文｜Nicole，出品丨零售氪星球（ID：LS-KXQ）

总部在广东中山的中顺洁柔，中国生活用纸行业“四巨头”之一，以高端定位和行业领先的毛利率著称。现在，它又有了一个新标签：国内把WorkBuddy 用得最深、最前沿的快消品牌。

今年3 月9 日，腾讯的AI智能体 WorkBuddy 才正式上线。但迄今，洁柔已开了1200 多个给员工深度使用的账号，总裁高波是头号用户。

一周前，「零售氪星球」等媒体与洁柔总裁高波、CDO杨森林聊了大半天，一些瞬间和一些语句成为这次探访里最值得回放的信号。

“WorkBuddy带来的最大变化是补全了我们不规则、不完整的知识边界探索的问题。”

“企业一把手一定是最大的AI 用户。”

“业务人员完全可以用语言交互形式做出一个系统，它已不再是 IT 部门的专利了。”

“即使 AI 有幻觉，它给出的方案依然比一个普通人的上限高得多。”

“我们解决了一个从货到仓、从销售订单要进的货，从货到仓到产的一系列最优解的问题。”

“真正等到明年，接近60%的人都深度使用，AI变成基础能力，那才是真正的变化和腾飞。”

这些思考的背后，是洁柔对WorkBuddy近7个月的深度应用。今天的洁柔，AI不是工具，而正在成为一种组织能力，变成“用筷子”一样人人必备的基础能力，每个人都在用它解决自己场景里的问题。

变化也随之而来：IT部门转型，业务自己“造”系统，创新在足够大的人群里不断“涌现”。

AI 冲击下，企业内其实有很多价值被重估。如何设定目标，什么值得投入，什么人更重要，什么样的能力才能构筑壁垒？这些企业落地AI 最迫切的新议题，身边、网上或AI 都没现成答案。

洁柔一定不是标准答案，但听听它刚刚做过才知道的“阻力“与“加速度“，对想找到AI 坐标和路径的企业，一定有启发。

01

1 年至少省下1 亿成本，但洁柔说这不是AI 最值钱的地方

用了 WorkBuddy，降低成本上，中顺洁柔迄今能算出来的是一年大约1个亿。

这主要来自两块：一个是调货成本。七大工厂互相调货，一年几千万个包裹的数据大到 Excel 打不开。业务懂调拨但打不开数据，IT 打得开但不懂业务。

引入WorkBuddy后，洁柔团队只用了3 个月，将过去散落各环节的关键数据、经验沉淀固化为一个 “链算平台”，调货场景保守估计每月节约近800 万元。

还有一块是IT外包费用。现在，洁柔IT部门已不再受理业务部门BI 报表开发，业务部门用WorkBuddy自助“造”系统，每年节省400 多万元。

不久前，“79岁老干妈陶华碧用AI 一年赚54亿元”话题登上微博热搜第一。2025年老干妈实现54亿元营收，一个AI 视觉质检系统上线，让老干妈关键工序产品不良率降至0.02%，核心原料100% 可追溯。AI、传统品牌和数十亿营收，很吸引眼球。

单看数字，洁柔的1 亿不大。但老干妈是总营收，洁柔是降的成本。

但站在高波和杨森林的角度，相比账本上最醒目的数字，他们更看重深度使用AI，让洁柔站上AI 时代创新分水岭的可能性。

洁柔所在生活用纸行业，外部是存量市场，内卷白热化，增长焦虑、数据割裂和经验流失是洁柔要解的题。

所以，洁柔的目标是：做极度精简高效的尖刀型组织，希望用决策AI 带动组织重构，让一家近百亿的快消公司决策更快、层级更薄和经验不再随人流失。

相比老干妈的AI 在生产端让品质更稳定，洁柔的AI深入经营决策层，两者不在同一层面。WorkBuddy的探索，给洁柔带来了具体场景的解法，也为组织变革与转型提供了“灵感涌现”的新动力，让它有机会以更高效率，打开新的增长可能。

02

让1200 人自己“涌现”创新，洁柔做了一个AI 实验

“它最大的不同，是对生意和数据的洞察能力，这是以前的系统和方法论从未有过的。”

在高波看来，AI带来的不是单点优化，而是一个质变。

作为这一判断的落地载体，洁柔使用的WorkBuddy迄今已完成50多个版本迭代，Agent 能力被融入组织流程，推动生产力升级，并已在政务、教育、零售、传媒、金融、出行等50 多个行业加速落地。

洁柔有专门团队研究各前沿Agent，其推动WorkBuddy落地路径，并不是指定1—2个团队创新，而是尽可能铺开使用面，让AI成为企业的基础能力。

最初，洁柔开放了500 个WorkBuddy 账号，瞬间抢光。10 月假期后，杨森林发现，深度使用人数已超过1200 人。最近一场AI 短视频培训，市场部通知的必修人员不过20 多人，结果全公司报名近400 人。

高波有一个创新“涌现”的判断：“当一件事只限定在10 个人，你的运气就取决于这10 个人里有没有一个特别突出的人。当你把机会放进几百人、上千人的池子，就会眼花缭乱地看到，每天都有让你惊讶到掉下巴的创新。”

过去，培养一个真正懂数据、懂分析、懂生意的人很难，还需要很多时间积累。但现在，洁柔能让最懂生意的人把经验喂给系统，让最懂分析的人把模型训练成 Skill，再带进这些经验里。接下来，IT部门做二次拆解和封装，让它们更专业化和可复用。

高波说，AI不是护城河。大家都在狂奔，但先行者有时间窗口，唯一能比的就是，谁跑得更快、更领先一点。

而且，AI 不可能直接提升业绩，数字化更不可能。“但当你足够快，就带来巨大的机会。同样一个月，你能干 10 件事，跟你能干 1 件事是不一样的。”

