笑驴 AI 创始人/黄锐立
AI 客服覆盖率约 70%，人工介入大幅下降；选品效率提升约 10 倍；单组人员配置从 4.5 人降到 1.5 人，GMV 同比增长超过 50%。 这是笑驴 AI 完成 AI Native 改造后拿到的业务结果。
笑驴 AI 是一家精铺电商企业，目前经营百货 30 家店，长期运营多平台、多品类商品矩阵。企业先后走过三个阶段：从工厂起步，10 年成长为亿级精铺体量，3 年重构全链路 AI 能力。
笑驴 AI 的实践表明，AI Native 不是给原有岗位多配几个 AI 工具、只提升个别环节的效率。而是围绕真实业务，重新安排企业大脑、数据、系统、数字员工与人的分工。
运营、视觉、客服原本分散使用的 AI 工具，被收拢进企业大脑统一管理。数据、知识和业务经验沉淀在企业大脑里，供数字员工调用。大部分重复的业务动作由自动化持续执行。人则把时间留给关键判断。
局部效率提高了
组织仍然需要人来串联
早期，笑驴 AI 各部门已经在主动尝试不同的 AI 工具。某段商品文案写得更快了，某张主图生成时间缩短了，某段客服回复也可以自动完成。单点变化很直观。但工具、数据和经验分散在不同部门，仍然大量依赖员工自己衔接。
当 AI 只停留在个人工具层面，企业很难回答几个更实际的问题：哪些数据可以被调用？不同岗位能访问什么？一套经过验证的工作方法怎样交给更多数字员工？任务运行到哪一步、消耗多少、哪里出现异常，又该由谁处理？
构建企业大脑
数据、经验和数字员工进入同一套生产系统
为了解决这些问题，笑驴 AI 把分散的 AI 能力统一到自建的 "企业大脑"。它是企业 AI 数字资产的控制中枢，统一管理数据、知识、Skill 和数字员工，并按组织与岗位权限，把相应能力交给 Agent 调用。
在这套架构中，各部分承担着清晰的责任。
企业大脑连接飞书、本地文档、业务系统，以及库存、销售等结构化数据。知识按部门整理，数据按权限开放。新的 Agent 接入后，自动继承对应角色的资产、工具和数据范围。跨平台操作也只能在授权边界内进行。
Agent 负责理解任务、分析信息和安排下一步动作。它根据目标选择需要调用的 Skill，判断阶段性输出是否达到业务标准，并决定继续执行、暂停、重试还是交给人处理。
RPA 负责进入电商平台、供应链系统和广告平台，采集数据、完成已经确认的系统操作，再把结果写回业务系统。已有工具与数据能力可以通过 MCP 交给 Agent 调用。
人保留经营目标、关键标准的判断。商品利润是否值得做、主推款素材能否上线、测试结果是否继续投放，这些需要结合经营条件作出的判断，仍然由业务人员完成。
企业大脑还统一记录 RPA 的运行状态、任务进度、AI 调用日志、模型调用次数和 token 消耗。AI 不再是散落在部门里的黑盒工具，而成为能够分配权限、查看状态、追溯结果和持续优化的生产资源。
运营、视觉、客服三类数字员工
已进入日常工作
笑驴 AI 已经把运营、视觉、客服三类数字员工放进真实生产环境，让它们围绕明确任务持续工作。
AI 运营：持续跟踪市场与商品
AI 运营定期采集行业趋势、搜索热词和品类增长数据，形成市场机会报告；再结合内部销售数据筛选新品方向，持续追踪竞品价格、Listing、评价和促销动作。广告投放开始后，它继续监控消耗和广告组表现，把异常与低效项目整理成优化建议，交给运营判断。
AI 视觉：接手高频素材生产
AI 视觉根据平台要求生成白底图、场景图和信息图，完成裁剪、调色、去背景与规格统一。并基于商品图片和卖点文案制作 Listing 和广告需要的短视频。主推款主图、品牌形象素材等关键内容完成后，仍由人工审核把关。
AI 客服：处理标准问题
AI 客服基于商品知识库回答参数、物流和政策等常见问题，并按业务规则处理退换货、退款和物流异常等标准流程。识别到高成交意愿、情绪激动或有投诉风险的对话时，系统及时转给人工。
人工与 AI 产生的客服对话还会统一进入质检和 VOC 分析，用于发现商品、服务和流程中的共性问题。目前，笑驴 AI 的 AI 客服覆盖率约为 70%，人工得以把更多精力放在高意向客户、复杂售后和投诉风险上。
标杆场景：AI 选品
把三岗位接力，改成一条自动运行的业务链
AI 选品是笑驴 AI 的标杆场景。AI 选品完成后，单店周上新从约 10 个提高到约 50 个，从确认趋势到商品上架最快 1 天，选品整体效率提升约 10 倍，人力投入下降约 67%。
改造前，一次上新需要运营助理、美工和运营依次接手。趋势与商品信息由运助整理，视觉素材等待美工制作，最后再由运营完成上架和测试。任何一环延迟，后面的工作都只能等待。单店每周上新约 10 个，再增加产量，只能继续增加人力。
改造后，选品数据库沉淀、市场机会发现、商品筛选与上架、测款优化和扩品被连成一条持续运行的自动化流程。
Agent 根据业务规则分析每个环节的结果，达到标准后自动触发下一项任务。RPA 进入电商平台、供应链系统和广告平台完成数据采集、平台操作与结果回写。人只在真正影响经营结果的关键节点介入：评估商品和供应链利润，审核视觉素材，决定测试款是否继续投放。
重复的数据整理和跨平台操作由数字员工接手，人的判断则成为流程中的明确节点，不再被大量搬运工作包围。
从一条真实业务链开始
让 AI 真正落地企业
从零散使用 AI，到企业大脑统一管理数据、知识和 Skill，Agent 与 RPA 进入生产流程。笑驴 AI 已经搭起一套能够持续运行和更新的企业 AI 系统。
企业大脑负责统一管理与调度，Agent 承接分析与调度，RPA 负责具体执行，人负责关键判断 —— 一个 AI Native 电商组织由此形成。
这条路径的参考价值很直接：先从选品、客服等高频、耗人、规则清晰的业务入手，把一条流程跑通，再把验证过的数据、SOP 和 Skill 交给更多数字员工复用，逐步扩展到更多岗位和场景。
如果您也希望让 AI 进入真实业务流程，却还没有确定从哪里开始，欢迎联系小助手。我们将结合您的团队、数据和系统情况，为您评估适合优先改造的业务链路，并提供相应的 AI 自动化落地方案。