效，值得观察。

以下为李宁集团信息系统总经理李飞、李宁集团 AI 创新中心总监刘磊与「蓝洞商业」等对话内容，经过编辑：

蓝洞：46 万小时是如何计算的？目前看到了哪些实际效果？

李飞：46 万小时是按一年折算的等效工作时长。例如，一个智能体上线两个月，实际对应 100 个小时，我们会按相同使用水平折算成 12 个月的 600 个小时，并不是它已经实际运行了一整年。

其中约三分之二来自数字店长。数字店长应用场景较多，相关数字也是结合门店调研测算出来的。

其他部分来自导购陪练、知识问答、客服、经营分析、物流和供应链等智能体。因为各项目上线时间不同，所以也按一年进行等效折算。IT 团队的 AI Coding 提效还没有计算在内，如果算进去，数字可能会更高。

我们相信 2027 年等效工作时长达到 460 万小时是有可能的。若换算成 Token 消耗，成本并不算高。

蓝洞： 李宁如何定位 AI？它是工具或助手吗？

李飞：我们更希望让经营更智能化。最终目标是支持经营决策、驱动增长，而不只是做一个等待召唤的助手。AI 要嵌入各个业务环节，真正发挥作用。

以数字店长为例，它不只是店长的助理，未来还要承担一部分门店经营工作：主动分析数据，找出需要改进的事项，辅助商品管理和排班。但它没有人的手脚，也不能替代客情维护、员工沟通和人才保留。

所以，人机协同的意义，是把常规、重复的经营工作交给 AI，把原来几个小时的工作压缩到几分钟，让经营者把更多时间用在更有价值、更需要人的事情上。

蓝洞：除了降本提效，AI 如何帮助企业「开源」驱动增长，而不只是「节流」？

李飞：我们在评估场景时，非常欢迎能够驱动增长的项目。这次 20 个重点场景中，有 6 个与「开源」相关，包括带动销售增长、增加客流等。能够帮助企业把握生意机会，也是一种开源。

刘磊：具体来看，一是在消费者端增加销售机会，二是让更多消费者愿意为产品买单，三是从物流和供应链端更快地把商品送达消费者。这些方向都关系到企业能否及时把握生意机会。

蓝洞： 经营数据会向 WorkBuddy 全部开放吗？如何保障数据安全？

李飞：企业微信主要是内部办公沟通工具和许多应用的入口，经营数据仍然运行在后台业务系统中。

现阶段，我们先让业务用户把数据中台加工好的、带有指标和语义的数据用于分析，再由 WorkBuddy 的经营分析智能体等能力生成更容易理解的结论和决策参考。它并不是替代原有数据分析系统。

下一步才会通过数据接口和指标平台，把数据转化为 AI 可理解的形式。原则不是把所有数据都交给 AI，而是在权限和规则范围内，用 AI 打造分析工具，并让工具运行在内部业务或决策支持系统中。财务等敏感数据仍有限制，其他日常经营数据则按规范支持分析使用。

安全方面，在大规模推广之前，我们最担心的是企业内部信息被不当存储或用于二次训练。因此，我们和法务一起研究过产品的安全证明、数据存储与调用记录及相关法律条款，评估后才逐步推广。公司还设有数据合规委员会和商业秘密委员会，AI 安全也已纳入相关信息安全和商业秘密管理规范。

短期内，我们不会仅仅为了安全而自建本地大模型，因为模型能力迭代很快，自建未必跟得上。更重要的是通过统一的大模型调用入口、权限体系和终端安全管理，建立可持续的防护机制。

提问：李宁与腾讯的合作，是标准产品部署还是深度共创？

李飞：企业版部署时，我们删掉了大量与日常工作无关的专家和技能，下一步更需要的是门店经营分析、财务分析、招聘等专业能力。我们希望腾讯以及其他具备能力的团队，都能和业务部门一起打造这些专家，再接入企业平台。

业务部门自己也会创造一些初步可用的小工具，我们再提炼成专业智能体，配置权限和系统调用能力，发布给相应人员使用。FDE 的价值在于深入理解业务、快速做出看得见的东西，再考虑工程化。我希望把初步发现价值的过程缩短到两周。

刘磊：腾讯已经派了很多专家支持双方的 workshop，包括 AI 能力培训、WorkBuddy 技能创建和专家建设。双方更像合作伙伴，由业务提出场景，腾讯协助共同完成。FDE 合作正在推进，李宁内部也在建立 IT 与业务共创的 FDE 工作方式。

