安克砍掉70%客服，代码砍半，AI 机会到底在哪？

AI技术在企业服务中的巨大潜力和实际应用案例分析。

核心内容：

1. AI在客服、数据处理和算法代码中的应用实例

2. AI在图像和视频生成领域的平民化应用与创意挑战

3. 行业领先企业如何利用AI技术获得先发优势

昨天，我特地从南京跑到杭州，参加了虎嗅的AI零售消费峰会。目的很纯粹——想看看当下的AI到底能给企业带来什么，尤其是出海企业能抓到哪些机会。

看完之后，三个核心判断逐渐清晰：

安克用AI把70%的客服问题都处理掉了，剩下的30%才流向人工；菜鸟用AI语音跟司机讨价还价。几乎每家参会企业都会提到自己用AI做的客服系统。

交个朋友和叮咚买菜都在用AI提升数据处理能力，让AI结合统计学和运筹学做数据拟合和预测。

安克50%以上的代码都是AI生成的，菜鸟则有大模型和小模型分别解决细分场景的不同问题。

不管是交个朋友、安克，还是服装品牌Urbanic，都在用AI生成视频脚本、模拟模特生成图片和视频。区别在于，大公司开发了自己的垂直AI，效率比用通用大模型的小微企业高出几个数量级。

大公司的先发优势和资金优势，在此一览无余。

AI的空间太大了，目前已经探索到的还太少太少。归根结底，AI的底层能力还不足以支撑全场景的覆盖。所以，行业者的机会还有很多，随时可能弯道超车。

那么，对于普通企业，到底AI可以怎么用？先发优势的大公司们，又是怎么用的？

本文带你从客服、数据、算法、短视频，以及时尚行业的应用，看一遍这些先行者都是怎么做的。

01 AI第一刀先砍向客服

几乎所有参会的企业都会提到AI客服的使用。其中最值得关注的是安克。

出海企业都知道安克Anker，你去问美国人安克是哪个国家的，90%的人一定会告诉你是美国品牌。安克做出海实在太成功了。但很多人以为安克只做充电宝，现在它的业务触角已经延伸到智能家居和影音了。

AI在安克最成熟的应用，其实也是客服。所有用AI的企业都逃不过用AI做客服的命运，但真正用得好的不多。最主要的原因还是大多数企业根本没有足够的数据和资金来喂给AI训练客服模型。安克不一样，有钱，也有技术能力。

下图是安克CIO龚银分享的AI客服实际使用情况。

如果你点开图片仔细看AI的回复，会发现内容很清楚、也足够结构化。如果我是这个客户，会感觉问题到这里确实被解决了。AI自动解决率现在在安克能做到70%，这个数据非常惊人——可以说业内没几家能到这个水平。

其他AI服务还有下面这些，但相比之下都不如上面的智能机器人惊艳：

02 数据处理提效最惊人

峰会上，天虹集团的助理总经理徐灵娜分享的数字化案例具体又有冲击力。

天虹是国内南方的连锁商场集团。过去没有数字化和AI的时候，有一次停车场出现大面积拥堵，上百个消费者打进客服热线，但他们几乎在3小时后才反应过来，等到真正去疏通时已经过去4个多小时，现场怨声载道。这次事件对品牌造成了不可估量的负面影响。

但引入数字化和AI监管之后，所有商场包括停车场的动线和进出都可以通过面板实时追踪。现在，AI对异常数据会实时报警，1分钟之内就可以快速派人解决。同类型的停车场拥堵事件再也没有发生过。

以前公司大老板们来上班，第一件事就是问昨天业绩如何，为什么出现波动，为什么数据上升或下跌。每天光给老总报告、找数据找原因就要花掉六七个小时，上班就光搞这些数据，专门服务老板了。

无数打工人听到这里，大概都会流下相似的泪水。

后来天虹开始了解AI和大模型，意识到通用大模型对他们意义不大，因为无法解决行业内的垂直问题。于是他们自己喂AI数据和知识库，确保数据保密且垂直。AI上线之后，直接让AI每天汇总统计数据、分析异常值，老板每天上班先问AI，把数据过一遍，实在搞不定的问题才会找到人。这么一套下来，人力得到了大量释放。

他们还把AI拆分到不同业务，比如门店服务、供应链等——你是客服就去问客服的专业AI，你是供应链就找供应链的。足够垂直，也足够提高问题解决成功率。

03 不敢相信50%的算法是AI写的

说到算法，还是不得不提安克。

下图是AI生成代码在安克的应用率，数据是2023年的，而今年几乎能做到50%以上的使用率了。关于如何计算使用率，龚银特意做了澄清：在代码生成时，安克会记录哪些是AI生成的，使用时通过工具核对有多少是纯AI生成的代码，以此比对使用率。

AI已经能生成企业50%以上的代码了？这个比重很惊人吧。但龚银认为，程序员不会消失，但需要长出自己对业务的理解。未来，结合技术能力和业务理解的人才，会是AI无法替代的。

而叮咚买菜，作为互联网生鲜品牌，出乎意料地依赖数字与算法。叮咚买菜现在能做到平均2.1天的前置仓生鲜周转天数——意味着从生鲜采购到前置仓，再到被用户买到家里，只用了2.1天。更可怕的是全链路损耗率居然做到了1.5%。要知道生鲜行业最大的损耗就是生鲜本身，1.5%这个数值很难想象。

