Vol.07 | 四季青 AI 培训后的 3 个启示：小企业用 AI，先统一语言和数据｜口述转写稿
文本说明：本页根据我的语音转文字底稿整理。底稿已去除“啊、嗯、呃”等语气词和明显的重复口误，并修正少量转写错误；口述正文保留底稿的文字与段落，未逐句核对音频，也没有补写时间戳。
- 单集页日期：2026-05-22
- 单集整理版：Vol.07 — 四季青 AI 培训后的 3 个启示：小企业用 AI，先统一语言和数据
- 收听原音频：小宇宙
口述正文
大家好，我是丝绸厂三代小施掌柜。
昨天，四季青商会组织了一次AI培训。这堂课可以算是一堂纲领性的课程。
讲课老师来自中国纺织信息中心时尚智能部。他们主要负责推动AI和整个纺织行业结合，帮助行业进行改造和效率提升。
老师讲的内容比较宏观，主要从品牌商以及有一定体量、团队规模较大的企业角度出发。
这些内容听起来很大，似乎和大部分小企业都没有关系。但非常凑巧的是，他所讲的功能，和我目前正在实践的一些事情，在结构上是比较一致的。
我的《重构丝绸接班日记》已经写到第139集。
在持续记录的过程中，我发现我们公司、行业和整条产业链中，有些问题会反复出现。
如果不记录，转身就会忘掉。但记下来以后发现，同样的问题不断重复，说明它不是一个偶然个例，而是结构中长期存在的问题。
针对这些问题，我也做了一些方案。
目前还没有覆盖整个公司，主要先在销售部门以及销售相关软件中，建立每个产品和品类之间的映射表。
也就是说，同一个产品在这套软件里叫一个名字，在另一套软件里可能叫另一个名字。我们需要让它在不同软件中，尽量拥有一套能够互相对应的名称。
和客户沟通时，我们可以使用市场化语言。但在公司内部认知中，我们需要知道它到底属于小衫、中式衫、衬衫还是外套。
这是我正在做的第一套系统。
第二套系统，是词汇对齐。
因为我个人使用AI比较早，做短视频也比较早，对短视频IP研究得相对多，所以我使用的很多词，公司里其他人听不懂。
我在说一件事情，但其他人不知道我究竟在说什么，于是产生了沟通障碍。
所以，我把和丝绸行业、IP、档口、丝绸生产有关的一些新词整理成表格，并记录每个词在我们公司内部具体代表什么，再把这份表格分发给大家。
以后我再提到这些词时，大家至少会拥有基本概念。
比如我说“短视频IP”，指的是一种基本需要真人出镜、类似专家表达的视频。
我说“视频矩阵”，指的是多个账号或者多个平台账号共同运营。
我说“声量”，指的是暂时不考虑内容质量，通过曝光以及大量发布视频，抢占声音和存在感。
我说“供应链弹性”，指的是在淡旺季变化中，整条产业链，包括我们自己和上下游协作伙伴，最多能够把产能扩充到什么程度。
我们需要在平时评估出这个限度，再据此安排生产。
讲课老师提到，他们在采集多个品牌的信息并进行聚合分析时，发现每个品牌对于自身定位、品类名称和分类方式的定义都不一样。
于是，他们建立了一套自己的中间件，把其他品牌使用的词汇映射到自己的词汇体系中。
通过这个映射动作，可以把500个品牌的内容，全部转换成他们能够理解的统一词汇，再进行聚合分析。
这个事情比较深，不一定所有人都能马上听懂。
但这是我得到的第一个启示：他们在顶层所做的事情，和我们从实际经营困扰中摸索出来的解决方案，结构上是一致的。
第二个启示，是把老板以及企业重要岗位的知识沉淀下来。
这些知识可以利用AI快速沉淀，转化为一套系统化方案，让新入职的人快速适应环境，直接嵌入公司的工作流程。
在过去的工业时代，一个人一辈子可能只能深耕某一个岗位。
但未来，有了AI和企业知识沉淀以后，一个人想要大跨度地跨行业工作，可能会变得可行。
原公司可以把流程和经验沉淀下来，让新人快速学习，并直接嵌入原有工作流。如果新人恰好对这个方向感兴趣，就可以在这个基础上更快地发展。
这有点像《黑客帝国》里的“下载技能”。
这些技能由企业提前沉淀好。新人只要拥有一定基础，进入企业以后，就能非常快地学习。
它为快速跨行业、快速跨越磨合阶段，提供了一种可能性。
第三个启示，是由上游主动进行企划。
老师提到，他们服务的一些纱线企业和面料企业，现在会被要求主动做企划。
也就是由上游制作企划，主动赋能品牌商，让品牌方能够更快地筛选产品。
同时，通过AI以及上下游之间更加紧密的联系，提高选款成功率和有效性，减少中间浪费的人力。