提问: 目前 AI 在李宁主要覆盖哪些业务场景？

李飞：我们内部有一个 AI Studio，整体框架包括 AI 加产品设计、设计开发、供应链、商品、终端和职能。李宁是一个体育用品公司，我们对技术的运用，服务于我们的核心业务。

在产品设计和开发阶段，设计师会用 AI 辅助创意，也会把设计理念转化为可视化的 3D 内容，并在工艺和成本环节提供辅助。供应链方面，我们希望在问题识别、老师傅经验沉淀，以及质量、交期等标准查询上使用 AI。

商品领域的核心，是把合适的商品在合适的时间调到合适的门店，以合适的价格卖给消费者。这里会结合小模型和大模型，用于商品调配、库存管理和价格管理。终端方面，数字店长已经嵌入早晚报、经营诊断和任务跟进等功能。财务、HR 等职能领域通用知识较多，因此直接使用通用 AI 能力的场景也相对更多。

需要强调的是，李宁尊重原创。AI 在设计领域主要是辅助和放大设计师的灵感，而不是替代设计师。设计师也反馈，AI 让他们有更多时间打磨产品。

提问：WorkBuddy 引入后，相关业务的工作流程发生了哪些变化？

李飞：现在有些部门是员工自发在用，不完全是 IT 或产品团队自上而下推动。员工会用它做经营分析、营销分析和用户分析，再把使用经验反馈给我们。企业级部署后，我们也在同步开展培训，让主要业务部门逐步掌握工具。

真正的变化不只是「以前用大模型、现在换个工具」，而是 WorkBuddy 内置的一些专家能力比较贴近业务。它有时能发现人工分析不容易看到的点，给出对业务负责人有参考价值的建议，再由团队去执行和验证。

一些部门负责人会主动要求开通权限。我们在开通前也会请他们明确：准备用在哪个场景、预期达到什么效果。后续团队会跟踪使用和产出情况，把好的经验复制到其他部门。

提问：如何从 200 多个候选场景中筛出 20 个重点项目？

李飞：AI 能做的事情很多，但我们要判断用它做什么最有价值。以财务部门的 workshop 为例，大家提出了 50 多个场景，其中有些只需要增强原有数字化系统就能解决，不一定非要用 AI。

第二个判断标准是复用性。如果某项工作只涉及一两个人、发生频次又低，员工自己完成就可以，不一定值得升级为公司级项目。我们更要看它能在一个部门还是多个部门复用，能帮助一个人还是一百个人，效率提升是两倍还是十倍。

公司推动 AI 一定存在资源约束，所以年初从 200 多个场景中选出 20 个重点打造，后续持续迭代，再逐步纳入新场景。已经上线的项目也要复盘，看看最初承诺的价值是否实现、实际使用人数是否达到预期，这些结果会反过来支持下一轮场景筛选。

所以这并不是广撒网。公司要求大家都学习和使用 AI，但真正把它做成企业级智能体时，一定要有轻重缓急。

刘磊：内部推进可以概括为「先扫盲、再扫描、后扫除」。先通过宣讲拉齐认知，让业务部门了解 AI 能做什么；再扫描和提炼需求；最后围绕驱动增长、提质增效等目标判断业务价值，并据此安排资源投入的优先级。

提问：个人效率提升之后，如何进一步实现组织提效？

李飞：我用体育里「更高、更快、更强」来理解。「更快」最容易实现，做报告、写代码、整理资料都可以提速。「更高」是说要提高对产出的要求，不能只让 AI 做会议纪要、简单总结和文字修改，而要让它在更高水平上辅助专业工作。

「更强」有两个层面。第一是专业深度。财务分析、法务、门店运营等智能体，不能只有通用知识，还要把企业的运营逻辑、成功经验和经营上下文注入其中。第二是团队协作。未来组织里会同时有「碳基岗位」和「硅基岗位」，各自承担职责并协同工作。

我们正在搭建数字员工平台，把智能体放入业务部门和团队，明确它承担什么岗位、职责是什么、如何评估绩效以及等效工作时长。再下一步，是把它嵌入日常工作流程，让它承担数据流转、知识沉淀、决策支持乃至部分自动化任务。

数字店长就是一个例子。它发现经营问题后，可以主动提醒店长、零售经理或供应链人员。只有这样的智能体逐步进入组织、进入流程，才更接近真正的组织提效。虽然目前我们还不能说已经有非常成熟的量化成果，但相关岗位正在逐步建立。