雅戈尔IT团队从87人减到41人，AI把对账从数日压到一人完成

AI落地，企业走到哪一步了？

AI技术本身并不能自动带来价值。真正的挑战在于，企业能否找到适合自身的应用场景，把AI能力转化为解决实际经营问题的生产力。近期，钛媒体与ACCA联合开展了一场直播，领益制造CFO王涛、科大讯飞CFO段大为、中集集团CIO潘进杰和雅戈尔股份CIO王歆四位嘉宾，围绕“AI在企业内部的落地与实践”进行跨界对话，由钛媒体联合创始人万宁担任主持嘉宾。

他们分别从CFO与CIO的不同视角，探讨了AI从技术概念到业务价值的最后一公里，如何跨越组织、人性与ROI的重重障碍。

从自我革命到全链条渗透

作为一家人工智能企业，科大讯飞在自身管理中率先推行“自我革命”。段大为指出，目前成效最明显的是AI编程，研发团队大量采用人机协作方式进行代码开发，大幅减少了对人工编码的依赖。同时，各管理部门也在积极运用AI工具提升运营效率。讯飞的目标不仅是向客户提供领先的AI技术，也要用AI反哺自身管理。

领益制造是一家智能硬件制造平台，业务从3C产品扩展至智能汽车和人形机器人。王涛表示，AI的发展为公司带来了直接的商业机会，因为任何算法和模型最终都需要硬件承载。与此同时，公司也面临效率提升的迫切需求。在他看来，AI是制造业的必答题，“不用AI提升效率，就是在落后，甚至可能被淘汰。”

当前，领益制造在研发端借助AI优化模型搭建与编程；在制造端利用AI快速生成图纸和生产作业指导书，并用于质量检测；供应链端则通过AI辅助采购、生产计划与库存管理；财务、人力等部门也广泛应用AI进行自动化处理与分析。

从决策式AI到智能体应用

潘进杰分享了中集集团的AI实践历程。过去几年，中集更多在做决策式AI，利用机器学习和视觉技术在质量检测等环节取得成效，并曾与科大讯飞合作声纹检测。面对生成式大模型的兴起，中集仍处探索初期，重点聚焦知识类应用，如维修助手。借助AI，工人可通过维修手册快速定位故障、缩短停机时间。他认为，AI的价值在于将所有人的能力提升至80分水平，使经验不足者也能胜任复杂任务。当前，中集正逐步向智能体应用迈进。

王歆则从雅戈尔的全产业链视角切入。雅戈尔覆盖从种子研究、种植、纺纱织布到服装设计、生产、物流、零售的全链条。他指出，直到2025年，AI才真正开始对传统企业产生影响。尤其是Lovable这类工具出现后，AI开始从“执行者”向“规划者”演进。

雅戈尔的“润物细无声”

雅戈尔将商旅对账流程拆解为11个节点，其中9个由AI完成，集团对账工作从多人耗时数日缩减至仅需一人。IT团队也从87人精简至41人，被优化的人员转至业务部门。通过将系统能力封装为标准接口，客服处理疑难问题的效率大幅提升，工单量从日均50个降至每三天一个。

王歆强调，AI落地的关键在于“润物细无声”——先帮助员工减轻工作量，而非强行推动组织变革。雅戈尔坚持不主动裁员，而是通过技术手段自然引导岗位调整。

一号位的角色：定方向，也要给一线空间

当老板下定决心推进AI，员工和中层是否会出现隐形抵触？王涛坦言，这种“自己革自己命”的困境很真实，但阶段很短暂。市场竞争力倒逼企业必须变革，个人意愿无法阻挡。他分享了“小太阳计划”——通过激发全员对AI的兴趣，让具体工作者主动提出应用场景，形成自下而上的浪潮。“原来两天的事两分钟搞定，成就感本身就成了推动力。”他强调。

潘进杰认为，AI现阶段更多是赋能而非取代。以专利申请为例，AI辅助后通过率高达95%，周期大幅缩短，但最终责任仍由人承担。他认为，AI能让人摆脱低效劳动，转向更高价值工作，但岗位职责和组织结构必须随之调整。他形象地提出“碳基做碳基的事，硅基做硅基的事”，二者各司其职。

关于一号位，潘进杰指出一把手认知至关重要，但未必需要事必躬亲。中集董事长明确要求“用AI而非造模型”，这种方向性指引已足够。他认为，技术负责人应在老板支持下自主推进，并通过具体场景验证效果，逐步获得各方信任。

两种加法与一号位工程之争

段大为则强调，没有一号位的洞察和决心，CIO和CFO推动起来会非常困难。目前社会存在“两种加法”：一种是传统行业拥抱AI，另一种是AI公司寻找应用场景。两者各有局限，根源在于跨领域知识鸿沟。他预言，AI技能将像计算机技能一样成为通识教育的一部分。同时，他明确主张AI转型必须是一号位工程，只有企业最高领导具备深刻认知和坚定决心，才能推动全局性变革。

王歆则把重点放在一号位介入的边界上。一号位过度介入往往适得其反，因为老板易产生过高预期，反而干扰执行。他认为，自上而下的AI往往两三个月就淡化，场景也变成“为了老板而做”，更推崇“深圳模式”——政府定规则，不干预执行。因此，王歆主张分权、授权，方向应由一把手定，但落地必须依靠一线员工的创造力。若以KPI驱动变革，容易沦为形式主义，且一号位插手指越多，变革越难推进。

为此，雅戈尔采取了“润物细无声”的策略：先给工具让大家偷懒，让岗位和流程自然变化，而非一上来就搞组织变革。以IT部门为例，团队多数人流向业务部门，能力被封装成工具后，客服人员自己就能解决过去需要写SQL的疑难问题。同时，AI涉及信息安全、岗位调整、流程重塑乃至新业务决策，这些重大事项仍需最高层拍板。

从试点到推广：为何成功难以复制？

试点成功，推广却折戟，这是常见困境。王涛指出，根源在于人的认知差异、业务形态区别、数据或流程基础不同。破局方法是从小而独立的精品单元开始，先打胜仗，再逐步串联，“不要复制大而全的东西，你要复制特别能独立的这种小单元的作业的一些AI的工具过去”。

王歆分享了雅戈尔的实战教训与经验。一个成功案例是设计师打样环节。他在一个仅有四名设计师的小品牌“美雅”试点，通过AI将设计灵感直接转化为成衣效果，打样成本下降87%，从每件2000元降至不足300元。该模式随后推广至18个品牌。

但失败案例也是有的。比如在AI驱动的BI项目中，王歆原以为通过自然语言查询能让全员使用数据，但用户需求五花八门，系统无法应对。这次实践带来的教训也非常深刻：第一要拉同盟，第二要做最小可行性产品，不要把自己的需求当普遍需求，必须深入一线了解真实场景。

潘进杰介绍了中集的策略。技术部门负责搭建企业级AI平台，从1.0迭代到4.0持续迭代。同时，通过举办AI大赛激发员工创意，对优秀作品进行推广。