现在的洁柔，正试图站上AI 时代的创新分水岭：“涌现“的创新，能否变成可复用的Skill，从零散场景沉淀为组织能力仍待验证。但飞轮一旦转起来，变革会更快，也会有更多可能性。

03

AI时代的新型CEO 什么样？洁柔先打了一个样儿

AI时代的企业CEO，一定和之前不一样。深度使用WorkBuddy 大半年，高波只有一个建议：“它是一把手工程，你不会用，怎么能看懂它的价值？”

高波是洁柔WorkBuddy 第一个用户，token 用量一度排名公司 NO.1，“我先用，欢迎你们超越我，带领我往前奔。如果我放弃了，我们的能力可能就到这儿了。”

“数字化”和“数智化”不同，高波最核心的判断是：数字化解决操作问题，数智化解决决策问题。ERP和流程系统解决的是“5000 人怎么按SOP 高效做事”，但解决不了“产品该卖什么价、哪只产品更受欢迎、机会在哪里”。

传统的数字化系统没法在纷繁复杂的数据中洞察生意机会，但AI 却能带来决策效率和决策质量的提升。

WorkBuddy 的最大价值是，它没有替高波做决策，而是帮他更快地探索认知盲区。过去，为了弄清一个问题，要拼阅读量，现在，高波跟AI讨论，让它从经典管理学里找相关书籍和章节，再精准阅读。探索一个盲区，他从“半年后才弄懂一个信息”压缩到“两周就能搞清楚”。

“数字化和 AI 真正带来的，就是组织力的整体耦合精确度和效率的提升。”

现在，高波基本用WorkBuddy做三方面的工作。首先，是数据洞察。看大量报表和细颗粒度数据，高波过去更依赖各团队、各部门的汇报。现在，他让WorkBuddy 围绕数据或某些想法直接洞察；其次，是案例研究。对想了解的新业务、新公司，AI 来收集资料；第三是知识拓展，帮助自己找书籍和拓展认知。

作为管理者，高波最大的挑战是让一个5000 人的公司高速且精准地协同。大半年下来，洁柔内部已经跑出不少案例。

以前用系统做预算，两个多月只能跑出五六个场景。用WorkBuddy 跑预算，能一下做出20 版方案，实时看到结果。以前数据都在各自团队手里，一个区域没完成业绩，用PPT汇报很容易推卸责任。现在，数据标准全扔进去AI，Skill标准跑出来，大家只能想解决办法。

洁柔目前有2000 多名一线业务人员，单是审核全国差旅发票，就要12 个员工；现在，0.2 个人就能完成。供应链的发货、调拨、核仓，背后也都是AI和算法在跑，不仅更快、更准，还大大减少了人员培养成本。

现在的洁柔，CEO用WorkBuddy 补全了不规则、不完整的知识边界探索问题，重构了自己的工作方式。

04

企业IT部门转型：HR经理都能自己开发系统？

我们到访的这一天，洁柔HR 部门一个经理自己开发的绩效评估软件上线了。

这是HR 经理通过WorkBuddy 自己立项、自己建设、自己修订 bug和自己运维的一个系统，主要是应对更灵活多变的绩效考核和整体分析。相比过去向IT部门申请立项，系统开发周期短了很多，IT 部门几乎没参与，只是帮她把系统上线。

高波把这种开发模式，称为“超级定制化”。

“以前，我们最大的卡点是什么？懂业务的人提不出需求，能编程的人不懂业务。但懂业务的人自己搞需求，编程，完成系统，迭代和运维，那不就完美了吗？”

洁柔的IT 部门的角色定位已经变了不再受理任何 BI 报表开发业务。“不是帮业务部门生成分析和生成模型，而是作为工具的管理者，解决工具与业务人员实际操作之间的所有技术问题。”

这也意味着，IT部门的KPI ，不再是排期交付多少需求，而是技术平台稳不稳、业务自助率高不高，以及，场景上线快不快。

这背后，是一个新职业：FDE（Forward Deployed Engineer，前沿部署工程师或前线部署工程师）。它是一个因 AI 落地难而重新火起来的复合型岗位，核心使命是把AI “塞进”企业真实的业务流程，并对最终业务结果负责。

但，洁柔没有为FDE增加新编制，而是推动“全员 FDE”。目前，洁柔至少已有20 个人成为 FDE，他们分散在各业务部门，能基于业务场景找到痛点、设计业务规则和解决问题。

05

AI幻觉不可怕，怕的是不会校验和不敢用

大语言模型，天然会产生AI幻觉。这是很多企业用AI的顾虑，高波和杨森林都不回避这一点。

高波的方法是，给WorkBuddy的提示词，每次都要加一句，“检查所有数据和结论的准确性，避免 AI 幻觉，不要凭空创造，这样，大模型自己就会完成自检机制。”

而杨森林会同时开两个线程、两个任务，相互校验。一个线程专门问问题、要答案；另一个新建任务做审核，明确告诉它：这里可能有幻觉，请帮我指出哪些是幻觉，相当于做风控提醒。他试过很多次，AI 自己校验自己，可以查出不少异常，也能快速补充。

杨森林有一句话很扎心，“即使 AI 有幻觉，它给出的方案依然比一个普通人的上限高得多。”

而高波的感受是，传统的多层级树状企业，即便不用 AI，员工们汇报时产生的“幻觉“往往更多。尤其当一个CEO 挑战很多人的问题时，甚至会自我怀疑：是不是我想得不对。

现在，洁柔走的数智化转型路，衡量标准只有四个：销售额涨、利润涨、成本降，以及合规更好。

7 个月下来，洁柔的管理层确信，“即使AI 有幻觉，也比你不会要好得多。它有幻觉，至少，还能给你一个方向。”