本文根据蒙牛集团首席数智官李琤洁在“马上行动——消费品行业大模型应用研讨会”上的分享整理
李琤洁 蒙牛集团首席数智官
大家好!我是蒙牛集团的首席数智官李琤洁。非常高兴今天能够有机会与大家分享蒙牛集团(下文简称“蒙牛”)做过的一些探索、遇到的挑战、取得的一些收获,希望能够为大家提供有价值的参考。
首先,要说明的是:规模不同的公司要做AI,做法是不同的。以蒙牛为例,1999年成立,发展历史只有短短的25年,但与数字化的相关尝试还是不少的。可以总结为三个阶段:第一个阶段是“货的数字化”,整个供应链端到端,过程中记录一些数据,不同的阶段做了不同的应用;第二个阶段是“人的数字化”,把所有通路里面的人做一些辨识,因为只做产品的差异化是不够的,只有更加了解消费者才可以。有了以上两个阶段的沉淀,第三个阶段就是与AI的结合,这个阶段开始于2022年下半年,在GPT3.5的时候我们看到了趋势所在。
一、AI探索的“3+3”
首先为大家解读一下何为 “3+3”。第一个“3”,我们做对了三个标志性的事情,帮助我们跨过了瓶颈。
第一个事情发生在起步阶段,我们成为“孤勇者”。那时候没有人知道会不会成功,所谓“跟业务去共创一些场景,找对的用户一块来干一些事情”在当时是行不通的,原因在于教育认知的成本太高了。面对这样的阻力,那还要不要开始?
我们第一个阶段做对了一件事,就是说服“关键用户”——CEO。把认知拉齐了之后,我们决定了一个场景:蒙牛作为一个通路型的消费品公司,所有的事情都是通过通路打下去,因此我们觉得做一个C端的场景去尝试AI。
当时的AI有很多能力,但从消费者的角度去体验并不具备条件,因此我们找到一个差异化的点:由于一赛道里乳业产品的毛利率缺乏上升空间,所以一定要看二赛道的产品,就是与健康属性更相关的,例如运动蛋白饮、益生菌等,需要做的是把一赛道里的积累,用对的方式转化赋能给二赛道,但靠产品去拉动产品是不可能成功的。想要把用户粘起来,就必须做服务。所以,我们做的第一件事就是打造了一个面向C端的平台,叫“WoW健康”,在平台上我们做了“AI营养师”,用户活跃度非常好。
为什么我觉得这一阶段的动作是有价值的?就是你要有一个你相信的人,做一个对的东西,还要能看到一定的效果,带来一定的商业价值,并且在那件事情上持续深耕。整件事情做到今天会发现有价值的不仅是“营养师”,更是沉淀了一套用AI来做消费者运营平台的能力。
第二件事情是让参与者有感知。这一阶段我们做对的一件事情是培训,让大家知道什么是prompt engineer。这个事情的好处是让大家开始觉得GPT这个东西有用,这时候引导他如何写prompt,他结合自己的工作做出了一些AI应用的简单卡片。比如,研发的人可以丢几千万字的文献进去,自己做一些简单的工作;比如,营销的人学会prompt生一张卡片,真的可以帮他写一些东西。大家就会觉得这个东西能够用起来,在内部营造出这样的氛围后,就能有效的把感知提升起来。
第三件事情是我们回过头来将技术与业务融在一起。帮助企业跨越周期一定会做的一件事情是,在做精细化运营的时候,将所有的流程进行梳理和优化。因此我们把前期积累下来的AI能力,与今天的流程优化强绑定在一起。这样一来,流程中的不同节点就能够被感知,而且整体在应用阶段固化了能够被验证的能力,让大家一起来加入到这一过程中。
第二个“3”是收获,我将其称为3个“一”。
第一个“一”是我们收获了一个团队。我们的团队最早开始的时候是两个人,后来12个、24个人,现在基本上是三个team。蒙牛一共有400多个in house IT,做应用的团队大家都会用AI做一些事情,结合在自己的工作里面。用户层面自己可以做一些AI的小应用。第二个“一”是沉淀了一批产品。从内部AI基建的产品,到在平台之上我们自己可以做AI agent的产品,形成了一套产品的体系。第三个“一”是形成了一套方法论,就是怎么能够在企业内部把AI这件事情做起来。
二、Why AI:人机协同下的企业变革
不妨我们一起来回顾下人机协同的历程。最早用RPA或者其他产品的时候是boost的模式,很多人用同一个工具,点状赋能;之后是Copilot模式,而且今天依然是这种模式,但Copilot模式之下要求实时陪伴,人和机器是互动的,有个人的助手,有团队的助手,都是助手式的;第三个阶段是Agent模式,它的逻辑是由机器做更多串联性的工作。我相信真正进入到Agent的阶段,未来是Agent跟Agent的工作,人解放出来做更上层的东西。硅谷就有这样的一人公司,一个CEO很多Agent。这是一个大的趋势,人机协同的模式发生变化是一个必然。
因此,企业的运作模式也会随之改变。野蛮成长的时候企业并没有标准流程,口口相传企业就能运作。在进入到精细化运作阶段,就需要把所有业务动作流程化、节点化、信息化,然后自动化去运作。如果在这样的基础之上,有价值链的规律,结合AI的能力,再加上一些RAG的赋能,可以做到只关注两件事情:第一件事是确定要完成一个流程所要达到的业务目标;第二件事是明确完成这项任务不能碰的红线。一个头一个尾,中间过程中可以自动形成,优化很多的流程,我认为这就是未来的样子。
未来如果真的按照这样的方式去发展,那么一定规模的企业应该具备怎样的数字化能力?
