1500人的傳統織帶廠,正在重新計算AI的ROI

從“訂單ROI”到“Token ROI”。

作者|王鐵梅

編輯|楊舟

今天，Accio Work首屆“Token King”評選公布結果，入圍TOP 10的，沒有一位是IT精英，其中一位來自傳統制造業的負責人巴典，更是憑借在阿里國際站、1688、亞馬遜、獨立站等同時調用Accio Work，完成了多平臺協同，獲得“成年人不做選擇獎”。

在很多人的印象里，能夠高頻調用AI、在“Token”相關的比賽上排到前列的，通常是年輕的開發者，或者是小型團隊、一人公司。這類人往往組織輕、節奏快，幾乎天然就生活在AI工具的使用場景里。

但巴典的身份恰恰相反。他是廈門姚明織帶飾品有限公司的負責人，這是一家成立于 2004 年的制造企業，擁有 1500 多名員工，年銷售額 達上億元 人民幣，常年保持著 驚人 的庫存規模，業務同時覆蓋國內外多個電商與外貿平臺。

一邊是典型的重資產制造型企業，一邊是圍繞著Token評選的數字化榜單，看起來是兩個世界的概念，在巴典身上重疊了。

答案和技術無關。隨著姚明織帶在阿里國際站、1688、亞馬遜、獨立站等多個平臺同時發展，公司的日常經營被劃分為不同系統和不同團隊，訂單、庫存、客戶和運營動作分散在各處，原本依靠人力和經驗串聯起來的方式，需要更現代的模式。

所以一開始使用AI，或許只是為了“把事情做快一點”。但當AI真正進入到巴典的日常業務鏈條之后，他意識到，AI的價值并不止于“替代人工做同樣的事”，很多過去依賴經驗和人腦判斷的環節，在AI介入之后，并不停留在“更快完成”這一層，而是出現了新的可能性。

這也就是為什么看起來和前沿科技關聯不大的傳統制造業能入圍“Token King”TOP 10，因為這不意味著“燒了多少token”或者“多做了多少事”，這只和單位AI能力創造了多大的業務價值有關。

同時，巴典也開始嘗試理解一種新的ROI邏輯。在AI時代，投入的不只是人和錢，還包括算力、調用次數、以及背后的模型能力，真正重要的也不是用了多少，而是這些“調用”最終撬動了多少業務結果。

電商行業的底層邏輯，正在被 AI 重寫。

當不“守成”的制造廠遇見AI

在巴典的敘述里，姚明織帶的成長是一個不斷把邊界往外推的過程。

從滌綸織帶小花起步，到自建機臺實現規?；a，公司成立初期就同時入駐了 1688 和阿里國際站。在那個多數外貿企業仍依賴展會和中間商的年代，姚明織帶已經開始直接面對線上訂單和全球買家。

依靠反常規的“大庫存、大生產、大銷售”模式，姚明織帶穩穩占據了全球最大窄幅滌綸織帶生產制造商的位置。但這艘1500多人的大船，在電商版圖不斷擴張時，也面臨著極高的內部協同成本。

姚明織帶的電商業務線極其復雜，同時覆蓋海外的阿里國際站、獨立站、亞馬遜、速賣通，以及國內的1688和天貓淘寶。

巴典告訴「市象」，各平臺之間的訂單結構、客戶溝通方式、庫存邏輯并不統一，業務團隊需要在多個系統之間切換，分別處理詢盤、報價、訂單與履約信息。

引入Accio Work起初并不是為了應對某種生存危機，更像是一種輔助工具，用來讓分散在多平臺的數據處理變得更順暢一些。當AI真正嵌入業務鏈條之后，巴典發現，它帶來的提升并非單點效率，而是整個工作方式的變化。

以阿里國際站為例，AI帶來的第一個變化，是對海外買家信息的更深層獲取。過去業務員做客戶背調，需要單獨購買海關數據工具，再逐條查詢出口記錄和采購軌跡，信息零散，還要靠人工拼接，效率很低。

現在通過Accio Work，業務員輸入客戶線索后，系統可以自動抓取官網、社媒等公開信息，并結合企業自身的產品結構做匹配分析，直接生成一份帶有實操建議的客戶畫像，不僅包含基礎信息，還會提示潛在采購偏好和可能的決策路徑。這也為生意本身提供了更多可能。

