2026年了，做电商还缺工具吗？

文 丨 阑夕

2025年6月，Anthropic公布过一项公司内部的实验，大意是让Claude接手办公楼里小卖部的经营工作，从选品到定价都交给模型，人类则负责搬货码货。

然后，这位AI店长暴露出一种很微妙的能力结构：懂得很多，就是不太懂如何赚钱。

有人愿意花100美元买六罐成本约15美元的饮料，它没有抓住机会；有人想买钨立方体，它没查清成本就报价，结果亏本卖出；旁边冰箱里的可乐免费，它还在卖3美元。

最有节目效果的，是它还煞有介事地推出了员工折扣服务，但问题是小卖部就开在公司办公楼里，店里几乎所有顾客都是员工……

半年后，这项实验推进到了第二阶段，除了那位AI店长之外，Anthropic还给它单独配置了一名AI CEO，负责定目标、管折扣、审核决策等上层工作。

听上去很没必要对吧，有点脱裤子放屁的意思，但神奇的是，这轮实验的经营表现，相比上一次竟然有了大幅改善。

经过后来Anthropic的内部复盘，发现生意变好的重要因素之一，是Claude吃到了更多上下文。

什么意思呢？

就是那名AI CEO给店长制定了一套相当完善的工作流程，包括但不限于订单管理、报价前核实价格、交付时间等等，这些要求，倒逼着AI店长要进一步考虑进货成本、库存周转等更契合实际的问题。

于是AI店长的职能，就从过去简单的「处理需求」变成了「经营生意」。

借着Agent这波浪潮，今年以来电商行业拥抱AI的态度之积极前所未有，而Anthropic这则实验，充分说明了一个很朴素的道理：

一个模型很聪明，并不代表它同样可以成为一个会做生意的经营者。

要知道，电商的复杂程度要高于经营一家小卖部的成百上千倍，所以能看到行业里大家对AI的用法，还普遍停留在写文案、做图片这些局部的降本增效上，至于更深层的运营能力，依然散布在上个时代的各种工具里

本质上，这并没有使电商摆脱流量、人手和经验的路径依赖。

而在京东京麦前两天的发布会上，我看到了整个行业都在绞尽脑汁的难题，似乎有了一种系统化的新解法。

9月23日，京东发布了首批京麦AI专家团，从广告专家、客服专家到商品专家、选品专家一应俱全，干的都是电商人每天绕不开的活。

但如果只是把它理解成一份更长的工具清单，就多少有点买椟还珠了。

做过电商的人应该都有体会，一家店的经营出了问题，溯源数据容易，但从数据上进行归因却很难。

如果一件商品点击率偏低，原因可能得从主图设计、投放渠道等多个方面去找，而点进来之后的转化率问题，又可能是定价、商品详情页出了差池。

这个时候，只通过工具大概率是解决不了问题的，AI工具当然可以一天产出几百张图，但究竟换哪张，为什么换，以及换完效果如何，这都需要运营自己琢磨。

这也是为什么在电商行业，人类拥有的经验一直以来都最为稀缺，一个资深运营，单凭「把脉」就能起到事半功倍的效果。

所以很多所谓的降本增效，实际上并没有增添多少效率，甚至有时因为AI产出实在太多太快，人类需要花更多的时间来判断这些输出结果的可行性，这何尝不是一种本末倒置呢？

或者说，电商AI已经走完了从0到1的过程，但从1到100这条路，仍然道阻且长。

而京东京麦专家团的不一样在于，有了专人专项的设计后，那些AI曾经吃不到的上下文，全都被重新捡了起来。

比如商品专家，能够先做全店诊断，找出商品信息、合规等方面的问题，再衔接批量修改，留下修改记录，这不仅省略了商家的自查环节，也不用带着答案去找工具了。

又如会员经营方面，商家可以用「90天未回购的老客」这样的日常表达，让数云会员专家完成人群圈选，继续推进方案和活动执行，集客会员专家则可以把经营诊断、圈人、触达接起来，把人群、内容和预计成本交付给商家确认，后续还有记录可查。

