夜雨聆风
当大部分企业还在观望AI能做什么时，红蜻蜓已经用AI拿到了结果：
- 过去通用AI出图的打样命中率只有5%，现在他们用专属大模型直接拉升到了10%-20%；
- 产品营销团队现在一个人配合AI拍照设备，一天就能设计/上架200个品，单日产出效率飙升。
在红蜻蜓这里，AI已经实现了产能和效率的提升。背后这套能力则来自红蜻蜓孵化的独立公司「惠利玛」，红蜻蜓既是它的母体，也是它验证AI提效场景的“头号标杆客户”。在跑通了设计、生产、营销的全链路后，惠利玛开始将这套“十倍提效”的能力向整个鞋服行业输出。
但在这场AI效率革命中，惠利玛事业合伙人李文彬发现了一个极其真实、甚至有些扎心的困境：AI落地最大的阻力不是技术，而是人。AI工具再牛，如果组织激励和分配机制没跟上，员工根本不愿意释放这10倍的产能。技术已经准备好了，组织却未必准备好。
在和见实的这次对话中，李文彬详细拆解了他们帮助红蜻蜓在AI设计、营销、供应链端拿到的提效数据，以及在面对“产能释放”时，摸索出的真实破局解法。对了，在4月15日，见实还将和会员一起走进红蜻蜓&惠利玛游学，深入一线感受和学习AI实践，欢迎你文末一起报名参与。
惠利玛事业合伙人 李文彬
01
设计端提效
打样命中率翻2倍
见实: 你们帮红蜻蜓最早用AI切入哪个业务环节？拿到了哪些具体数据结果？
李文彬：我们介入最深、效果最直观的是AI设计。
虽然通用大模型如Stable Diffusion也能设计鞋，但红蜻蜓喜欢的鞋跟其他品牌肯定不一样，每个品牌有自己的调性和文化。所以我们给AI“投喂”了红蜻蜓大量的历史爆款数据、颜色、结构、各区域销售数据，训练了专属的品牌大模型。
以前通用AI出图，设计稿能被选中去打样生产的准确率大概只有5%，现在我们能做到10%—20%。我们做过简单测算，现在用了这个模型，一个人一周就能完成以前一个设计团队一个月的工作量，而且输出品质能达到一个4年经验设计师的水准。
以前一款鞋的设计成本，含人工算下来大概是2000到5000元不等。现在把AI和人工全部算进去，大概是600到1000元左右。
见实: 这个效率提升，落实到具体的业务转化上是怎样的？
李文彬：以前鞋服设计的难点在前期探索，一个系列往往要尝试很多方向，设计师需要不断出图、调整、评估，再进入打样环节，整个过程投入很大。
现在AI最大的价值在于，能在前期快速生成大量参考方向，把原本需要花很多时间完成的探索过程大幅压缩。
团队可以先基于AI生成的方案做多轮筛选和讨论，再把更有潜力的款式交给设计师深度优化，这样能把真正值得打样的款式范围收得更小，从而提高整体开发效率，也节省了鞋的样品成本。
见实：目前在设计环节，还需要人去做什么？
李文彬：以前设计一款鞋，从草图到样品，每一步都要人工推进，现在AI可以快速生成大量接近设计师需求的初稿，人的工作变成了选择、判断和二次精修，而不是从零开始画。
但AI仍然只是辅助。方向判断要靠人，商业级的精修要靠人，最后的技术转化——比如把2D设计转成3D鞋底模型，还是要人来做。AI解放的是那些重复性的、机械性的出图工作。
02
营销端提效
样品上新效率更高
见实: 在离转化最近的营销端，AI帮助品牌实现了怎样的产能爆发？
李文彬：最直观的是样品上新。
以前遇到订货会，几千个品突然要上架，传统的平面团队根本干不过来，而且需要一个完整的拍摄团队配合（摄影师、道具、美工等5个人）。
现在用惠利玛自研的自动拍照机，一个人操作，就可以自动拍照、抠图、精修、生成详情页、搭配模特图，甚至关联后台自动上架。现在通过AI一天至少能上新200款产品，效率飙升。
见实：你们服务的大部分品牌，AI还在营销端的哪些方面有提效？
李文彬：刚说的是平面图，还有短视频和数字人直播方面的提效。
我们会帮品牌去克隆老板/董事长的数字人，并打造成品牌IP。逻辑很简单——老板时间非常有限，不可能每天坐那拍短视频，但品牌又需要高频的曝光。
现在用数字人克隆技术，只需一次采集，后续内容团队直接用文本驱动。我们现在每个月能高质量输出几十、上百条老板口播的短视频，彻底打破了真人的时间精力限制。
