【亿邦原创】对于运动服饰品牌来说，一件商品从研发、设计到生产，再进入不同门店，背后是一条漫长的经营链条。
产品要符合消费者喜好，供应链要跟上市场变化，商品要在门店之间合理调配，终端还要根据客流、库存和销售情况及时调整经营策略。品牌规模越大，要素之间的协同就越复杂。
这也是运动服饰行业长期面临的难题：如何在规模化经营中保持足够的精细度。
AI给企业提供了一种新解法。尤其是Agent，能够调用企业知识和业务数据，承担分析、判断乃至部分执行工作。对拥有大量商品和线下门店的运动品牌来说，更多经营环节有了获得专业能力支持的可能。
李宁集团已经开始尝试。“46万”，这是李宁集团已上线的AI应用与智能体一年累计折算出的等效工作时长，相当于约220名员工的工作量。支撑这个数字的，是50个左右的Agent。
李宁集团信息系统总经理李飞给出的下一步目标很直接：一年之内，将Agent数量扩大到200个，等效工作时长增加一个数量级，达到460万小时。
目前，李宁企业版部署的WorkBuddy已经清理掉大量与工作无关的专家和Skills，接下来要建立自己的“宁专家”，包括门店经营、门店日报、财务分析、HR招聘等。
在李飞看来，AI的价值已经超出单个工具的效率提升。如何将企业多年积累的专业经验转化为可调用的智能体，如何让这些智能体进入业务流程，成为组织能力的一部分，是接下来更重要的课题。
01“这不是效率问题，是在做新的事情”
46万是一个折算结果。李飞的算法是：一个Agent上线用了两个月、跑了100小时，就按12个月折算成600小时。所有已上线、运行时间各不相同的Agent，统一折成一年，再相加。
这46万里，三分之二来自数字店长。
这个从店长经营场景长出来的产品，第一版已经跑起来，今年4月发布第二版，明年4月计划发布第三版。李飞说，数字店长的场景最多，数字也是团队实地到门店调研算出来的。其余部分，来自导购陪练、知识问答、客服、经营分析智能体，以及物流供应链的智能体。
需说明的是，这一数字还没有计算IT部门的Coding时间。“如果算进去，远远超过这个数。”李飞说。
这些Agent并非零散生长。去年底，李宁搭建了AI Studio，将集团AI规划与应用成果纳入五个方向：AI+设计开发、AI+供应链、AI+商品、AI+终端、AI+职能。
• 设计开发环节，AI帮助设计师将设计理念转化为3D建模和打印成果，也参与工艺和成本把关；
• 供应链环节，将老师傅的经验、供应商的工艺要求和质量标准沉淀为AI知识，让产线工人随时查询；
• 商品环节，采用大小模型结合的方式，辅助商品调配、库存和价格管理；
• 终端环节，数字店长承担早晚报、经营诊断和任务跟进，年初推出的NingClaw也逐步改为NingBuddy，放入数字店长中。
但46万只是结果。更费功夫的是过程筛选，怎么决定“让AI做什么”？
今年年初，李宁通过几十场Workshop梳理出200多个候选场景，最终挑选20多个重点打造。筛选标准主要有两条：一是复用性，一个部门的一两个人使用，还是多个部门都能使用；二是效率提升的倍数，提升一个人的效率，还是100个人的效率，提升两倍，还是十倍。
拥抱AI，也不意味着所有问题都要交给AI。“我们不是初创企业，已有系统能力基础。”李飞说，如果业务部门提出的痛点，通过原有数字化系统的增强就能解决，“干嘛非要用AI”。
这也是李宁筛选AI场景时比较务实的一面。企业有资源限制，不能为了追赶技术趋势而投入，必须判断每个场景的实际价值。
最终留下的20多个重点场景中，有6个与“开源”相关
导购是其中一个具体案例。李宁将优秀导购与消费者互动的方式，以及他们创造的内容交给AI学习，再让更多导购使用。AI生成的有效文案和素材会进入内部内容池，供其他导购取用。如果这些内容带来成交，原创内容的导购可以获得加分，积分能够在内部平台兑换相应权益。
李飞认为，这不是效率问题，这是在做新的事情。
他并不希望AI只停留在个人提效。“Agent应用提效是最立竿见影的，马上能看到效果。这方面，我们肯定不能满足这一点。”
02 给Agent设岗位，李宁想搭一个硅基员工平台
