2026 年 4 月，上海家化联合腾讯智慧零售启动 WorkBuddy 试点。4 个月后的 8 月底，最新月度数据摆在桌上——九大部门全部接入、67% 员工把 AI 用进垂直业务、整体平均提效 4.5 倍，最猛的供应链对账场景，单项提效 150 倍。

六神、佰草集、玉泽这些你耳熟能详的品牌背后，是一家全员上 AI 的日化龙头在试一条"全员级"的路——和过去几年我们看到的"AI 在某一两个场景小试一下" 完全不在一个量级。当多数企业还在 PPT 里写"AI 赋能数字化转型"，上海家化已经把月度账单分析从 2 人天压到 15 分钟、把蝴蝶图底表从 1 人天压到 2 分钟、把可视化仪表盘从 1.5 人天压到 3 分钟。这份答卷怎么答出来的，比分数本身更值得拆。

单点突破：供应链对账的"150 倍提效" 是怎么做到的

最显眼的一个数字是供应链物流对账：单台 2240 千瓦除尘风机投用 AI 能耗系统后电耗下降 5%–15%、单台每年节约电费近 40 万，但这个不是今天要说的重点。今天要说的是更"日常" 也更难复制的——上海家化 B2C 业务覆盖天猫、京东、抖音等多个平台，仓储费、操作费、快递费等被分散在 7 类原始账单中，过去 18 个月累计约 6000 万行数据，过去的月度分析需要 5 至 6 个人天。

解决方案是让懂业务的运营经理张樱把自己每个月做一遍的数据处理步骤，手把手拆给 WorkBuddy——WorkBuddy 生成 Python 脚本，再用 18 个月历史数据持续验证，最后把发现的问题沉淀成 Skill。下一次再跑同样的对账任务，WorkBuddy 直接调 Skill 完成，月度账单分析从 2 人天缩到 15 分钟。这套流程里最值得复制的不是"WorkBuddy 会写 Python"，而是人类先把自己的工作流形式化、固化成可被调用的资产——Skill 化。

业务专家 + AI 工具 + Skill 沉淀三件套，是单点突破能稳定复现的前提。过去几年我们见过很多"AI 提效 90%" 的单点案例，但几乎都依赖某个技术天才的张三李四调优，一旦这个人离场，效果就崩。本质问题不是 AI 不能干，而是人的经验没有沉淀成 AI 能持续读懂的形式。WorkBuddy 的 Skill 机制恰好补上了这一课：人把"我怎么做这件事" 写成可复用的资产，AI 拿来用就行，不必每次重新发明。

跨岗位蔓延：财务、品牌、研发都开始"养自己的 Skill"

单点突破能成，靠的是把"张樱的对账方法" 沉淀成 Skill；规模化的关键在于其他部门也开始干同样的事。

财务团队：把报销审单规则沉淀下来，让 WorkBuddy 自动核验单据合规性。同时，自动生成投资筛选报告——把过去需要查大量行业数据、整理格式、调阅历史项目案例的工作压缩到分钟级。

品牌营销部：营销研究经理黄一峰把每周行业动态周报从 PPT 改成了 HTML 网页——信息展示更直观、可持续更新、能直接分享给同事。最早这个网页只能留在本地，张樱式的方法论在这里再被复制一次：他搭了个服务器自己部署，先解决能用的需求。

研发团队：把 WorkBuddy 用在化妆品原料研究和法规研究——这是一个高度依赖"随时能查到最新原料法规、最新专利、最新毒理实验数据"的工作。AI 把这种"广度搜索 + 信息归集" 的活接了过去。

跨部门的共性是 "AI 不替人决策，但替人跑完决策前的所有信息整理"——这把员工从"抄数据、拼报告、查背景" 这类高耗时低创造力的工作中解放出来，让人能集中精力做判断、做选择、做对外沟通。

走向"全员 AI" 的关键一跃：组织经验可流转

单点突破 → 跨岗位蔓延 → 下一步是什么？是组织经验可流转——一个部门跑通的业务能力，其他部门能够直接拿来复用。这是上海家化走到"全员级" 真正的护城河。

WorkBuddy 的资料库功能上线后，张樱们写的 Skill 也获得了新的归宿：内容可以直接放入资料库编辑并一键分享。消费者研究也不再是"一次性的报告"——团队把不同年份、不同项目的调研资料交给 WorkBuddy 做跨项目分析，"项目结了就入库" 变成了一种默认姿势。