而在亞馬遜日常運營中，也有一個容易被忽視的致命風險：斷貨。巴典提到，爆品一旦在FBA倉斷貨，平臺流量會迅速下滑，商家往往不得不空運緊急補貨，但空運成本極高，會直接吞噬利潤，把一個賺錢的單品變成虧損。

過去這件事很難精確計算。運營需要分別查看廈門倉庫存、海運在途和 FBA 實時庫存，再結合銷售節奏做人工判斷，整個過程依賴經驗，也很容易出錯。

接入相關插件并打通數據后，Accio Work給出的不再是一個庫存概覽，而是一組非常具體的補貨指令。它會直接拆解到每一個ASIN鏈接，明確提示狀態——“這個產品已逾期19天”“這個品逾期3天”“這個鏈接庫存預計20天后斷檔”，同步給出補貨數量建議。

運營能夠靠AI拿到一份已經算好時間成本與物流成本的執行清單。該海運還是空運，系統已經替人算清楚了。

同樣被重構的還有報價流轉。過去，遇到復雜的打樣和核價需求，業務員只能向技術工藝部門求助，排隊等待兩小時到兩天不等才能拿到結果。現在，姚明織帶將復雜的核算邏輯全部輸入Accio Work，固化成一個自動報價Skill，業務員即便在外出差，用手機微信就能獲取精準報價。這套系統即將全面覆蓋公司270多名業務線員工。

這種深入業務流的改造，也體現出巴典及其團隊對新工具極強的探索精神。跑通基礎的訂單和報價環節后，他們并未滿足于簡單調用系統預設功能，而是不斷測試AI的能力邊界，試圖讓算力滲透到日常經營中一切還能被優化的角落。

最讓巴典感到意外的，是AI跨平臺“縫合”的能力。1688平臺一直缺乏像阿里國際站“小滿”那樣專業的CRM工具。為了解決這個問題，電商團隊利用Accio Work自研搭建出了一套完全懂公司業務邏輯的內部CRM系統。

這套智能體不僅能實現 1688 客戶的自動分層與動態打標簽，還能每周自動生成客服溝通紀要與下一步跟進計劃，徹底彌補了內貿平臺管理工具的短板。

在巴典看來，Accio Work之所以能統管多盤生意，核心差異在于它具備開放的商業插件生態。無論是主攻亞馬遜的跨境賣家，還是依賴獨立站、速賣通獲客的貿易商，抑或是深耕國內供應鏈的工廠，都可以通過接入自帶的現成插件，直接對接平臺后臺數據。

從內貿到外貿，從To B到To C，AI沒有改變姚明織帶重資產制造的基本盤，卻將原本的多平臺業務縫合在了一個底層系統里。

用一句話概括他的用法就是 “多盤生意、一個操作系統”。這種模式讓本就運轉穩定的制造企業，也因此進入了一種更輕、更快的協同狀態。

當人的能力被算力放大

很多人會下意識覺得，能把AI智能體用好的人，應該是懂技術的年輕程序員。但在姚明織帶，Accio Work用得最熟練的，反而是一位在傳統外貿行業做了快二十年的老主管。他不懂代碼，也不關心模型原理，但業務經驗非常扎實，表達和拆解問題的能力很強。

巴典提到，這位主管在使用Accio Work時，更像是在“帶一個新人”。他不會去研究系統底層怎么運作，而是把自己二十年積累下來的工作方法、判斷標準，用很直白的語言一點點講給AI聽，讓AI去學習他的業務邏輯。

比如在織帶這種非標產品里，不同印刷工藝、不同規格對應的成本結構和利潤判斷，本來只存在于少數資深員工的經驗里，很難標準化，也很難復制。但現在，這些分散在個人經驗里的判斷，被一步步整理并固化成一個可復用的自動報價Skill。經驗不再綁定某一個人，而是變成了組織里可以隨時調用的一種能力。

更有意思的是，變化并不只發生在經驗沉淀上，也發生在具體業務動作里。

巴典告訴「市象」，在過去很長一段時間里，公司對客戶的處理方式是比較被動的：客戶發來需求，業務員就接單、報價、下單，很少有精力去進一步挖掘客戶背后的潛力。

但在引入Accio Work之后，客服開始嘗試把客戶的聊天記錄、印刷圖稿以及收貨地址等信息直接交給AI分析。結果AI不僅快速識別出圖稿背后的真實品牌方，還進一步判斷出這個品牌大致的業務規模和合作潛力，并自動生成了對應的破冰話術，幫助業務員去做下一步溝通。