以前要做一个老板级别的IP团队，一年的配置成本可能是几十万到上百万。现在整个成本大概10万到20万左右，而且效率更高，不用等来等去。
除了短视频、数字人直播，我们还会做老板智能体，可以24小时在线给导购做培训，或者给B端代理商讲品牌文化，把核心IP的业务价值放大了无数倍。
见实：数字人直播现在在哪些平台跑？效果怎么样？
李文彬：效果最好的是天猫，其次是京东，然后是视频号。抖音官方目前明确不允许数字人直播，我们不做。
我们全部走官方白名单接口，进入平台官方后台绑定，不用第三方推流。合规性非常重要，因为我们服务的很多是大品牌，他们都是几十万、几百万粉丝的账号，不能去冒险。另外目前各大平台对数字人直播还有流量扶持政策，这是个窗口期。
我们服务过很多头部一线品牌，做出来的数字人直播间效果能超过他们原有的真人直播间。背后是技术加一个有超过10年短视频经验的运营团队——分镜怎么设计、话术怎么写、特写镜头怎么打光，这些都是专业积累，不是AI能直接替代的。
另外，商业化对细节的要求极其苛刻。你用便宜的软件做，鞋子的细节、奢侈品的logo稍微变一点形，客户买回去货不对板，直接就是客诉灾难。我们能做到4K级输出，且保证产品细节绝对不变，这是商用级的底线。
03
供应链提效
柔性生产有了可能
见实：设计端和营销端之外，供应链这块AI介入之后有什么变化？
李文彬：我们还未完全实现柔性生产，这个命题太大了，但我们正在越来越靠近它。
柔性生产为什么难做？核心矛盾在于：客户的需求是动态的、个性化的，但企业的生产是计划性的、标准化的。如果完全跟着客户需求走，就变成了全定制，成本高得离谱；如果完全按计划生产，等市场反馈回来再调整，周期又太长。
见实：以前这个反馈周期有多长？
李文彬：至少三个月，通常是半年。举个例子，我们春夏的订货会，可能在去年六七月份就开完了。但时尚一直在变，订货会结束之后，市场上可能又出了新的IP、新的爆点，以前根本来不及响应，只能等到下一个季节再说。
而且整个反馈链路非常长——销售数据要先汇报给销售人员，销售再反馈给市场部，市场部再反馈给设计师，设计师再修改，再一层层返回去。等这个信息传到设计端，黄花菜都凉了。
见实：AI介入之后，这个周期怎么变的？
李文彬：现在，我们的设计大模型直接关联了全网电商数据和自身的实时销售数据。前端市场喜欢什么元素、什么款式，AI能实时、动态地抓取反馈，并立刻优化下一批的设计链路。系统学习和处理数据的频次变得极高，这就让“小批量、快速反应”的业务模式成为了现实。
现在我们以一个月为大节点、半个月为小节点，做精细化的数据学习和款式调整。从以前的半年压到了一个月，这个变化是很实质性的，我们能实时根据市场反馈调整款式风格、生产数量和时间。
而且我们还加了一个预测模型——不光看过去几年的历史趋势，还把未来两三年的整体趋势数据“喂进去”，让模型给出更精准的设计方向判断。这样在设计阶段就能输出更符合市场的产品，而不是等卖完一季再复盘。
见实: 为追求极致的响应速度，在业务动作上还有哪些突破？
李文彬：为了把业务链路缩到最短，我们甚至跨过了传统的“调研”环节，直接把AI设计软件定向开放给C端消费者。
你想要什么样的鞋面、什么结构，可以自己用AI参与设计。当操作足够简便时，用户的参与意愿非常高，而且对自己设计的鞋子认购率极高。
这样一来，消费者和设计师直接出款，后端立刻跟进生产，再迅速卖到消费者手里。前端需求的精准捕捉与后端生产的极速响应完美咬合，整个商品流转效率实现了质的飞跃。
当然这个目前还是定向发放，还在验证阶段。但方向是对的——真正的柔性，不只是生产端的柔性，设计端和销售端如果不柔，供应链是柔不起来的。
04
AI落地最大的坑
不是技术，是激励机制
见实：你们在帮品牌推进AI落地的过程中，遇到过哪些没想到的阻力？
李文彬：很多。这三四年下来，我们发现很多企业都经历过同一个路径：刚开始觉得很好，后来没做好，最后不用了。
原因主要有三个。第一，传统企业没有专门的AI岗位，你让一个传统销售人员或者设计师去学AI，他本职工作就很忙，心理上是抵触的，专业上也学不明白。第二，AI迭代太快，Stable Diffusion刚搞明白，ChatGPT又出来了，现在每周都在更新，很多人追着追着就放弃了。