凡此种种，在以前必须要先熟练掌握数套后台工具，再把自己的需求翻译成系统听得懂的条件，而现在，只需要将经营诉求用自然语言说出来，即可实现所见即所得、所得即所用。

根据京东官方披露，这次发布会上，汇聚了京麦AI专家团在内的AI工具足有60余款，覆盖到商家平日会涉及到的方方面面。

而系统化之后的成效相当明显，京东某个健康电器的商家在使用素材生成、投放与效果验证相衔接的方案14天后，商详成交金额环比提升超过20%。

这就是京东京麦提出的新主张：让AI更懂生意。

电商的出现，之所以会被视为互联网时代极为重要的技术普惠标杆，就是因为它显著降低了做生意这件事的门槛。

然而这么多年发展下来，随着行业不断点亮新的技能树，上到系统、下至工具都在变得越来越复杂，这对于商家而言无疑是另一种负担。

所以能看到，大品牌与个体户，对于经营实际上是两套完全不同的理解：

前者有商品、投放、客服、会员等不同团队，在此语境下的降本增效更像是一种润滑剂，也就是AI的出现，可以极大程度帮助它们减少协作损耗；

但对于个体户而言，老板管进货，家人兼客服，找个人做图，再请个运营盯着投放，这已经是一套不算寒酸的配置了，至于更加精细化的运营，道理都懂，但奈何做不到啊。

这也是我认为AI最值得期待的部分，它有机会让一些过去必须先养得起团队才能做的事，变成小商家也能调用的能力。

那问题来了，既然京麦提出的新主张，是如何做到比市面上的普通模型或Agent「更懂生意」的呢？

这次发布会上，京东提到了一个技术概念，叫「经营本体」，放到经营里理解，其实就是让模型知道，那些看似独立的数据、对象和动作之间，究竟是什么关系。

商品不只是一段介绍，它有类目、属性和相应规则；会员不只是一个手机号，还对应着购买、复购和触达记录；同样是成交下降，新店和老店、换季商品和常销商品，需要考虑的问题也未必相同。

京麦通过「经营本体」把自然语言和业务逻辑对齐，再关联商家画像、经营数据和行业知识，让AI围绕具体店铺持续理解问题，并调用相应的业务能力。

以商品经营为例，京东的做法，是把不同来源的数据放到一起，着手去挖掘消费者的真实需求。

设想一下，如果一款小家电的消费者反复在客服窗口询问「清洗麻不麻烦」，这时就算把商品详情页中的参数写得再详细也是无用之功，因为方向错了。

而通过京麦连贯性的业务理解，AI就能把痛点与现状结合起来去做处理，告诉商家现在的当务之急，是把清洗步骤言简意赅地讲清楚。

与此同时，京麦不仅打通了云端协同，让AI能够7*24不间断在线，所有动作也是完全受控且有迹可循的，在自己的权限范围内应改尽改，超出权限的绝不越界。

所以京麦从9月23日起逐步开放公测，并把经营全托管作为循序渐进的方向，而非无视风险强行自动化。

换言之，技术的想象空间可以宏大，但经营的落脚点必须踏实。

当然，自动化的设想，靠单打独斗是不太现实的。

电商品类向来隔行如隔山，卖服装的要处理尺码和换季，卖家电的要回答安装和使用问题，同样是会员复购，消耗品和耐用品的经营节奏也完全不同。

平台有共性能力，却不可能凭空掌握每一个细分行业的所有经验。

所以从年初开始，京麦发起的「第三方好工具招募计划」就在持续推进，作为平台筛选+统一承接的成体系，京东的意图，就是通过生态共创，把工具放进真实的经营场景里反复验证。

至今为止已有上百家服务商报名、20多家经过筛选进入京麦官方商家后台，以及近20款共建AI工具上线，服务商的态度不可谓不积极。

原因很简单，这套计划，背后指向了一个多方共赢的结果：

对商家而言，京东作为「漏斗」筛选后的工具可以极大降低试错成本，不必再从偌大的市场里反复比较；

对于服务商而言，得到的就更不止于一个展示位了，京东同样可以带来真实需求、试点店铺，以及持续优化产品的机会；

至于平台，京东的长板一直都是自营实践所积累的经营方法，深刻理解商品、营销、服务这些环节，在真实业务里是怎样彼此影响的，只有生态繁荣才是真正的繁荣。

以服务商鲲驰为例，它与京麦共同梳理了150余项商家经营流程，参与15款以上AI工具测试，并联合6个行业头部品牌开展试点，这些对于电商经营的助益莫大。

因为来自人类的经验，往往不是一份体系化的教程，那些内行一看就懂的问题，放在AI这里，需要被具象化成一整套标准步骤。

这也是为什么电商AI这事无法单独成军，在这起案例中，鲲驰提供的一线操盘经验，京麦提供的平台入口与AI产品能力，品牌商家提供的真实业务反馈，缺一不可。

多赢永远是对的，想通了这一点，很多问题都可以迎刃而解。

所以回到开头的问题，2026年了，做电商还缺工具吗？

答案是仍然缺，但这里的工具，跟当初的定义早已相去甚远，它指的不再是某个独立的产品，而是一整套系统，可以让商家轻松上手，予取予求。

流量、人才、工具，这些都是上一个时代左右电商行业的关键词，而京麦将它们整合成了一套体系化AI成果之后，就是在给商家交付实打实的经营能力，提供行业最需要的确定性。

这既是AI作为技术延展出的想象空间，也是京东作为平台修炼多年内功的结果。