AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点
本文基于虎嗅智库闭门研讨会,梳理企业AI落地中从消费者洞察到真实增长的三大卡点:AI识别的需求是否真实、洞察如何进入工作流并转化为行动、企业如何区分效率改善与真实增量。案例涵盖波司登、特赞、自然堂、联华华商等十余家企业实践,揭示AI价值兑现依赖组织判断、流程适配与跨岗位协同,而非单纯技术部署。
AI读懂消费者,但“读懂”不等于“做对”
“AI让洞察飞轮越转越快,每天都能生成报告,但要决定未来3–6个月到底该开发什么产品,却还是很难。”波司登AI应用总监刘婧在虎嗅智库的一场闭门会上的这句话,揭开了企业AI落地中一个越来越明显的矛盾,AI让消费者洞察越来越容易获得,企业却未必更容易做出决策,更不用说把洞察变成增长。
过去,品牌主要通过进店行为、搜索关键词和人群标签理解消费者。这并不意味着消费者意图更加明确,而是复杂需求被压缩成了几个便于识别和经营的信号,品牌再据此匹配商品与内容。
如今,越来越多消费者开始通过对话式AI表达和筛选需求。他们提供的不再只是一个关键词,而可能是一段包含使用场景、情绪诉求和限制条件的模糊描述,再由AI帮助翻译、筛选,甚至完成下单。
对品牌而言,问题也随之改变,读懂消费者只是第一步。一个模糊需求还要被转化为经营信号,进入产品、内容和门店的具体工作流,最终才能落到可以验证的收入、毛利或效率指标上。“从消费者的一句模糊表达,到企业可以核算的一笔增长,中间究竟卡在哪?”
围绕这一问题,虎嗅智库近期邀请森马、波司登、特赞、自然堂、贝泰妮、Tims、林里LINLEE、联华华商、交个朋友(曼达斯克)等十余家企业的决策者,进行了一场持续三个小时的闭门研讨。讨论最终落在三个层面:AI识别出的消费者需求是否真实;洞察如何进入工作流并转化为行动;以及企业如何区分效率改善与真实增量,算清AI带来的增长。

进入工作流后,真正的卡点在哪儿?
发现问题只是第一步。判断AI是否真正进入业务,可以看它走到了哪一层,是接手了一个具体任务,还是沉淀了一个团队的能力,又或者改变了跨岗位的协作方式。这三层,对应三种不同的落地难度。
第一层是任务。森马AI应用专家林建霞分享了一个并不复杂的案例,设计师需要为图片逐张填写款号、整理素材,技术团队早已判断这类工作可以自动化,但业务现场长期靠人工处理。森马最终的方案很简单—设计师把图片拖进表格,系统自动识别、关联信息、批量下载。
一个很轻的工程化调整,解决的却是高频、重复、长期存在的负担。对不少企业而言,AI有效落地的第一步,未必是改造核心业务系统,而是先清理这些不起眼、却长期存在的摩擦点。

