安踏联手火山引擎：Agent如何跑进全球电商业务一线

当AI从"回答问题"变成"完成事情"，安踏用三个Agent给出了企业级落地的真实样本。

Agent正在成为安踏全球化业务里的"数字同事"。作为全球前三的体育用品集团，安踏集团多品牌、跨市场经营的背后，是海量商品、内容、订单与售后流程。如今，这些Agent已经进入内容生产、海外订货和跨境退货等具体业务环节，并逐步复制到更多品牌和市场。

有意思的是，这些Agent并非实验室产物，而是来自一线业务的真实痛点。安踏通过火山杯Agent创新大赛，由业务团队提出问题，FDE协助拆解流程与开发调试，再借助火山引擎模型与智能体能力，把Agent放回实际工作中验证。

判断Agent是否"真进生产"，安踏看三个指标

安踏全球IT交付与支持部总监吴永良给出了一个务实的评估框架：看Agent建设进展，真正看三个指标——第一，有多少业务每天离不开Agent，这是人的维度；第二，有多少业务流程已默认Agent参与，这是流程维度；第三，有多少Agent开始跨国家复制，这是区域维度。

这段话点出了企业级AI落地的核心困境：不是模型不够聪明，而是Agent能否接手一段完整的工作流程。吴永良进一步指出："判断一个Agent是否真正进入生产，不是看它回答得多聪明，而是看它能否替代完整流程中的某一环节。过去AI回答一个问题，未来AI完成一件事情。Agent竞争的终点不是聊天，而是工作流。"

从"回答问题"到"完成事情"，这个转变看似简单，实则是企业AI从工具走向生产力的关键分水岭。

**FDE（Forward Deployed Engineer，前置交付工程师）**是企业级AI落地中常见的一种角色，最早由Palantir等公司实践。与传统的研发工程师不同，FDE通常深入客户业务一线，与业务人员共同梳理流程、定义问题，再将业务语言翻译成技术方案，并参与开发、调试与上线迭代。在安踏的实践中，业务团队负责提出真实痛点，FDE负责把模糊需求拆解为可执行的工作流与规则逻辑，再借助大模型与智能体平台实现。这种“业务+工程”结对的方式，能够显著降低需求传递损耗，让Agent从设计之初就贴合真实场景，而不是在实验室里“先造锤子再找钉子”。

**Agent（智能体）**与传统的对话式AI存在本质区别。聊天机器人主要完成“输入问题—输出答案”的单轮或多轮交互，而Agent强调自主规划、调用工具、执行动作并交付结果，通常由大模型作为“大脑”，配合记忆、规划、工具调用等模块协同完成。文中反复提到的“从回答问题到完成事情”，指的正是这一能力跃迁：Agent需要理解一段完整流程的上下文，按规则调用不同系统与接口，最终产出可被业务直接使用的成果，如一段视频、一张单据或一次下单决策。

三个Agent案例：内容、订货、退货各破一局

带货视频Agent：新人半天即可独立产出

东南亚电商业务商品上新快，带货内容需要及时跟上。过去短视频运营要找热点、拆视频、生成提示词，再发布到不同站点，多个环节都依赖人工重复操作。

AI带货视频Agent把这条链路串了起来：ArkClaw采集热点和对标视频，完成视频拆解和提示词生成，Seedance 2.0生成商品短片，再衔接多站点发布。效果上，实习新人借助Agent半天即可独立产出合格的带货视频，同等Token消耗下每天还能多产出约15条，运营得以把更多时间留给选题和创意。

安踏东南亚电商部短视频运营李晗坦言："东南亚站点每天上新商品特别多，人工剪辑视频完全跟不上备货节奏，靠AI批量做视频是提升店铺销量的关键方向。"

海外订货Agent：下单决策从半天缩至10分钟

安踏国际事业部每次订货都要处理四套不同模板。底层数据重合度约90%，但货号、品类、翻译、公式和格式仍需人工逐项处理。

商品规划团队利用ArkClaw把四套模板封装成Skill，自动完成货号转换、品类筛选、格式对齐等标准化输出。目前，海外订单工具自动化Agent将完整下单决策从过去的半天缩短至10—20分钟，手工录入减少约90%，数据准确率超过99%。这套Agent已覆盖鞋、服两条产品线，后续计划用于产品线规划、竞品价格带分析等场景。

