进场第一天,找我们的人很多,需求也很散:网络慢、改几张图、做个视频、装个软件。如果来一个接一个,很快就会变成「AI 技术支持」,做了很多事,却说不出解决了什么。
所以第一周我们只做一件事:看各个部门平时怎么干活,在哪里已经用上了 AI,什么活最费人,老板最急什么。视觉、设计、运营、管理层各有一堆想法,从模特图处理、种草图、短视频,到商品上架、店铺巡检,再到十几张部门报表的交叉比对。
看下来,有两个共性问题:
最后选了模特图换头作为第一个场景:量最大、最急,好坏一眼就能看出来,做成了马上就能省人力。
一种意见是:先别做重,让大家用现成的 AI 工具多探索,跑通的做法固化成模板,再加个定时脚本就够了。另一种意见是:批量、无人值守、人要参与检查和调整,这些靠聊天式的用法保证不了,得有一套系统。
最后的做法是两条腿走:业务人员继续在自己电脑上用 AI 工具摸索;摸索出来、有价值、需要每天大批量稳定跑的,再做进系统。系统只做第一个场景必需的部分。
回头看,两种意见都对。检验的标准只有一个:一批真实的业务图片放进去,能不能稳定地把结果跑出来。第二周原型上线,一批图大约二十分钟跑完,第一周的可用结果达到 99.3%。被模型平台内容审核拦下的图片,系统会自动换一个模型重跑。
演示时一切正常,真到每天几百上千张,问题一个个冒出来:海外模型时好时坏,大批量跑到一半会断,结果不好比较也不好改,几个模型账号的额度各用各的。
我们逐个解决:自建模型网关,多条线路自动切换;任务状态全部落库,断了从断点接着跑;做原图和结果的对比视图,加评论区;额度统一调度。还加了一道执行前的检查,比如换头的参考图必须有清晰完整的人脸,换背景的参考图里不能有人,不合格的图在开跑前就挡下来,省得白跑一批。
这个阶段我们不加新功能,只把「交一批活给 AI,人可以走开」这件事做稳。

换头跑顺以后,我们按不同同事的需求加了几条专用场景:姿势不变换头换穿搭,场景不变换整套穿搭。要求写死在产品里,员工传图、选选项就行。
问题是每批图的要求都不太一样:这批要还原面料细节,那批要调光线,下一批只换上衣。专用场景开得再快,也追不上。
第五周我们上线了「自定义提示词」:原图是图 1,参考图是图 2、图 3,出图要求由员工自己写,系统只管批量执行、断点续跑和对比挑选。它很快成了用得最多的工作流,员工之间开始互相分享写法,使用场景也一下子多了起来。
要求由最懂业务的人来写,系统负责把活跑稳。
也走过弯路。早期我们给每张图默认加了一道 AI 质检,本意是帮人把关,结果它偶尔过严,还拖慢整批速度。和团队商量后,改成默认关闭、按需开启,判断交还给人。
前几周,我们关心的是图片哪里有问题:脸色不对、光线不对、比例不对。后来老板提了一个很直接的要求:更关注短期结果,每天能不能更快地拿到能用的图。
这让我们换了一个指标:最终采用。每张结果图,员工确认用上了,就点一下「采用」,并记下用在哪里,比如天猫还是小红书。围绕这个指标,我们做了批量调整(几张图有同样的问题,一起改)、键盘快捷操作、单张对话微调。
有了采用数据,才说得清系统到底带来了多少价值,采用率也成了我们每周看的第一个数。
头几周的一个教训是:我们向上汇报时,写的是做了哪些功能、优化了哪些体验,反响很平淡。后来改成老板一眼能判断的写法:以前怎样,现在怎样,省了多少,还有什么问题。沟通顺畅了很多。
另一个教训是对接人。名义上的对接人和每天在用的人不是同一个,没有人能定优先级,需求就容易散。后来我们直接和每个场景真正在用的同事对接,重要的取舍再找老板拍板。
这个阶段我们把精力放在人身上:写图文使用说明放进系统里;评论、点赞、采用都做成点一下就行;使用看板改成给老板看的版本,谁在用、做了多少、采用了多少,一目了然。
之后几乎每项指标都逐周增长。最近一周和前一周比,使用时长降了 14%,每小时出图量涨了 33%:员工越来越熟练,来回调整的次数少了。

先梳理,再选场景。换头这个起点没错,但如果第一周能和更多一线同事过一遍整条出图链路,第一批场景可以选得更广。现在我们把「共同梳理」放在每个项目的第一步。
上线只是开始。培训、反馈、让老板看到产出,这些决定了用的人会不会变多。早期不急着算投入产出,先把一件事做成。
价值要说成数字。功能清单打动不了老板,「以前怎样、现在怎样」才行。采用数据要从第一天就开始记。
第一天就按产品做。每个场景都做成可以重跑、可以排查的工作流。这次做出来的东西,后来整理成了 AI 工作台,下一个场景、下一家企业可以接着用。
这是一个团队在做。现场是驻场工程师,后面有对齐目标和节奏的产品与客户负责人,以及持续交付的前后端工程团队。现场的问题能当周解决,靠的是这个配合。
这个项目的需求分析、方案设计和交付结果,见案例:某头部服饰电商品牌。文中不出现客户名称,数据只写比例和趋势。