麦肯锡 2026 年时尚报告里有一个数字被反复引用，全球超过 45% 的服装品牌已经把 AI 设计工具投入日常使用。行业媒体把它当成一个技术普及率的信号，我更愿意把它读成一个组织信号。
技术普及到这个比例，说明工具本身已经不是门槛。真正拉开差距的，是谁有权用它改流程。
我在服装企业里看过两种用法。第一种，设计师用 AI 出稿，出完交给原来的评审流程，评审会一周一次，一次过二十个款。工具把供给从二十个变成两百个，评审能力没变，结果是通过率下降、来回次数上升。第二种，公司先把评审规则改成数据驱动，历史卖得好的款拆成若干特征，评审按特征打分，再用 AI 定向生成。同样一套工具，第二种用法把周期压掉了一半。
这两种用法的差别不在技术，在谁改规则。第一种用法里，规则属于评审委员会，没人愿意动。第二种用法里，规则由商品负责人牵头改，因为他背着上新节奏。
所以组织问题才是 45% 之后的真问题。三个动作可以参照。
第一个，把 AI 工具的使用权从设计部门下放到商品部门。谁背经营结果，谁决定怎么用工具，这个顺序理顺了，工具才有产出。
第二个，把评审前置。让评审规则在生成之前就存在，而不是生成之后再去挑。这一步看起来是流程调整，实质是把经验变成可复用标准。
第三个，把款数指标换掉。原来考核上新款数，现在考核上新命中率与售罄率。指标一换，团队自然会去用工具筛，而不是去用工具刷数量。
反常识的结论在这里。行业里公认 AI 会先替代执行层的活，我的观察是先被重写的是决策层的规则。执行层的活变多变快，决策层的判断如果不变，整体效率反而下降。这也是为什么很多企业上了工具之后，人均产出没涨，会议时间涨了。
约束在人的权威上。改评审规则会动到人的权威。原来一款能不能上，是某位总监说了算，改成按特征打分，他的话语权被摊薄。这件事没有政治层面的准备，规则改不动，工具也就停在试点。
一条可以当场用的检验。让商品负责人说出上个季度被砍掉的十个款，砍的理由分别是什么。如果十个理由里有六个是「感觉不对」，说明评审规则还是隐性的，这时候上工具只会放大隐性偏好。
希纪在服装企业里做 AI 经营改革，进场的第一个动作常常是把隐性规则写出来，工具放在后面。
还有一层数据基础的问题。要让评审规则可以被量化，前提是历史款的销售结果能被归因。多数企业的历史数据只能回答卖了多少，回答不了为什么卖得好。所以这类项目真正的准备期在数据侧，而不是在工具侧。先花两个月把过去两季的款拆成可比较的特征，比直接买工具更值。
再说一个组织上的细节。评审规则一旦量化，就要有人负责维护它，通常是商品企划。这个岗位在很多企业里只做执行，不具备改规则的权力，项目落地就会被卡在这里。要么给它权力，要么另设一个位置。
最后一句。工具改变的是速度，规则改变的是方向。速度乘以错的方向，只能更快地错下去。
再说一条时间预期。规则从隐性改到显性，通常要两季才能见效，因为团队需要时间接受新标准。把评估周期设为半年，比三个月更接近真实。
最后补一句。工具能放大判断，也能放大偏见，区别就在规则是写下来的还是留在人心里。
再补一个现实里的卡点。量化评审规则之后，老款的历史优势会被冲淡，一些靠经验存活的资深设计师会感到不适。这件事要提前沟通，把他从执行者转成规则制定者，位置换了，抵触才会降下来。
规则这件事，写下来才有力量，留在心里只是偏好。