这条路的杀伤力往往被低估。今天你让一个员工的提效是 4 倍、一个场景的提效是 150 倍；明天当这个员工的 Skill 被另一个员工看见、被另一个部门复用、被另一年的新员工当做入门教程——提效就变成了组织能力，而不是个体能力。这才是真正意义上的"全员 AI"：不是每个人都在用 AI，而是组织作为一个整体，靠 AI 把个人经验转化为团队资产。上海家化目前营销研究经理黄一峰这类汇报中，约 7 成的 PPT 文件已被 HTML 格式产物替代——这是组织能力升级的一个具体量化指标。

全员 AI 范式判断：值得复制的、有前提的

上海家化不是第一个"全员上 AI" 的故事，但它是少数几个把"全员级" 拆成可量化数据的样本。从他们的落地上，我们可以提炼几个对多数企业都有用的判断：

第一，"全员" 不是目标，而是结果。 把"全员用 AI" 当 KPI 推下去的企业往往跑偏——员工为了用而用，生成一堆没人读的报告、没人看的 PPT。上海家化真正在意的不是"多少人用过 WorkBuddy"，而是多少个工作流被改写。从最新月度数据看，67% 员工把 WorkBuddy 用进垂直业务、63% 用于数据处理、57% 用于自动化运维——这是真实的业务渗透率，不是表面的注册率。

第二，提效倍数只是表象，Skill 沉淀才是护城河。 4.5 倍平均、单项 150 倍——这两个数字看上去都很漂亮，但要复现同样数字，组织里必须有一批"愿意把工作方法拆给 AI" 的种子用户。WorkBuddy 在上海家化的推广路径是全员培训 → 内部招募种子用户 → 以点带面，不是发个账号等大家自己玩。这条经验恐怕比工具本身更重要。

第三，企业级 AI 落地要看长板，也别忽视短板。 WorkBuddy 在上海家化跑通，依赖几个不太显眼但很关键的基础设施：腾讯智慧零售承担供应商集成、安全与合规要求；AI TPM 之类的设备管理操作系统给工厂端提供数据基础；Skill 体系与资料库承担经验沉淀。这意味着——没有底层平台、没有合规支撑、没有组织内部愿意拆方法论的"业务布道者"，WorkBuddy 这种全员级 AI 工具也跑不动。单纯照搬工具是拿不到结果的。

为什么这件事对多数企业有参考价值

日化行业不是"高 AI 含量" 的代表行业——它没有互联网公司那种天然的数据基础设施，也没有芯片、汽车、医药那种"硬投入才能做出大模型" 的产业门槛。但上海家化照样在 4 个月内跑通了"全员 AI"。这意味着：AI 全员化的难点从来不是行业本身，而是企业是否愿意把"经验沉淀" 当成组织能力建设的第一件事。

多数企业还在问"AI 能为我做什么"，上海家化已经给出了更值得问的问题："我做的事里，哪些能被拆成可复用的资产？" 当全公司都开始问这个问题的时候，"全员 AI" 就不是营销话术，而是组织进化的副产品。

参考来源

• 上观新闻 / 今日头条《上海家化引入 WorkBuddy，九大部门规模化落地 AI》https://www.toutiao.com/article/7678648573474505235/
• 朗坤智慧（行业对比）/ 腾讯新闻《全国仅 4 例！江苏工业 AI 成果获评国家级"领航杯"典型案例》https://new.qq.com/rain/a/20260827A0B7DE00
• 中国日报网《中国飞鹤 × 火山引擎：436 个智能体走进乳业生产一线》https://cn.chinadaily.com.cn/a/202608/27/WS6a8ffbade4b09a165c7866ff.html
• Yahoo Finance《DeepFabric lands Kenco as it scales supply chain agents》https://finance.yahoo.com/technology/ai/articles/deepfabric-lands-kenco-scales-supply-110000664.html