10月11日，2024第八届营销科学大会在上海隆重召开。大会以“生成式营销：新范式·见未来”为主题，吸引全球知名行业专家、学者、营销从业者，以及上下游企业代表，共同探讨生成式AI在营销领域的当下与未来，提出生成式营销时代的新范式、新方法与新实践。蒙牛集团副总裁、首席数智官李琤洁发表《新质生产力构建的蒙牛经验》主题演讲，分享蒙牛集团应用生成式AI赋能业务的实践经验。

以下为演讲全文整理：

大家早上好！

非常高兴再次来到营销科学大会。我每次来参加这个大会，都觉得大会主题定得特别好。去年的主题是“大有可为”，我听到了很多从理论到实践的分享。今年的主题定得更有高度了，叫“新范式，见未来”，蒙牛集团作为一家在AI应用上已经走了一点点路的企业，很高兴今天跟大家做一些分享。

蒙牛集团是一家成立了25年的企业，常年稳居全球乳业前十。我们在2023年营业收入达到986.2亿元人民币，年产能合计超1400万吨。除了传统的乳制品外，蒙牛集团还开发了包括运动健康饮品在内的创新型产品。我们始终致力于通过营养赋能，为全人类的健康持续努力。

在这样的企业规模驱动之下，也需要把生成式AI这种新型的生产力引入到企业中来，帮助我们进行新一轮的变革和成长。蒙牛集团在生成式AI的探索上，最早开始于2022年下半年，当我们判断出生成式AI对未来产生的影响以及会对未来企业将带来极具意义的促进时，就开始了布局和实践。

最初我们将生成式AI作为工具进行点状尝试，以感知其潜力。随后，我们发现生成式AI需要与企业内部知识更有效地结合，才能更好的发挥其能力，扩大其影响和应用范围。基于目前已有的实践，我们深刻理解到，生成式AI工具应该深度融入到企业的运营流程里面去，为企业流程的优化和再造作出贡献，进而帮助企业在整体组织上进行变革，这就是从生产力引发到生产关系上的变革。

我相信，在当前时代，每家企业在新型生产力的推动下，将逐步构建AI原生的组织、流程和生产力底座，从而在根本上转变组织方式和生产方式。AI转型不仅是在工具层面赋能或是科技的军备竞赛，更要从根本上演化出“新范式”，成为“新智生产力”。

今天我们谈新范式，首先要明确，“新范式”不是点状的探索，而是体系化的逻辑。对于企业而言，生成式AI的应用，要从“单点应用”转变为拥有“造工具的工具”，源源不断的根据业务场景打造出AI工具。

在此基础之上，企业要真正走进新范式，要实现从“超级个体”到“智能组织”的转变。所谓超级个体不仅是给员工配备新AI工具, 也要培养员工驾驭AI能力，以提高个人生产力。而智能组织则是升级整个组织的运作模式，让AI能力嵌入企业流程中发挥作用。

那么，什么是“造工具的工具”？又该怎么从点状的应用走到体系化的应用呢？

01 从“单点应用”到“造工具的工具”

蒙牛集团最早是从2022年的下半年开始摸索并逐步了解生成式AI的能力，之后做了一些点状的应用尝试，进行PoC（概念验证）实践。

2023年，蒙牛集团在营销场景上线了“广告投放Agent”，那时候叫“AI广告投手”，它把广告端到端的投放中所涉及的，从人群圈选、媒体策略制定、内容生成，到匹配、投放以及投放后链路的整体效果评估都串连在一起。如今，我们对“AI投手”的整体能力做了精进，从最开始在1-2个品牌中应用，到如今蒙牛集团已有13个品牌在“AI投手”平台做投放，投放响应率较传统人工投放方式提升12%。

同样在2023年，蒙牛集团上线了“AI的营养师”。快消品企业，往往面临着非常激烈的产品同质化竞争。我们希望从产品出发，通过提供一些增值服务来提高消费者黏性，所以推出了“AI营养师”。这款应用在了解消费者及其家人的生活习惯、饮食作息需求等信息的基础上，可以提供针对性的食谱，针对性的作息安排等，成为陪伴在消费者身边的营养健康专家。

如今，AI Agent应用已在蒙牛集团全面铺开。“AI的营养师”家族有了系列的扩张，从最开始一个通用的营养师，衍生出了在更细分场景下的育婴师、运动营养师等。基于蒙牛营养健康领域模型扩展出来的应用也做了小程序，让更多消费者使用各种各样的营养师，充分应用生成式AI的能力。目前，这个平台服务了数百万的用户，而运营人员只有一个人，从内容生成到消费者运营再到平台运营，大量借助AI的辅助能力。

