多年来，韩国首尔的顶级在线时尚平台兼面向韩国设计师品牌、街头服饰及美妆产品的集市Musinsa，一直将自己描述为一家致力于AI的公司，他们引进AI原生人才，为员工提供实验空间，同时又一丝不苟地管理Token消耗和工作绩效。

他们没有把由工程师完成的AI直接交予业务一线，而是让一线人员利用AI来重构自己的工作，因此，如果发现外部解决方案有所欠缺，他们就会分析原因并打造属于自己的解决方案。

公司的核心AI与CX工程总监Gil Gi-yong，在去年加入Musinsa后不久便开始积极使用AI——当时他看到从CTO到新员工的AI布道者们都在直接创造成果，他说，Musinsa的变化比他以往经历过的组织都要快，因此他孜孜不倦地尝试任何能增强其正在发展的内部AI平台的新事物。

运营总监Kim Dae-ho也持同样的看法，于2022年9月加入公司的Kim目前领导着运营策略团队，该团队负责规划和执行各项任务，以提升客户和合作伙伴的体验，并提高Musinsa整个商业生态系统的运营效率，最近，他的大部分工作都与AI紧密相关，因此他正与开发团队合作以主导AX项目。

Musinsa之所以在AI上投入如此巨大，是因为潮流变化迅速，且时尚消费者的冲动性较强，因此，平台必须具备快速、前瞻性和直观性，以满足需求，此外，它们还应支持合作伙伴的销售管理等领域，而AI正是满足这些需求并提升业务竞争力的手段，Musinsa正是通过这种方式开始解决独特的时尚行业难题。

拍摄服装照片就是一个典型例子，过去为了展示产品，需要雇佣模特，让他们自己搭配服装，并在影棚中进行拍摄，而现在，AI被用作搭配师来生成图片。据Gil透露，其目标是在2027年上半年将视觉AI技术提升至顶级标准。

此外，AI还被用于合作伙伴的产品注册流程中，当注册产品时，AI会自动推断分类、颜色、材料等，过去，这些任务都需要手动录入，全方位AI也已集成到客户服务中心中。由Musinsa旗下的韩国时尚生活平台29CM运营的AI聊天智能体，目前大约处理了25%的所有客户咨询。

从业务运营到ROI

企业通常以两种方式来推进AX，一种是工程团队获取一线的需求，开发系统，然后说一句“试用一下”便将其交过去，另一种如果内部难以解决，就将其外包给外部供应商，但Gil认为，AX在这两种方法中往往会失败。

他表示：“原因在于工程师虽然在做AX，但他们并未完全理解一线的业务流程，这就是为什么我们专注于创造一个让业务一线专家能够直接改进实际工作流程的环境。”

事实上，Musinsa与AX相关的创意都是由各个业务团队直接提出的。例如，规划和工程部门通过设定诸如将任务从每周270个工时减少到3个工时等量化目标，来探讨如何利用LLM改进重复性任务。

Musinsa所选择的方法的核心在于接下来，工程师不会为他们编写脚本，相反，核心AI团队会提供指导方针，直至通过反复测试达到目标数值。Gil表示，这个过程最终有助于业务运营人员衡量如何编写提示词以及利用何种改进来完善它们。

这种方法也改变了AI普及的流程，同事们不再是复制开发者创建的系统，而是直接使用AI来改善实际工作。随着一个个微小的成功案例不断积累并被分享，整体的AI应用能力也随之提升。

Gil补充说，这种方法必须与领导层的方向保持一致。仅仅通过向下分派任务并说一句“试用AI吧，费用我们会承担”是不敷推动采纳的。在Musinsa，包括高管在内的许多领导者都会率先尝试AI并自由分享成果。这种文化鼓励了自主实验，并加速了AI的普及。据说29CM的AI聊天智能体就是用这种方法开发的。

事实上，这项技术是与外包公司合作开发的，并达到了某特定水平的产出，但随后战略被修正为内部自主研发。据Gil透露，实际的成果要更好，他们成功实现了快速上线，同时将成本降低到了外包方法的三分之一左右，开发周期也仅为其他公司同类项目的大约四分之一。