要精细化去提升,降本增效,就要去做流程梳理,不仅要把冗余的层级减掉,把节点变快,把不必要的审批变少,而且本质上还要进行流程性的、颠覆性的梳理。所以每一个工种各自的职能都要去理清,然后把职能跟职能抽取出来做类似乐高的拼图,把它拼成一个端到端的流程。流程跟流程拼接,把所有端到端连起来,连的过程其实就是精细化管理。
企业的数字化本质上就是用数字化的方式精细化地管理自己的业务。那今天在AI时代要做些什么呢?就是要把AI加在这些流程中的节点里,包括能被Agent掉和Copilot赋能的节点。这是今天一定要做的一项工作。
我相信今天在AI驱动的生产力之下,不论是流程再造,还是组织再造,在IT层面上一定会发生三大本质的变化:第一是以后的应用一定是从高代码向低代码变化,这是明确的。第二是从数据驱动变成知识驱动。第三个是所有企业里面的机器逻辑上都将从Boost变成Agent。
围绕这三个变化,AI的能力也会有三个层面的变化。第一个阶段是AI与人的沟通,未来会产生的应用是所谓文字的生成、信息的提取、知识的问答、内容的总结。第二个是所谓的低等级的Agent,它做的事情就是AI与机器的沟通,它能做多步骤的任务,能够做一些复杂的思维推理,做规划、做执行,然后做模拟,做一些预测的事情。第三个阶段一定是AI与AI的沟通,这一阶段AI会有一些自主的决策和一些大规模的自动化,类人的多角色协同,业务工作流程的改善,一个目标跟一个红线之间的串联。所以今天蒙牛所有能力的布局都是沿着这条线在做。
三、How AI:ALIGN方法论
要做好这件事情,我把它画成三个圈:上面的圈叫做技术的圈,左边的圈叫做产生的服务或者说是内容的圈,就是应用产品的圈,右边的圈叫人的圈。两两结合产生的三件事情,也就是今天在企业内部去做AI驱动的变革需要完成的。当技术跟场景相连的时候,本质上就是AI驱动的商业场景的重构,所以一定要关注场景。第二个,当技术跟人发生变化的时候,本质上你的AI,你的领导力的模型也会发生变化。最后,当场景、组织跟人发生变化的时候,流程就被重塑了。这三件事情的变化就是整个人机协同商业模式里发生的一个变革。
但实际上这些场景的落地不仅仅是应用和模型的创新,我们在走过这条路之后,回过头来让我总结,AI帮我整理了一个模型出来,它给了我一个词叫“ALIGN”。
A是Awareness,所谓统一思想,形成共识。可以不是大面积的共识,但每一个阶段都要有一组对的人跟你有共识,独干是肯定不行的。
L是Locate。Locate就是找到对的,有价值的场景。
I是Ignite,要有一些小小的首胜的火花,不一定要一炮而红,但一定要一点点的成功。给你自己、给团队、给同行者一些可见的激励继续往前走。
G是Grow。Grow阶段之所以从上往下是因为事物都是螺旋式上升的,所以在过程中会遇到一些卡点、难点,要相信自己能够翻越过去。
N是Nurture,是全员的培养、共创,走过0到1,走过1到100。
Awareness统一思想,形成共识很重要,很多内容我们都在内部做了大量的研讨,还有对内部人员的培训。Locate找到对的场景同样重要,我们也形成了一些方法论,在这五个场景里什么东西跟谁合作,什么自己做,什么拿来用、买来用。需要注意的是,泛用的东西如果还没开始就别干了,这种一定是开箱即用的东西。
从业务的场景上来看分两类,一类是偏中后台的,中后台的很多能力最终产生的价值在降本上。你自己要做多少呢?答案是你自己也不需要做太多,因为今天好多专业领域都在做。因此你要去找该领域垂直的中后台服务领域的传统的产品,最好是SaaS化的,它一定会在做这方面的AI加持。AI来了之后,传统的SaaS结束了,它一定会往另外一个方向去发展,它的速度是生命线的概念,所以它一定会拼命去干。
提效逻辑上相对偏前台一点,这就需要与你的公司、SOP结合更多了。比如营销方面的一些内容,导购的、培训的,这些方面跟公司内部特有的细分情况接近度比较高,这类应用一定要有自己的东西加持进去,所以很难真正意义上找到完全能开箱即用的。
最后一类就是领域类,它是打商业模式。一个是跟行业细分,一个是在行业里面又去切新的商业模式,二者是不同的。今天大家对AI,整体公司层面都已经有了完全不同的格局,如果是今天开始或者是半路开始,其实没有必要从上往下走。