这两个数字对生鲜电商每个环节的精准咬合提出了巨大挑战：

在前置仓必然劣势“面积小、库存浅”的情况下，对算法和供应链的灵敏度提出了非常高的要求。运营每天都需要对采购量和库存量做实时判断，400万个SKU不可能人工逐个调整，必须依赖数字化算法的能力去做预测。

而AI的能力，给了叮咚买菜更加智能化的算法和更实时的业务能力：

04 SaaS系统和短视频都离不开AI

参加峰会之前，看到“交个朋友”的副总裁会来参会交流，这个环节让人非常期待——一半出于对罗老师公司好奇，另一半很想知道这个快速成长起来的直播公司到底是怎么做的。事实证明，这场峰会最实在的内容之一，确实来自“交个朋友”。

补充个冷知识：“交个朋友”现在是上市公司了，虽然是借壳上市：

交个朋友的副总裁刘亚平直接分享了公司用的后台系统。虽然只是系统截图，但可供参考的空间也很大：

这套系统据说是交个朋友自己找SaaS公司开发的。在有这套系统之前，每个子团队用的系统都不一样——团队A提需求搞这个系统，团队B提需求搞另一个系统，部门墙严重，信息同步成本很高。2023年花大力气做了这个系统之后，整体运营效率提升非常多。

这个系统里有一个“法务资质自动化审核看板”令人印象深刻。大家都知道，这些年因为供应商资质不全、货不对版，导致大主播深陷舆论风波的事不少。这个系统就是为避免这类问题而生的。策略产品经理和运营在设计之初就对好审核需求和对应规则，让系统能够完成快速的初步资质审核和筛选，看板统计日审核数量、风险等级，责任落到审核人。

可能对于大公司来说，这套看板见怪不怪，但对于大量中小型企业尤其是初创公司，要拥有一套这么完整的风险控制体系，并不是想要就能立刻有的。其实市面上的SaaS系统选择很多，北京也有不少专门做SaaS的公司，但跟业务能结合得多深、能用得多好，并不好说——毕竟SaaS公司不懂业务，懂业务的人不懂做系统，中间的信息损失很难避免。交个朋友也提到，希望未来能把这套直播系统做成标准化解决方案，推给行业里的人。

至于AI做短视频，这已经是视频行业的基础操作。交个朋友也是靠行业爆款加自有爆款，让AI结合去自动生成更多视频脚本。这个过程里，AI是辅助、是工具，但是否能产出真正让市场接受的内容，还是要有专业的人把关。

05 时尚行业离不开AI图片和视频

禾观科技Urbanic上场分享的时候，旁边有位年龄稍大的姐姐问我：这个是我们平时看到的服装品牌Urban Revivo吗？回答：不是，演讲人说这是个英国品牌。这个品牌名确实让人联想到UR，但这是完全不同的两个品牌。这个品牌的官网：

据36氪报道，Urbanic品牌成立于2019年，创始人是中国人薛驰，曾就职于Google，联合创始人邓秋霖曾就职于阿里巴巴，其他核心成员来自LVMH、Chanel等欧洲时尚行业。可以简单理解成：这是个英国注册，但几乎从头到尾都是中国血液的品牌，用的中国服装供应链，公司也是全套中国团队。

熟悉服装出海的人，肯定会拿Urbanic和Shein比较，但两者走的是不一样的市场和价格策略。Urbanic的主要市场在英国和欧洲，定价走中端甚至更高端路线，这也是为什么它强调自己是英国品牌。Shein的打法是小单快反、高效供应链，走低价策略，最大市场来自美国。本质商业逻辑不一样。

那么这家公司为什么让人印象深刻？很简单——它很接地气，很实在。上来就直接展示了公司看板：

看到这个看板，一股字节风Aeolus看板的熟悉感迎面扑来。试问业内有多少做服装的，自己有这么一套全数字化、可实时更新和追踪的看板？如果连基础的数字化都还没达到，AI来了也帮不上什么忙。

后面罗军直接展示了他们用的AI工具，怎么直接生成仿真度极高的服装展示照片和视频。选你要的服装类型：

选你想要的AI模特：

生成的AI模特照片和视频：

最后生成的AI模特毫无违和感，不跟你说，完全分辨不出来是AI。市面上现在还有很多做服装的，还在用第三方AI软件，苦兮兮地自己写程序替换服装图片，仿真度和服装细节度都不够。在这样的软件面前，无疑是成本和效率端的降维打击。

跟“交个朋友”类似，Urbanic也有自己的AI爆款生成器。下图中最左侧的蓝色连衣裙（灰色背景下）是之前的爆款，这个AI在旧版型基础上，引入新的面料和曾经的爆款花色，自动设计和生成了新的SKU：

爆款两两结合下，在AI帮助下可以开发的款式数不胜数，但这是基于过去的爆款。Urbanic还分享到，针对时尚趋势、风向元素，他们也有自己的监控看板，通过AI工具去监控未来可能的爆款元素，并用过去的数据辅助预测未来的爆款可能性。AI同时也能帮助他们更快速确认服装制版，效率提升显著。

06 结语

这次虎嗅办的峰会，比大厂办的招商峰会素材有趣多了。入场后观众等待时期播放的影片素材是B站up主的视频，趣味性和科技感比起大厂好太多，让人脑子里蹦出俩字——“腔调”。

整个会议过程中，不时会联想到，现实生活中很多小微企业只用着通用大模型粗粗接入了公司系统，却不知道如何真正提效使用。更有更多更小的公司，根本没有能力接入AI，顶多员工日常问问DeepSeek一些问题，期待AI给出一些回答。

希望，本文的分享能给到你一些启发。