然而，这种速度并非仅仅归功于AI，ROI验证十分彻底，Musinsa会首先确定时间表和预算，然后按优先级梳理需求，以便在该框架内进行实施。

甚至在开始之前，成本问题就被仔细考量。例如，他们会计算五年的TCO，并首先确认投资成本何时能作为节省下来的资金收回。在使用外部服务时，他们不会基于简单的折扣优惠签署长期合同。Kim表示，仅仅根据粗略的成本估算来启动项目，可能会导致巨大的投资，却无法达到预期的效率。

对于AI聊天智能体，他们对技术团队生成的估算进行了量化，并模拟了客户满意度将发生多大变化以及咨询率会下降多少，投资成本也按年和月进行了计算。

实施后，他们会进行月度追踪，以观察成本与预期有何差异、AI如何处理咨询、以及性能距离最初的目标有多近。如果与预期出现差异，就会进行改进，包括添加哪些变量、是否应扩大AI处理的咨询范围、以及是否应更改智能体的工作流。

慷慨的支持，但客观的评估

为了让这种方法持续下去，支持性的组织文化是必不可少的。首先，Musinsa提供了大量的Token，以便其成员能够充分利用AI，但Token的使用受到积极管理，因此每位领导者都会定期使用单独的监控工具进行检查。如果将大量Token用于本可用更少资源处理的任务，就会受到调查，相反，即使是通过传统方法处理的任务，如果本可以用AI快得多地完成，也同样会接受检查。

Kim表示，归根结底，重要的不是是否使用了AI，而是取得了什么成果以及在此过程中投入了多少资源。如果AI能够提高交付物的质量并缩短工作时间，就应该积极利用，但投入的成本与取得的成果应当结合起来考虑。

自然，有时在使用AI时，需要经历多轮测试才能达到期望的结果，这意味着需要更多的Token和时间，成本也会增加，但Musinsa更关注在此过程中经历了怎样的试错、学到了什么、以及下次可以做出哪些不同的尝试，失败也被视为能够提高下一次成功几率的数据。

AI领导者的选才标准

AI主导型企业需要什么样的天才?与其说是精通AI本身，不如说是具备正确定义问题的能力。Kim将规划定义为解决问题的旅程，这意味着识别问题、开发解决方案并执行的一系列过程。对于人类来说，定义向AI提出什么问题变得更加重要。如果问题定义模糊不清，无论AI多么貌似合理，都很难将其应用到实际工作中。

当然，掌握这些技能并非易事。Kim表示，进行持续追问“为什么”的训练是很有帮助的，他不会直接接受最初的原因，而是不断探索，直到真正的解决方案浮出水面。

他说道：“起初会感到困惑，但通过激烈的讨论和辩论，能力就会得到提升。如果对手不是人类而是LLM，你就能以快得多的速度重复相同的过程。”

Gil对评估开发人才的标准也很相似，他认为，现在需要的是能够以不同于传统方法进行思考的人，仅仅依赖经验和技术专长已不再是充分且具竞争力的优势。

事实上，这体现在Musinsa对AI原生开发者的招聘中。重点不在于对简单算法的熟练程度，而在于申请者在自由使用AI时，能多好地定义现实世界的问题、抓住问题的本质、并通过某些指标来决定如何解决问题。

领导力的原则也没有太大区别，Kim将自己的风格定义为基于自主权的领导力，而Gil则更偏爱明确权责，然而，共同的目标是打造一个不依赖于任何个人的组织。

就AI转型的下一步而言，Gil认为竞争力取决于谁能率先利用新技术，以及该经验能多快转化为组织能力，但由技术组织主导的AI有其局限性。在电商中行之有效的模型无法直接照搬到线下，单个模型也无法移植到公司的所有领域，因此，每个组织都必须基于自身的专业领域来处理AI。

这也是Musinsa的发展方向，它不是一家依赖少数AI专家的公司，而是一个任何人都能在工作中运用AI的地方。Gil表示：“我想建立这样一家公司：每个员工都用AI解决自己的问题，并将这些经验积累为组织资产，以证明我们用好了它。”

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内头部的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。