第三个才是最根本的原因——激励机制没跟上。员工学了AI，一个人干了5个人的活，公司没给任何奖励。以前5个人的工作量，现在一个人用AI搞定了，公司不但没给加薪，反而派了更多工作。那员工为什么要学？就用传统工作方式，至少不会出错，节奏也稳，还不用冒险。
这是一个非常真实的困境。AI赋能，省的是老板的钱，多干的是员工的活。如果这个分配问题没有想清楚，员工从根本上就没有动力去学。
见实: 确实，很多人调侃，用了AI不仅工作没轻松，反而比之前更累。怎么破局？
李文彬：这就是AI提效最核心的痛点，分配机制必须重构，经济基础决定上层建筑。
员工的底层逻辑很简单：我努力自学了AI，一个人干了以前5个人的活，创造了巨大的业务增量。但我拿到的钱一分没多，干完活老板还会给我派新活，那我为什么要学。
因此，企业只要把多产生的价值分配一部分给员工，员工的主动性就会爆发。如果员工用AI一个人干了5个人的活，你能不能给他发1.5个人的工资？或者他一上午干完了活，下午能不能让他去休息、去玩？
无非就是给他物质奖励或者时间奖励。
见实：你们给客户的解决方案还有什么？
李文彬：我们的核心逻辑叫“先帮你拿到结果，再谈培训”。AI落地的最大阻力，其实是员工的心态。
很多企业说，你的软件我用不出来想要的东西。没关系，我不急着让你自己学，我先帮你做出来。
比如数字人直播，我们告诉客户：你只需要给我你的店铺名字和产品链接，剩下的主播选角、直播间搭建、话术撰写、特写镜头设计、常规回复——全部我来搞定，10天之内帮你上线。
老板看到24小时直播真能卖货，员工看到这玩意真能极速出图，有了结果，他们才有动力去学。先给结果，再教工具。而不是说我把软件卖给你，你自己去证明效果。我帮你证明了效果，剩下的才是培训和内化的问题。
05
行业组织变化
新增几类AI岗位
见实：AI介入之后，你们观察到鞋服企业的组织结构有哪些变化？新增了哪些岗位？
李文彬：有几个新岗位在出现。一个是智能体训练师，专门负责把历史数据分类整理、投喂给AI；一个是数据架构专员，负责数据的收集和分类；一个是AI制作师，不管是平面内容还是鞋款设计，都需要专门的人来操作AI工具；以及AI辅导培训师，负责把新工具推广到全员。
见实: 从你们的实操来看，是应该让懂业务的人去学AI，还是让懂AI的人来深入业务？
李文彬：绝对是懂业务的人去学AI更靠谱。
你要学懂一个行业，没有三、五年是不行的。没有行业沉淀，根本无法判断AI输出的结果到底能不能用。而一个懂业务的人，脑子里有体系性思维，他去学AI工具的使用，最多只要1个月就能熟练。
见实：接下来一两年，AI对鞋服行业最大的影响会在哪里？
李文彬：我觉得底层逻辑是不变的，一双鞋怎么设计好看，一件衣服怎么卖出去，这些专业积累不会因为AI而消失。
AI目前的角色是一个“天才儿童”，你不把十几年沉淀的专业知识“喂”给它，它永远成不了好助手。我们应该去做AI的“导师”，把专业知识教给它，让它给我们打辅助。
对企业来说，可以先选最容易用AI见到结果的两个口子：设计端和营销端。设计端能快速看到成本节省，营销端能快速看到转化变化。先把一件事做透，比如先把海报这件事用AI做到极致，把你所有的字体、颜色偏好、模板风格全部训练进去，能做出你想要的东西，这就已经很了不起。
最后我想说一句：目前市面上太多割韭菜的了，几百块的课、几千块的软件满地都是。企业在这件事上要理性，一定要先看落地案例，看真实结果，再决定要不要用。别把组织搞乱了，还费了一堆钱，那就得不偿失了。
PS：
AI在2026年的重点，是进入业务环节。4月-5月见实将带领会员朋友们走进温州/杭州/上海/广州/南京的头部企业游学，观摩、学习、交流AI最新玩法。
我们将游学以下企业：红蜻蜓&惠利玛、德赛鞋业、蜜丝婷、森马集团、报喜鸟、山丘联康、头道汤、伊的家、仅三生物、孩子王。欢迎你下方加入见实会员一起游学。
↘推荐阅读：
夜半官宣企微开源 CLI：任何AI Agent 都可用文字命令调用核心功能