这和我下一步想开展的动作很像，其中还涉及一些尚未完成的内容，暂时先保密，做好以后再和大家分享。
最后，我向老师提了一个问题。
我们是小企业。小企业的特点，就是既要、又要、还要。
我们请不起专门的IP部门，也请不起一家公司为我们开发一套覆盖全流程的系统。
这种系统的报价基本是十万元起。即使报价十万元，可能也只是在现有通用ERP的基础上增加一点定制功能。
如果需要更多定制方向，十万元肯定不够。
如果自己组建一个IT部门，程序员的成本大家也知道。而且不可能只请一个人，就把所有事情全部解决。
不仅要开发系统，还要解决系统和每个业务环节之间的问题，并设计具体解决方案。
这是一件难度和成本都非常高的事情。过去的小企业，基本没有资格使用这种系统。
现在，我们使用的是市场上各种通用软件。单个软件都很便宜，但问题是，我们同时使用了五个软件，数据也散布在五个软件里。
这些数据无法结合起来统一分析，这件事非常令人头痛。
我把这个问题提出来以后，老师给了我一个目前可以尝试的解决方向。
不同系统未来迟早会被打通，只是目前还没有打通。在此之前，我们可以先解决数据映射问题。
我们可以通过低代码或者Agent，先想办法做一套中间系统。
现有的通用软件都可以把数据下载出来。我们需要为这些数据建立一张字段映射表。
假设我们有A、B、C、D、E五套系统，每套系统都可以下载一张表。同一个数据，在五套系统里可能拥有五个不同的名字。
我们首先需要建立一套中间表，把五套系统里的数据名称，统一映射为中间系统里的标准名称，然后再聚合分析。
这相当于专门建立一套中间分析系统。
过去，这件事对小企业来说同样不可能。但现在通过AI、低代码，或者雇用一些会使用AI的人，可能不需要花很多钱就能做出来。
系统建立以后，剩下的工作只是定期导出数据，再把数据导入中间系统。
这次课程给我的收获很大，但这依然不是一件能够简单完成的事情。对我个人而言，它至少需要一个小部门才能真正解决。
再往未来畅想，这种中间软件本身也会成为一种新的商业需求。
现在的SaaS软件，逐渐变成了企业沉淀数据的地方。企业的数据沉淀在这些系统中以后，平台也会意识到数据的重要性。
很多平台现在并不开放接口，未来甚至可能更加不愿意开放。
但市场上可能会出现一些新的服务商，它们天然支持开放接口，允许企业沉淀的数据被其他AI下载、聚合、分析和对比。
这些开放平台出现以后，可能会倒逼封闭平台开放接口。
当所有接口都能打通以后，企业拥有一套自己的AI系统，再建立一层映射，就可以把散布在所有系统里的数据聚合起来统一分析。
这会产生非常大的价值。
举一个我能想到的例子。
我们可以先把客户名称、客户在私域软件里的偏好和标签整理好。私域软件本身拥有这些数据，而ERP里又有客户的拿货时间、拿货数量和门店信息。
把这些系统结合以后，再结合实际销售情况和上新情况，可以让AI分析某个地区在什么日期、什么温度下，客户更倾向于前来拿货。
还可以分析他们最后一次补某个品类、某个标签下的货，发生在几月几日、当时是什么温度。
通过这些数据，可以预测下一年的生产安排。
这只是其中一个非常细的功能。
不一定要针对单个客户。如果对方是大客户，当然可以单独分析。更多时候，可以聚合分析一千个客户的数据，得到更加精准的时间节点。
这个“更精准”，可能意味着提前半个月下大货，也可能意味着提前几天停止下货，开始清仓。
到了某个时间段，企业可能需要调整生产链条。系统还可以通过标签，感知整体销售中颜色、色系、长袖、短袖、T恤以及具体品类的变化。
只要能够想到分析问题，并清楚描述这个指标和其他哪些指标有关，就可以让AI快速提取数据、制作表格，再进行相关性分析。
它最终能够帮助企业判断：
什么时候下大货？
什么时候备料？
什么时候开始设计？
什么时候确定大货样？
什么时候下单？
什么时候出货？
什么时候需要增加人员？
什么时候需要提高供应链弹性？
什么时候需要提前为弹性做准备？
我认为，这些事情在未来会非常重要。
对我们现在的体量来说，可能还没有那么大的作用。但对更大一些的企业而言，数据的重要性会非常高。
想象一下，这样一套系统可能只需要一两万元。大企业使用的系统，可能也只需要十几万元。
只要它帮助企业挽回几个订单，解决一些时间安排上的问题，就基本能够覆盖软件和协作成本。
更不用说减少浪费、加快周转以及数据分析本身所产生的价值。这些价值很可能远远大于分析系统本身的成本。