安踏国际事业部商品规划人员王洁仪的解释印证了这个方向的可行性："四套模板的底层数据约90%重叠，但每次都要人工逐一搬运、翻译并对齐公式和格式。商品规划中的Excel重复操作很多，技术方案可以复用。"

退货单据Agent：月均自动建单1000+

跨境退货环节存在一个典型的流程断点：电商平台订单退货后，平台信息不能直接回到安踏系统，客服需要把信息搬到ERP创建退货单，再逐单跟进状态。退货量增加时，会产生大量跨系统重复操作。

退货单据自动化Agent补上了这段流程——自动从电商平台抓取退货数据，按照ERP模板生成单据，并定期汇总退货状态进行提示。目前该Agent已进入企业生产系统，在安踏品牌的TikTok跨境业务中每月自动创建超1000张退货单，人工建单和逐单跟进显著减少，仓库入库效率随之提升。下一步，这套流程还计划开放给斐乐及其他品牌的TikTok业务团队。

ArkClaw与Seedance 2.0是这一系列Agent背后的关键能力组件。ArkClaw属于火山引擎提供的智能体（Agent）开发与运行框架，强调以自然语言或可视化方式编排任务流，支持工具调用、多步骤执行与流程封装，案例中“把四套模板封装成Skill”即是其典型用法。Seedance 2.0则是视频生成模型，用于根据提示词生成商品短片，承担内容生产环节的“素材生成”职责。

**Skill（技能）**在智能体体系中通常指可复用的最小能力单元，它把一段固定规则或工具调用封装起来，供Agent在不同任务中反复调用。安踏海外订货场景把四套模板的转换规则做成Skill，本质上是把隐性的“人工经验”显性化、标准化，使Agent能够稳定执行。Token则是大模型处理文本的基本计量单位，既可以衡量调用成本，也常被用来指代“同等算力预算下能完成多少产出”。理解这些概念，有助于看清案例中“效率提升”究竟来自模型能力、流程编排，还是两者叠加。

从单品牌提效到跨品牌复用：Agent的规模化路径

三个Agent分别对应内容生产、海外订货和跨境售后，但落地路径高度一致：从一线问题出发，把流程和规则拆清楚，做成Agent，再回到真实业务中检验效果。

对安踏集团而言，现阶段的工作重点是把已验证有效的Agent稳定接入日常流程，建立统一的平台和治理能力，并逐步形成跨品牌、跨区域的能力复制。

这条路径的价值在于可复制性。当一个Agent在某个品牌的某个流程中跑稳，它就有机会被复制到其他品牌、其他市场、其他业务团队。Agent便从一次比赛作品变成可持续使用的业务工具。

从更宏观的视角看，安踏的实践揭示了一个趋势：企业AI落地的竞争，正在从模型能力的比拼转向工作流整合的比拼。谁更快地把Agent嵌入核心业务流程，谁就能更早收获效率红利。而对于多品牌、跨市场的全球化企业来说，Agent跨区域复用的能力，可能比单点效率提升更具战略意义。

多品牌、跨市场企业的Agent规模化，难点往往不在单个Agent的开发，而在于治理与复制。安踏提到要“建立统一的平台和治理能力”，这通常包括权限管理、数据隔离、模型调用规范、效果监控与版本迭代等机制。当Agent要在不同品牌、不同国家复用同一流程时，既要保证核心逻辑一致，又要适配本地语言、税制、平台规则等差异，因此把流程拆解成可配置的Skill与模板，比从头重写更具成本优势。

跨国复制能力作为评估指标之一，背后对应的是企业AI的“边际成本”逻辑：第一个Agent在某个业务跑通往往投入大、周期长，但一旦沉淀为标准化能力，复制到第二个品牌或市场的增量成本会显著下降。对全球化企业而言，这意味着Agent不只提升单点效率，还能把某一个市场的成功经验快速迁移到其他市场，形成可复利的组织能力，这也是其战略价值高于单点效率提升的原因所在。