第二层是能力。波司登AI应用总监刘婧提到,品牌每年会与约3—5位国际级设计师合作,希望借助AI把这些设计师参与产品开发时的方法和经验沉淀下来,将不同创新品类的风格与审美偏好训练集成到自研平台,辅助评价与决策。但她也坦言,下一步仍要找到真正适合的产品、用户和场景。
这一层比第一层难,任务可以标准化,经验却很难。AI要复制的不是一个人的动作,而是人做判断的依据。
第三层是协作。联华华商的AI已经进入更长的跨岗位链条,每天识别出门店经营数据异常后,先把异常翻译成门店和品类负责人听得懂的具体问题,通过企业微信分发;门店回复后,系统归纳内容,对没回复或答非所问的继续追问,并标记问题。
需要说明,这套机制目前走完的是"异常识别—任务分发—回复追问",还没证明问题处理能稳定改善门店经营。它的阶段性价值,是把每件商品每天每店海量的颗粒状待办,转成有明确指令、有责任人、有反馈记录的任务链。
森马解决的是一个岗位的效率,波司登想抬高的是一个团队的上限,联华尝试改变的是跨岗位的信息传递和任务分配。三层走下来,判断AI有没有真正进入业务的标准也就清楚了,不是部署了多少工具,而是原来的工作方式有没有变。
AI已经能给答案,为什么增长账还是算不清?
但问题在于,单个环节变快,不代表整条业务链路都会变快。假设一条业务链涉及十个工种,其中三个因AI提效,第四个工种就可能成为新的瓶颈。设计、审核、供应链彼此衔接,下游若不调整,整体流程未必更快。工具可以优化一个岗位,却不能自动重组岗位关系,这也是不少AI项目难以扩大的原因。
AI可以把任务发出去,却不能保证接收任务的人愿意改变原来的工作方式。也正因为AI的效果取决于多个岗位是否同步改变,项目价值才很难归因,最终销售增长究竟来自模型、流程调整,还是业务团队本身?这让ROI成为企业AI规模化的另一道门槛。
曼达斯克营销事业部总经理林忠鑫从线上内容经营角度,给了一种更直接的算账方式。交个朋友观察到,抖音的流量逻辑在变,直播逐渐成为承接转化的“中台”,短视频成为获取流量的前台。相应地,企业要处理的原创素材从每天约2000条涨到约1万条,仅靠加编导和投放人员很难撑住。
为此,曼达斯克把创意获取、内容生成、批量上传、投放前测和数据归因接进同一套工作流,并用AI降低明星素材成本—过去星图拍一条明星短视频约3万—5万元,在选品和授权流程不变的前提下,AI方案把一个月5条的成本压到约1万元,单条约2000元。但这笔账首先证明的是生产成本下降,而不是增长已经发生。短视频能否带来更高的种草效率、直播转化和新品成交,仍要看后续投放数据。
所以,AI省下多少时间,只是一笔效率账,它有没有帮助企业做出更好的决策、取得更好的经营结果,才是增长账。
当AI应用从单点工具走向业务流程,难题也随之变化。项目能否扩大,不再只取决于技术能否实现,还取决于谁来调整岗位关系、推动流程改变,并为结果负责。
组织如何接住AI带来的变化?
会场内多位嘉宾都提到,当AI开始进入培训、考核和岗位调整,技术部门已经无法独立推进,HR和业务负责人必须更早参与。
丽人丽妆AI内容负责人蒋嫣分享了自己的经历。最初,她尝试以FDE方式推进AI应用,直接找运营部门沟通、开发小工具,但效果并不理想,原因是技术方案没有真正切中运营的工作需求。
后来人力部门加入,组织了公司规模较大的培训和比赛,让各部门核心运营岗位参与。员工有了学习和实践的动力,也开始把工具带回自己的团队。像素材命名这样的上下游协作规范,也需要人力部门协调推动。蒋嫣认为,员工经验沉淀同样需要KPI和激励机制,否则很难要求员工主动把个人经验转化为组织资产。
林里LINLEE联合创始人陈旭安则强调,管理层需要先帮助员工建立对AI的正确认识。他曾亲自组织多轮沟通,试图消除团队对AI的“神化”和“妖魔化”,但效果有限。他坦言2026年的重点是“悟道”和让员工“用起来”,一方面尝试设置数字员工制度,将部门创造的数字员工纳入组织管理;另一方面由HR牵头,在各部门寻找AI增长官,让真正会用工具的人带动更多同事。
组织分工的变化还会向外传导。商派科技联合创始人计三勇把企业客户分成三类:头部企业IT能力强,正用AI补齐部分内部系统;以外资企业为主的本地IT团队,在规划、监管之外仍需服务商深度参与;缺少IT能力的中小企业,更依赖外部服务商提供完整服务。

在他看来,AI不会让服务商失去市场,但会改变企业采购软件的方式—随着头部企业把内部能力逐步Agent化,外部产品也要拆成可调用的模块,与企业内部Agent协同。未来服务商出售的,可能不再是一整套软件,而是一组能接入企业AI系统的业务能力。
从信号识别到经营结果,企业仍需完成三次转换
回到以上几个案例,不难看出,AI可以从消费者行为中推断需求,也可以发现品牌语言与搜索意图之间的错位,甚至把数千条经营异常分发到具体岗位。但从一个信号被识别,到产品、内容或门店动作真正改变,企业仍要完成三次转换,把数据转换为判断,把判断转换为有责任人的任务,再把任务结果转换为可验证的经营指标。
这场闭门研讨没有给出一套关于AI增长的标准答案,却让另一件事变得更清楚,当答案的生产成本不断下降,企业真正稀缺的能力,正在变成定义问题、做出取舍、组织行动并承担结果。模型可以生成建议,却不能替企业决定哪些信号值得下注,也不能自动消除部门边界和利益阻力。
因此,下一阶段企业之间的AI差距,可能不再取决于部署了多少Agent,而取决于闭环转动得有多快能否及时发现偏差,能否推动流程改变,又能否用经营结果修正下一次判断。AI会越来越懂消费者,但增长仍然只会发生在组织愿意为一个判断投入资源、改变动作,并接受结果检验的那一刻。








JOTO 企业落地观察
- 企业部署AI消费者洞察系统时,需警惕“数据覆盖偏差”风险:若仅依赖社媒声量等易得数据源,可能系统性遗漏成熟家庭等沉默客群。真正有效的消费者模型必须融合门店访谈、交易流水等离线数据,形成动静结合的数据闭环。
- 智能体工程中,“品牌语言”与“用户语言”的语义对齐是关键瓶颈。自然堂案例表明,当AI搜索未对齐用户真实意图词(如“抚触油”),再强的模型也无法触发转化。这类系统需内置动态意图词挖掘与AB测试机制,而非仅依赖静态词表。
- RAG知识工程若仅聚焦文档向量化,易陷入“技术正确但业务失效”陷阱。特赞的主观世界模型启示:企业知识库需结构化存储“动机-行为-场景”三元组,使RAG检索结果可直接支撑产品决策,而非仅返回相似文本片段。
- AI安全治理在此类场景中体现为“判断权归属”问题:当AI生成6000+ Persona并推荐人群策略,企业必须明确定义真人验证节点与否决机制。未经业务校验的AI推断,本质上是黑箱风险,而非生产力提升。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