在营销场景中，我们的AI生成式营销功能从原来单一的广告投放，逐步发展到覆盖整个营销链路。当生成内容之后，需要基于内容做搜索引擎的优化，才让内容被广大用户更快了解到，为此，我们上线了AI SEO专家，配合主流搜索工具的规则，辅助品牌传播及内容运营人员高效实现文章改写，提升内容的搜索展示率及生产效率，实现人力节省超过80%。

此外，我们推出了内部工具“全员营销助手”，帮助销售人员更广泛、快速地管理客户线索。还推出了“智能数据助手”，为业务人员提供数据分析能力。整体上，蒙牛集团已经把生成式AI的能力应用到了企业的方方面面。

蒙牛集团是2024年巴黎奥运会的官方赞助商而且是全球赞助商，我们希望在全员范围内感知到生成式AI为大家的工作绩效带来的显著提升，所以借着今年巴黎奥运会我们推出了“一人奥运”系列应用，以充分利用生成式AI的能力，实现提质增效。在我们发起的四个项目中，有两个项目取得了比较好的效果。

其一是热点营销项目。在奥运期间，借助AI Agent，可对海量实时社交媒体进行处理和分析，基于热点产出不同应用方向的文字内容、图像、海报等。这一过程需要结合企业现有状况，以制定相应的内容策略，并通过与各个社交平台的联动，实现与消费者的实时互动。

此外，我们还推出了“一人赋能500万家门店”的服务，该服务能够为500万家门店提供一对一的支持。通过在小V终端上线，该服务能够帮助小店店主筛选商品品类，并产出图文结合的海报内容，以适应活动需求。同时，通过圈选适合触达的C端消费者，进行精准营销。这一服务展示了端到端Agent的能力，使我们从单一的点状的PoC逐步扩展到多点应用，并在企业内部形成了共鸣。

我们能够实现上述成就的核心，在于企业内部拥有强大的生产力能力。这种能力的提升，需要依托于一个能够“造机器的机器”。通用的AI服务并不能满足每家企业的独特需求，因为每家企业都有其特定的消费者群体、企业文化和内部知识。因此，我们必须将企业内部的知识和多年积累的数字化能力相结合，并借助生成式AI技术，构建一个完整的系统，以真正提升企业的生产力。

我们开发了一款“造机器的机器”，它的底层是AI技术设施，从底层接入各种大模型，并进行模型的调试、比较和选择。再往上另有两个核心组件，一是企业大脑，它能够充分理解企业内部已有的能力，即读懂企业内部的所有API。企业大脑能够根据业务流程的需求，调动企业内部的数据和能力，并实现大模型与小模型的联动，做整个业务流程的布局。

第二个核心组件是知识银行。在企业发展过程中，知识银行的建立至关重要，尤其是在企业级应用方面。传统的企业通常拥有两类知识图谱：一类是将所有内部文件集中，以便于检索制度、流程、成功案例等内部知识库，供员工学习和培训；另一类是数字化程度较高的数据中台，它负责结构化数据的清理、治理和建模，以实现数据的充分利用。知识银行则是在此基础上的进一步发展，它能够解决非结构化数据的快速利用问题，这是AI带来的红利。在AI的支持下，非结构化数据能够被高效利用。同时，知识银行还能将内部流程中的数据快速提炼成知识，并将其赋能给企业大脑，以产生应用。

“造机器的机器”是每一家企业充分利用生成式AI能力、为企业提供赋能的必要工具。该平台具备两个核心能力：企业大脑，实现内部能力的串联；知识银行，实现企业知识的汇总，并使其AI友好化。要实现知识银行的AI友好化，不仅要进行技术工作，还需要结合企业特有的元素。例如，在蒙牛集团，一个词汇可能在不同场景下有多种不同的理解，这需要通过关联性的词典串联来辅助AI理解。因此，每家企业的知识银行都应具有其独特的特点，并将企业的特质融入到平台中，以实现其真正的价值。

拥有“造机器的机器”后，企业的运作方式将发生变化，从单点的ChatBot对话发展到多点使用，数据Agent将从数据驱动转向知识驱动，应用层面将从高代码发展到低代码，甚至未来的无代码。在这个工具的驱动下，企业能够将生成式AI的能力与企业自有的能力相结合，从而创造企业价值。

从技术维度来看，上述运作模式之下，企业内部有两个基本的架构会发生变化。

传统上，公司的技术平台架构通常采用三层结构，包括前端、中台和后端。然而，随着生成式AI技术的引入，两端和中台需要与知识银行和企业大脑并行运作，并通过进一步的串联来实现更高效的协同。