李宁对Agent的另一项安排，是给它们在企业组织中设定岗位。
李飞提出，集团正在搭建“硅基员工平台”。不同业务部门的智能体进入平台后，需要明确各自在组织中的职责、等效工作时长，以及在工作流程中承担的任务，未来还将探索绩效评价。
在他的设想里，Agent进入组织只是第一步。更重要的是明确它在工作流程中的作用：是产出PPT，还是负责数据流转、知识储备和决策判断，甚至自动查看经营数据，发现问题后主动提醒相关人员。
数字店长就是一个例子。
今年4月的店长大会上，李宁对数字店长的定位并非“店长的助理”。“它把店长的经营工作部分承担下来。”李飞说，数字店长可以帮助店长发现问题、寻找决策方向，也可以辅助完成商品调整和排班，不过其中的客情维护仍然需要人来做。
“让经营者有更多精力做更有价值的事情，把常规的事情让AI辅助，从原来几十分钟变成几分钟。”李飞说。
他用体育做了个类比。个人用AI，也追求的是“更快、更高、更强”：更快，是提高产出速度；更高，是用超出自己能力的标准要求AI，获得更好的结果；更强，则要靠专业专家。
“一个团队想拿世界冠军，肯定不只是靠个人的力量，后面有一批这样的专家，体育运动还得有体能专家、康复专家、市场营销专家。”李飞说，企业组织也需要法务分析专家、门店运营专家。这些专家还需要与企业自身的经营上下文结合，才能发挥作用。
而把这些智能体真正嵌进组织，关键不在系统流程，在“工作流程”。“组织之所以存在，是因为要在工作流程中互相协同完成你的事情。”李飞说。
这件事需要自上而下推动。李宁的高管在年初内部大会上的要求是，每个人、每个团队都要用好AI，成为掌握AI的人和团队。从年初到现在，公司开展了几十场Workshop；有一次WorkBuddy培训在非强制的情况下，来了1000多人。
组织层面的打法，李宁集团AI创新总监刘磊概括为六个字：扫盲、扫描、扫除。先把认知拉齐，让大家知道AI都能完成什么；再把需求提炼出来；最后按业务价值甄别，匹配资源。
在这套分工里，IT的角色被重新定义。“我们是赋能者，不是所有的Agent都要我们自己做。”李飞说，有业务部门的同事用AI Coding做出工具，分发给子公司同事使用；IT负责把这些东西工程化，接上组织上下文和经营上下文，连到经营系统。
这也是李宁希望形成的工作方式：业务部门提出需求、参与开发，IT提供技术支持，将有价值的应用沉淀下来，供更多员工使用。
03 AI进入组织，还有几道关要过
李宁的AI应用已经覆盖多个业务环节，但过程并非一帆风顺。
第一道关是安全。李飞承认，在WorkBuddy之前，公司“一直不敢大规模地推”，原因是没有找到可靠的安全承诺——担心大模型拿使用者的信息做二次训练，担心提问被存储。
WorkBuddy提供相关安全证明材料后，李宁团队研究了工具的数据存储情况、调用记录和法律条文，认为目前具备可信的使用条件，才逐步向员工开放。
配套措施还有几层：制度层面，基于数据合规委员会和商业秘密委员会针对AI使用场景更新信息安全制度规范，宣讲AI工具安全使用红线；技术层面，部署安全网关和防泄漏技术手段，严格管控敏感敏感数据和文件的外发。
至于自建模型，李宁短期内不打算做。“效能的问题，大部分模型能力迭代很快，我们也跟不上。”李飞的想法是，将官方Hub提供的模型能力“当做水电来用”，把更多精力放在企业自己的业务场景上。
第二道关是数据开放的边界。李宁的做法不是把所有数据丢给AI，而是用AI打造工具去分析数据，工具本身仍跑在内部业务系统或决策支持系统里。落到使用层面，“除了财务等有限制，其他的日常数据，至少我们支持大家可以用WorkBuddy做分析和使用”。
第三道关是投入产出究竟怎么算。从个人提效到组织提效，李飞承认还需要时间判断，但李宁公司保持开放和耐心。
李飞希望，未来有越来越多的Agent进入企业经营的各个环节，让每一位经营者都拥有一个理解组织、熟悉业务的AI工作平台。对李宁来说，50个Agent只是一个起点，如何让这些硅基员工真正融入组织，还有更多工作要做。
亿邦持续追踪报道该情报，如想了解更多与本文相关信息，请扫码关注作者微信。
