2025 年进度条过半，年初 DeepSeek 点燃的 AI 热潮，如今也逐渐回归理性。经过半年的实践与沉淀，AI 已成为工作生活的 “日常工具”。随着3月Manus引爆全网等AI Agent标志性事件的出圈，各大企业纷纷布局AI Agent，在不久前落幕的红杉AI峰会上，150位全球顶尖AI创始人得出共识， AI 的未来将是 “从提供工具转向交付成果”。

 

对于企业来说，无论是前些年推进数智化，还是今年开始着力推动 AI 落地，AI 在企业中的应用难免遭遇各类挑战。近日，一场汇聚 40 多家时尚零售行业 CIO 的零售AI Agent主题沙龙活动在上海圆满举行。网易智企·云商与40 多位时尚零售企业 CIO 围绕 “Agent能在时尚零售行业做哪些提升” 展开了热烈探讨，并通过问卷调研，深入挖掘了行业内 AI Agent 应用的真实状况，探索AI Agent为时尚零售行业带来的创新变革。

 

 

 

 

 

 

 

 

AI Agent 应用

 

 

 

 

 

 

 

时尚零售行业处在什么阶段？

 

日常生活中我们已经深刻体会到AI带来的便利，如何在工作中借助AI Agent深度赋能业务、自动处理复杂任务，仍是行业高度关注的议题。根据本次活动现场40多位时尚品牌CIO的调研反馈，尽管技术热度持续攀升，AI Agent在企业中的实际应用尚处于早期探索阶段。

 

40% 的企业 CIO 表示尚未启动 AI Agent 项目布局，38% 的企业已在 1 - 2 个场景开展试点，15% 的企业已着手规模化推广并整合业务，7% 的企业则称还在规划中，预计 AI Agent 项目将在一年内启动。尽管当前行业应用水平尚处于探索与发展进程，但对于应用 AI Agent 的决心，行业内是高度一致的。

 

 

 

 

 

 

 

 

AI Agent 热门应用场景

 

 

 

 

 

 

 

数据分析和智能客服是

当前时尚行业的CIO 最关注的 AI Agent 应用场景

 

AI Agent 要真正创造业务价值，不仅需要依赖 AI 大模型的强大功能，还需找精准的业务场景与工作流程。本次活动中问卷调研的结果显示，智能客服和数据分析是最受到场时尚零售品牌CIO 关注的场景，超半数到场嘉宾表示关注，其次是供应链优化和营销自动化方向的应用。

 

网易智企·云商凭借在智能客服领域多年的深厚积累，以及与鞋服美妆、商超商综等行业客户场景的深度探索，在智能客服场景中，基于大小模型融合的技术架构，打造出 AI Agent 解决方案，为时尚企业带来体验革新。

 

 

某知名快时尚品牌接入网易智企·云商AI Agent后，不仅能快速响应 “新品上市时间”“尺码表” 等常见咨询，还能针对 “不同场合穿搭建议”“面料保养方法” 等复杂问题，结合品牌产品知识库与流行趋势数据，生成专业且个性化的回复。

 

过去，人工客服需耗费大量时间解答此类问题，如今 AI Agent 承担 80% 的基础咨询工作，释放人力专注于客诉处理、会员深度服务等场景，客服人力成本降低 35%，客户复购率提升 12%。

 

 

 

 

 

 

 

 

 

落地难题

 

 

 

 

 

 

 

人才缺口成为首要瓶颈

 

尽管 AI 应用前景广阔，但是从问卷调研的结果来看，AI Agent在企业的落地却仍面临重重阻碍：

 

人才断层

50% 的企业表示缺乏既懂 AI 技术又熟悉时尚业务的复合型人才，导致技术工具难以与实际业务接轨；

ROI 模糊

43% 的企业无法量化技术投入产出，决策陷入观望；

数据孤岛

时尚零售企业的数据分散，AI Agent缺乏完整、准确的学习样本，容易引发推荐失准等问题；

技术适配难

26.9% 的企业表示很难选择合适的技术和工具，34.6% 企业表示很难找到技术与业务的融合切入点。

 

 

 

 

 

 

 

 

AI Agent 实践经验

 

 

 

 

 

 

 

聚焦业务价值的Agent落地实践

 

网易智企·云商从2016年开始推出智能客服产品七鱼智能客服，在客服领域的智能化应用方面，我们和诸多客户反复共创验证。在这次的活动中，网易智企·云商总经理以《聚焦业务价值的Agent落地实践》为主题分享了Agent项目实践过程中的核心洞察：

 

一、知识体系决定了大模型的落地深度，知识管理是AI项目成功首要因素

在实践中，我们发现AI项目的首要挑战在于知识管理。在客服领域，企业的需求正从单一的“智能客服”升维为全域“知识互动载体”，服务对象从消费者延伸至员工及上下游生态，知识体系成为大模型落地的关键。有知识体系支撑的模型不仅能响应标准化问题，还可以融合内部经验形成个性化推荐与风险管控，真正释放业务真实价值。

 

零售企业 80% 非结构化数据需通过 RAG 技术与知识引擎转化为知识图谱。在某健康护理品牌的AI Agent项目中，利用 AI 对接育儿宝典与行业知识，结合大模型能力，使导购效率提升 15%，新员工上岗周期缩短 50%。企业需克服知识孤岛，建立统一平台，确保 AI Agent 输出专业且贴合业务。

 

二、“大小模型协同”策略，兼顾体验与准确率找最优解

在 AI Agent 落地过程中，技术路线的选择直接影响业务价值转化。Agent在企业落地的常见技术架构是 “智能化基建层 - 开发层 - 应用层” 的三层架构。在智能化基建层，网易智企·云商采用 “大小模型协同” ——70%基础问题由小模型高效处理，30%复杂场景通过知识增强的大模型辅助决策，在优化成本的同时最大化体验升级。开发层提供定制化开发工具，应用层则精准对接客服、导购等核心业务场景。

 

三、从ROI最显性的地方开始落地AI知识赋能体系

AI 落地应该优先瞄准客服、导购、门店运营等 ROI 显性场景突破：某腕表品牌 AI Agent 深度吃透 10000 + SKU，询单转化率飙升 85%，满意度达 97% ；门店运营场景中，AI Agent 将查询解决率推至 95% 以上，用户等待时长压缩 99% 。

 

在瞄准价值场景后，遵循 “试点验证 - 范围扩展 - 长效运营” 的三阶段路径 ，先在知识含量高、综合性高的场景构建知识体系规范，树立标杆；再复制经验，将知识覆盖扩展至企业全域，搭建知识中台；最终通过人才结构转型，推动长效知识运营体系迭代，挖掘数据资产价值。

 

AI Agent 价值释放，不只是技术的升级。企业明确需求、服务商深度适配，以共创思维破壁，才能让 AI Agent 从概念