北京
周三下午的复盘会上，运营团队把两张报表并排放在投影上。左边是客服AI，销售额涨了16.3%；右边是广告标题生成工具，销售额没有任何可检测到的增长。同一家公司，同一类生成式AI，两个结果。
这就是企业AI最不舒服的地方：系统完成了你交代的任务，却没能改善你真正在意的结果。2025年10月发布的一份工作论文《生成式AI与企业生产力：在线零售的田野实验》，在一家大型国际电商平台做了7个随机实验，覆盖数百万客户和商品，销售效果从"无可检测提升"一路分布到16.3%。
论文没有披露这家公司的名字。实验在2023年9月到2024年6月之间进行，论文于2025年10月发布。7个实验是各自与原有流程做的独立对比，不能相加，也不构成全公司营收增长，更不能保证在另一家企业复现。技术类别相似，商业结果并不相似。
16.3%背后，AI替代的是什么
客服实验涉及44,614名客户，持续两个月。一组客户在购买前可以与生成式AI助手交互；对照组收到的是一条脚本化消息，告知客服当前不可用。AI组的销售额相对这个对照组高出16.3%。
所以准确的描述不是"AI击败了客服"，而是"提供AI协助，胜过了让客户得不到有效协助"。实验没有证明AI助手强过一支优秀的人工客服团队，它证明的是：回答问题，胜过了问题无人回答。机会来自一个服务缺口。
搜索实验涉及1,849,382名客户。原有流程用的是基础翻译，AI介入后增加了语义理解，更好地还原客户真正想表达的意思，研究报告销售提升约2%到3%。这家公司本来就有商品目录、客户查询和搜索系统，干预点落在三者之间的连接上：客户说了什么、客户想说什么、搜索系统取回了什么。你未必需要替换整个体验，有时有用的干预就卡在两个已有组件之间。
商品描述实验覆盖4,772,937名客户。AI在原有商品信息基础上补充更完整、结构化的描述，销售提升同样约2%到3%。基线很具体：平台自营商品中近一半描述有限或根本没有描述。起点不是"公司需要做好AI准备"，而是"客户在信息不足的情况下试图评估商品"。
那个零增长的结果，才是重点
AI优化的广告标题，没有产生任何可检测到的销售增长。标题生成器容易理解、容易演示、容易让人称赞，但这些属性都不等于增量商业价值。"无可检测增长"不等于真实效果恰好为零，它意味着在测试条件下，实验没能证明销售有提升。
如果产出变了、结果没变，我们到底在为改善什么付费？一个更好看的产物，不会自动变成更好的商业结果。
这些实验指向的变量是"余量"：在现有体验之上还有多少改进空间。一个无人回答的问题余量大，一个信息缺失的商品页余量大，一个本来就跑得不错的流程余量小。这带来一个换掉的问题——不是"AI能不能做这件事"，而是"AI能不能把这个结果改善到足以覆盖成本和风险"。
论文还报告，销售增长主要来自更高的转化率，而非更高的客单价。干预帮助更多客户完成了购买，未必让每个买家花得更多。"AI提升了营收"是标题，"AI帮忙移除了购买障碍"才是可以继续追查的机制。
在画架构图之前、在争论框架之前、在演示智能体之前，先问几个问题：当前体验缺了什么？谁在为这个缺口付出代价？什么信息会有帮助？哪个结果应该改变？什么证据会让我们停下来？下一个有价值的AI项目，起点可能不是更强的模型，而是一个没人回答的客户问题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