此外，数据架构平台也会经历重大的转变。在过去，构建数据中台需要进行大量的数据清洗、治理和建模工作。但现在，这些工作的方式已经逐步发生了变化。如上图右侧所示，最底层的ChatETL，数据清洗工作部分由Agent自动完成，部分则通过人机协作来实现，目标是在数据使用上实现即用即弃，而不是在前期完成所有架构设计后，再由ETL（Extract, Transform, Load）过程来抽取数据。

我们开发了一个名为ChatPro的管理平台，用于数据资产的血缘管理。该平台能够显示所有数据的来源，并且完全由AI Agent操作。同时，我们还建立了一个名为ChatMetric的平台，用于管理所有的指标，这些指标的管理部分由AI Agent和 copilot协作完成。

在最顶层的应用层面，我们开发了ChatBI，这是一个将数据应用能力赋予一线员工的工具。在数据使用方面，最初我们建立了大量的报表，但这些报表的使用率参差不齐。随着实践的进步，人们意识到应该建立一个数据集市，将数据加工好并前置，同时将数据分析师派驻到业务团队中，以便根据业务场景实时生成报表，这被称为数据的UGC。

然而，随着技术的进一步发展，数据应用应该达到AIGC的状态。一线业务人员最了解自己的数据应该如何使用，以及应该提出哪些业务问题。当AI技术的应用将技术门槛降到最低时，一线业务人员能够提出最符合实际的问题，而ChatBI能够实时提供数据报表分析。这就是对前端能力的最强大赋能方式。

02 从“超级个体”到“智能组织”

有了事就一定有人，从人的角度来讲，新范式在蒙牛集团是怎么践行的？很重要的一点在于实现从“超级个体”到“智能组织”的跨越。

所谓“超级个体”，即赋予每位员工提升个人生产力的工具。而“智能组织”则是指通过优化整个组织的运作效率，实现效益最大化。AI应该在企业流程治理中发挥作用，实时帮助企业优化运作流程，进而走到企业变革的最后一公里。随着企业流程的优化，组织结构也随之发生变化。

蒙牛集团在这方面走过的历程如下：最初，我们对提示词工程师进行培训，普通业务人员均可报名参加，唯一的要求是充分了解自身业务。培训结束后，员工需完成作业并通过考试，合格者将获得上岗证，随后可在机器上生成相关的AI Agent。若该智能体使用效率高，便可开放给同工种的同事使用，以获取更多积分。这是我们内部运作的体系。

今年，我们将这一体系升级，做了AI Agent创造营的创新大赛。根据最新数据，已有18个新场景的能力被提出。最初的单点某个动作的提效已转变为将企业现有API能力串联起来，形成长短链路不一的端到端运作工具。这些Agent可嵌入业务流程，替代部分工作，类似于早期的RPA（机器人流程自动化），但比RPA更进一步，因为AI Agent具有一定的自主能力，能够实时嵌入流程中开展工作。通过创造营，我们不仅提供Prompt（提示），还提供Prompt+知识银行+企业大脑的整体调度能力，以生成AI Agent。

目前，蒙牛集团已有1734个技能在平台上运行，最快可在15分钟内生成一个Agent。研发部门使用最为频繁，主要用于处理大量文献。

如何将个体的超级能力转化为智能流程，以帮助整个企业提升智能化水平？最关键的是“相信相信的力量”。企业运作最初并无固定流程，后来逐渐形成了基于某些原则的流程，以实现有序化、规模化运作，企业的经营结果变得可以被预期。

在AI的帮助下，未来的企业流程应该是怎样的？本质上涉及两件事：一是明确流程的目的，即要完成的业务目标，这是一个重要的输入项；二是设定红线，即明确流程中不可做的事情。在此基础上，企业大脑和知识银行将串联现有能力，形成最优化的流程。最终，企业内部的流程将自动、实时地发生变化，以实现控制目的和遵守红线。

所以，今天的流程运作是什么？就是已有流程跑下来以后产生了数据，数据抽象形成了知识，知识被应用后沉淀，沉淀之后输入给AI，AI帮助校正优化流程，再往前发展。

企业的流程主要分为两种：职能流程和端到端流程。企业的价值并非仅由职能流程产生，而是通过端到端流程实现的。端到端流程是将各个职能流程拼装起来的过程。在AI的辅助下，这些职能部分甚至整个端到端流程中的某些内容都可能被AI Agent替代。自上而下，所有端到端流程的形成，从经营目标、商业模式到业务目标、流程管理，形成一条条流水线。自下而上，AI的能力帮助提炼出这些Agent，甚至实现自适应、自排除、自进步。AI的能力逐步从与人沟通，发展到与机器沟通，最终实现AI与AI的沟通。