更關鍵的是，AI在這個過程中并沒有停留在“分析一個客戶”的層面，而是順著已有信息繼續往外延伸，主動推薦了一個業務模式相似但規模更大的潛在客戶B。業務團隊順著這條線索跟進，最終拿下了一筆超過二十萬元人民幣的訂單。

這筆訂單的意義并不只是金額本身，而是讓客服也可以不只停留在被動響應，可以借助AI變成主動找機會的人。

類似的變化也發生在亞馬遜運營團隊。巴典提到，有一位性格很內向的工科背景運營，平時基本不怎么表達，更習慣一個人處理日常的運營工作。

在接入 Accio Work 并通過插件打通亞馬遜后臺之后， 部分 重復性工作被大幅自動化，系統會每周自動生成結構化的庫存和廣告分析報告，把原本需要半天甚至更久的人工整理壓縮掉了大半。

這個變化帶來的結果是，這位原本很少在會議上發言的運營，在使用工具兩周后，開始在每周的會議上主動分享自己的數據分析結果和運營判斷，逐漸參與到團隊更核心的策略討論中。

這種能力的放大也延伸到了更宏觀的層面。巴典提到，在像窄幅滌綸織帶這樣高度細分的行業里，過去幾乎不存在完整的行業研究報告，企業很難真正看到市場全貌。但現在通過AI對多源數據的整合與分析能力，公司可以自己完成友商對比和市場趨勢梳理。

深度探索AI，既能幫助姚明織帶這樣的龍頭企業繼續加固自身優勢，也讓資源相對有限的中小商家，有機會用更低成本獲得原本很難觸達的行業認知，從而找到差異化的切入點。

當 AI 真正進入業務流之后，它并沒有簡單替代人的工作，而是把每個人原本能做到的邊界整體往上推了一層。 Accio Work 改變的，不只是效率，而是每一個崗位原本 “ 能做到什么 ” 的上限。

到了計算AI ROI的時代

入圍首屆“Token King”TOP 10，并獲得“成年人不做選擇獎”后，巴典重新思考了何為AI價值。

在商業世界中，企業評估一款數字化工具的ROI，也就是投資回報率，一直以來都是很直接的：它帶來了多少新增訂單，或者節省了多少可以量化的成本。能不能賺錢、能不能省錢，是最核心的判斷標準。

但在深度使用AI之后，巴典逐漸意識到，這套評價方式該變化了。他表示，現在已經不能只用“拿下了多少訂單”“創造了多少營收”來衡量Accio Work的價值。AI帶來的影響，很多時候并不直接體現在某一筆訂單上，而是發生在企業的日常運轉方式里，比如流程如何被重組、部門之間如何協同，甚至業務機會是如何被重新發現的。

他用一句更直接的話概括：AI改變的是一家公司的生意流程和管理方式本身。

當這個認知逐漸清晰之后，他開始重新思考一個更現實的問題：對于一家擁有 1500 名員工的重資產制造企業來說， AI 投入到底應該如何被統一管理和放大效能。

基于這種思考，巴典有了一個新設想：在年底之前設立一個“AI Agent項目主管”的崗位。這個崗位有一個明顯的特點，它并不來自傳統的IT或技術部門，而是直接從一線業務人員中選拔。

因為AI并不是一項需要技術背景才能使用的工具。像前文提到的那樣，姚明織帶內部把Accio Work用得最熟練的人，本身是一位擁有近二十年經驗、但完全不懂代碼的外貿主管。因此，這個崗位的候選人標準并不是技術能力，而是業務理解能力和指令表達能力。誰最清楚真實業務是如何運轉的，誰就最懂如何讓AI工作。

這位主管不需要脫離原本崗位，而是帶著日常業務繼續工作，同時承擔起推動AI工具落地、梳理跨部門問題、以及定期復盤AI使用效果的職責。

巴典對這個崗位的設想，本質上是在推動一個新的評價體系：從“訂單ROI”轉向“Token ROI”。所謂Token ROI，并不是簡單看企業消耗了多少算力，而是看單位算力所撬動的業務價值有多大。

對于已經在多個電商平臺同時運行AI系統的姚明織帶來說，也正在嘗試把AI的使用權真正下沉到一線，讓最懂業務的人去定義AI如何工作。

當技術門檻被壓平之后，決定效率上限的，不再是系統本身，而是那些真正理解業務的人如何使用它。