场景细分完了以后就要Grow。Grow我们做了几件事情。第一,不同的人对这件事情要的是不一样的。团队,是指广义类的团队,不是IT团队,是公司整体的团队。大家都期待在工作过程中利用一些能力能够提高自己的自动化程度,提高自己的工作效率跟效益。再上面的一层其实是战略层。今天如果你的汇报对象是CEO, 你想做一件事情,需要大的投入,那么他其实看到的所有东西都是对业绩增长的提升、降低业务成本是最终目的。所以这三个层面上要解决的问题不一样,你做的AI变革策略可能也会有不一样的做法。
第二个Grow就是对细节的把控。我们有四个域,同时进行了流程的梳理再造,将职能流程串成价值流程,在所有的流程里面,我们会去找今天已经具备的AI能力,能够产生的价值,或者说是打点在L4级或者L5级层面能够替代原有业务流程的是什么。
再一个Grow是我们的科技底座。首先是基础建设,它本质上做的是安全运营,做权限管理、数据区隔;然后是大模型的选型,分别做一些大模型的测评。再往上我们做的两个核心引擎是企业大脑、知识银行。知识银行就是内部的AI友好知识库,这个事情很难,但是这个事情是绕不掉的,一定要做的。再一个就是企业大脑,它做的是所有能力的调用,这与企业的数字化基础有关。再往上是一个低代码的平台,它是去做前端的。
我们在做知识库的时候发现很多问题,企业里面知识有不一致性,知识管理版本不一致、不统一、碎片化、形式不标准等,而且这些问题不是光靠RAG就能解决的。我们去试了市场上大量的知识库产品,没有特别满意的解决方案,但这个能力也是企业核心必须要具备的,所以最后我们就做了自研。比如去构建一些自动的跨文档的知识主题,要把它TAG化,什么是内容什么主题,这样相关应用的主题就能把它串起来。实体的关系图谱,专有名词的智能维护也是同样的,企业里面有很多专有名词,这些东西都是必须要建索引去关联的东西。再有就是知识缺失的判断。这些都是知识库里面一定要有的能力,具备这些能力,企业才能用起来。企业大脑也是类似的,常规插件大厂做得很好,反而企业的应用插件,是你在企业里面去做调度一定要有的,原来的API是要重新再做加工和适配。
在团队的分工上,从上往下是一一对应的。首先要有业务咨询师,他必须熟悉业务的流程,能够跟业务对话,能够跟他一起来把这些流程所产生的业务价值做评估,这种角色是需要有的。另外需要有提示词培训师、AI Agent的构建师。也要有知识工程的架构师、CUI的体验设计师,数据工程师也是需要的。
最后就是全员参与。核心就是第一阶段你要有分享,要做高管的工作,要定位对的场景,要找到适合的PoC,而且一定要有合适的产品,IT要做很多储备工作,全员一起参与。
以上就是我的分享,谢谢大家!
四、Q&A精华篇
Q:您认为您所在团队的首胜是?
A:第一次最成功的是“AI营养师”。因为靠这个应用我们能够告诉大家AI能干什么,让大部分的客户都能有所感知。同时还产生了一定的销售成果,使用了这个服务后,私域销售提升,次单销售提高21%,公域提高13%。
Q:大模型带来的不确定性,对于我们要用的BI的数据要求非常精准,和确定性的东西之间的矛盾是怎么解决的?我想到的是把它分开来,它对于自然语言的理解和我们在后面去调已经有的指标体系库,或者已经做好的东西,它应该能形成非常精准的匹配和对应。
A:三个点。您刚刚讲的一个点已经是40%的内容了,另外30%+30%两个点是什么呢?一个就是这里面不是一个Agent在工作,是多个。第一个就是它要解构思路,就像跟人工作一样,要把它当人,它怎么做这件事情你先让它自己把思路说了,它自己把思路结构化的过程就是提高精准的过程,一定要让它做这条工作,不能直接就出结果。再一个要做很多质检,保证数据的一致性,数据有很多指标内容,里面有好几个质检工作端,也是AI做的,里面做很多左右手互搏的卡点,让AI跟AI工作,最后输出,去降低不信任率。
Q:您的团队从两三个人,迅速发展到24人,您的团队成员是怎样组成的?是什么背景?
A:第一点是种子团队一定要是最对的人,所以一开始的两三个人很关键。
再后来加入我们团队的大概是两种类型的人。一种是内部转型的人,因为我们内部有一个培训的机制,刚刚说到的一些Agent的工作,就是看有些类型的人是转型快的,有些类型的人是转型慢的,所以有部分人是转型来的。我从12个人到后面24个人,后面的12个人其实是原来的中台团队的架构师转型过来的,原因是到了那个阶段,企业大脑要把内部的API都AI化,所以他们都特别熟悉。
另外我们也会外部招一些人,但比较难。最近机会比较多,因为最近互联网出来的比较多。组建团队我的经验是要有一个清晰的road map,定向性的到什么机构找什么人,撒开了网来找人,守株待兔肯定找不到对的人。