蒙牛集团目前正在进行一项重要工作，即对企业内部的所有流程进行梳理。普遍认知中，企业在经济繁荣时期往往不愿暂停业务做梳理流程，而更倾向于抓住机遇快速发展。然而，在经济不景气时，众多企业会回归基础，加强内部管理。如何最大化企业利润、降低成本、提升效率，确保所有投入都能获得预期的产出，显得尤为关键。

目前，众多企业都在进行流程的梳理、治理和优化。借此机遇，蒙牛集团也在进行类似的工作。我们已经识别出在90多个L3级别的能力中，有41个可以通过AI Agent来替代，这些能力分布在四个关键领域：营销、渠道、供应链以及人才供应链的端到端流程。这41个能力点的识别和AI Agent的应用，关键在于找到合适的场景，结合现有能力，创造出能够融入企业流程并有效运作的Agent。

比如在营销领域，核心能力包括内容创作优化、内容智能管理、个性化对接以及数字人与智能专家的能力。将这些能力与流程结合，并在流程的关键节点释放这些能力，是提升效率的关键。

以一个具体的例子来说明，从发现热点到将热点转化为实际效果，再到反馈效果并自动回流至原流程以进一步优化，这是一个涉及多个AI Agent协作的过程。首先是热点创意Agent，它负责发现热点并完成创意。虽然AI的能力并非特别强大，但通过精准的输入和过去成功案例的结合，可以输出更精准的能力。接下来是内容物料制作的Agent，这里由两个代理协作：图文智能生成的AI Copilot和对生成内容进行搜索引擎优化的Agent。第三个阶段是广告投放，这是我们自2023年以来一直在做的事情，现在已经扩展到一定规模。最后，与第五个代理协作，将完成的内容数据化展示。

总的来说，蒙牛集团的AI应用已初见成效。其中在技术层面目前已有30%的代码由AI完成，50%的自动测试由AI执行。通过这些措施，我们期望能够进一步提升企业的智能化水平，优化流程，提高效率，从而在经济下行时期实现企业的可持续发展。

03 新范式——未来已至

最后，与大家分享一些经验总结。

今日我们探讨新范式，新范式一定要见未来。在AI应用的发展过程中，主要经历了三个阶段。首先是点状内容的使用，许多企业从去年开始尝试，并在当年实现了成熟应用。随后，逐步发展到使用Low-Level Agent，即单点Agent，这些Agent能够完成多步骤任务，进行复杂的思维推理、规划、执行、模拟和预测，尽管它们仍然是单一的点。最终，我们将进入多Agent之间的协作使用，即Autonomous Agents。这是生成式AI应用发展的全过程。

我坚信，今年我们将有越来越多的机会目睹Autonomous Agents的应用。如果企业希望完整地经历这一系列过程，并将新范式转化为可见的未来，本质上需要的不仅仅是技术准备。我们总结了“ALIGN”的方法论，旨在向大家说明蒙牛集团如何将点状的实践转化为体系化的运作，从而真正提升企业的竞争力。

“ALIGN”方法论的首要步骤是Awareness，即统一思想和形成共识。若将此放在一两年前，最关键的做法可能是寻找最合适的合作伙伴，与他们建立共识，共同打造成功的案例。但时至今日，随着大家对生成式AI的广泛认知，我们可以更广泛地建立认同，逐步形成“ALIGN”，然后共同前进，深化Awareness层面的工作。

接下来是Locate，即定位。所有行动必须回归到业务价值本身，不是为了技术而追求技术，也不是单纯为了AI而采用AI。如何正确定位，关键在于进行场景分析。我们进行了二维分析，将所有AI能力从通用到特定场景，从后端成本降低到前端增长，在这个维度内寻找，将所有场景分为五大类，从中找到最适合的场景，然后进行PoC。在PoC阶段，必须找到最合适的场景，应用最合适的能力，以实现业务价值。

随后便是大规模的Grow，在此阶段，必须拥有所谓的“造机器的机器”，因为没有平台能力，后续的所有工作都无法积累，没有积累就无法向前发展。从业务流程出发，进行完整的规划，任何事务的顶层设计都至关重要。

最后是Nurture，即让所有同事、所有参与者、企业共同加入进来，让每个人意识到首先要将自己转变为超级个体，然后让所有超级个体更进一步，实现整个企业的智能提升。因此，“ALIGN”展示了企业如何利用生成式AI这一生产力逐步增强自身。

以上是蒙牛集团应用生成式AI所走过的路程，希望我们都能通过今天的新范式，共同预见未来！谢谢大家！