AI正在重塑跨境电商的运营逻辑。对于卖家而言，核心议题已从“是否使用AI”转变为“如何将AI融入业务并使其成为基础设施”。影像配件出海品牌乐奇（SmallRig）创新CIO方小路近日分享了该品牌从信息化、数字化向AI底座演进的实战路径。
一、乐奇的数字化底盘：每三年一次质变
乐奇（SmallRig）成立于2010年，是一家集研发、生产、销售于一体的影像配件制造商，主要深耕相机及手机影像生态、灯光、电源等细分赛道。随着行业从光学影像生态向智能影像生态，再到2023—2025年的“影像场景生态”演进，乐奇的数字化进程也呈现出明显的阶段性特征。
自2019年启动信息化建设，到2022年推进数字化治理，再到2025年构建公司级AI底座，乐奇基本保持每三年实现一次质的飞跃，逐步夯实数字化基础，深化AI与业务的融合。
二、AI落地三阶段：探索、共创、底座
乐奇将过去一两年的AI实践划分为三个阶段，其核心理念是：企业AI落地并非一次性上线，而是业务与技术的共同进化。
阶段一：探索起步，完成0到1
在大模型热潮初期，乐奇对AI应用持保守态度，视早期GPT-3.5为“高级自动问答玩具”。随着GPT-4及国产大模型的成熟，乐奇于2025年加大重视力度，重点解决两大问题：
① 降低业务部门使用门槛，确保“用得上、用得起”；
② 技术部门通过切入点完成0到1搭建，建立驾驭大模型的能力。
此阶段以智能客服为练兵场，虽然选型时考虑过第三方方案，但最终选择自建。这一过程的最大产出并非产品本身，而是组织积累的实践经验。
阶段二：业务与技术共创，小场景MVP闭环
当业务部门具备一定AI认知后，乐奇推动技术与业务围绕高价值、可验证的小场景进行共创，打造最小可行性产品（MVP）闭环。这一阶段注重“小切口”，目标是在短期内上线20至30个多智能体应用。2026年初，乐奇已成功部署约20个进入生产环境的智能体。
通过技术与业务的深度融合，智能客服的转人工率显著下降。优化重点不再局限于技术架构，而是深入知识库、向量化数据处理及用户意图理解等业务层面，确保AI答案的准确性与体验。
阶段三：建底座，让AI从Demo走向生产
随着业务人员对AI认知的加深，部分无技术背景员工开始利用类Agent工具自主操作。然而，缺乏统一底座导致大量自建智能体无法落地生产环境或逐渐废弃。为此，乐奇技术部门转向构建AI底座，重点涵盖以下方面：
① AI平台控制：监控Token消耗、应用质检及运行情况；
② 权限统一：整合ERP、数据中台及Agent底座的权限管理；
③ 人员管理：评估各部门AI渗透率及员工使用情况；
④ 成本平衡：寻找Token消耗与效益的最优平衡点；
⑤ 智能体管理：监控Agent运行状态、错误日志及迭代优化；
⑥ MCP平台：提供接口方案，连接大模型与企业私域数据；
⑦ 技能包封装：将优秀员工的最佳实践蒸馏为Skill，赋能全员。
目前，乐奇智能客服已演进至3.0阶段，覆盖售前售后、产品资料、供应链信息及研发反馈等多维度内容。未来规划中的4.0阶段，旨在实现独立站完全AI化，并探索AI与研发、自动化生产的深度连接。
三、系统变革：从ERP到GRP，数据从为人服务到为AI服务
AI的应用倒逼系统底座重构。传统信息系统旨在管理人及流程，数据服务于BI报表；而在AI时代，数据需转化为机器可理解的语义，直接服务于AI决策。
乐奇提出，跨境电商正进入GRP（全球资源计划）时代。相比仅协调内部资源的ERP，GRP强调全球范围内内外部组织（如平台、物流、海关等）的资源协调与有机组合。系统边界向外扩展，形成内外结合的状态。
在此架构下，BI的角色转变为“让AI读取报表”，数据管理标准随之变革，数据入库与治理的重要性日益凸显。乐奇采用的领星MCP方案及其开放平台体系，印证了从ERP向GRP转型的趋势：GRP并非单一系统，而是一个更开放、迭代更快的体系。
四、AI时代感悟：模型不是障碍，认知与落地才是
面对AI技术的快速迭代，乐奇认为模型能力本身不应成为阻碍。真正决定企业竞争力的是组织认知、场景判断、数据组织及快速试错的能力。
AI作为新的技术路线，急剧拉低了技术门槛，使中小卖家能以更低成本缩小与大卖的技术差距。然而，技术差距抹平后，真正的分水岭在于行为与认知。数据的可用性以及技业融合的工程化落地能力，才是AI发挥价值的核心。
五、给中小卖家的“三要三不要”
基于实战经验，乐奇为中小卖家提供以下建议：
1. 不要盲目选择庞大封闭的传统系统，要选用开放灵活的第三方系统。
AI时代软件功能价值递减，迭代快、接口丰富、数据开放度高的系统更能适应变化，避免背负传统大系统的历史包袱。
2. 要在核心数据治理上下笨功夫，不要试图绕开数据基础建设。
数据治理是AI时代的必修课，没有捷径。忽视数据基础直接建设中台或AI应用，往往会导致后续路径曲折。
3. 要从小切口获取实际成果，不要幻想AI能瞬间替代人力或大幅提升利润。
AI落地是一个渐进过程，应通过小场景的成功积累经验，逐步改变组织认知，而非期待一蹴而就的效率飞跃。
结语
跨境电商的数字化变革是一项系统工程，涵盖智能客服、业务共创、AI底座、系统架构及组织认知等多个维度。乐奇的实践表明，尽管模型能力持续进化，但企业能否将AI转化为基础设施，取决于其认知水平、数据质量及工程化落地能力。