麦肯锡 2026 时尚报告提到，全球超过 45% 的服装品牌已经把 AI 设计工具投入日常使用。这个数的含义落在竞争门槛上，技术普及只是表层。
工具普及之后，设计端的差异会迅速收窄。过去一个品牌的核心能力在于把趋势翻译成商品，这件事需要经验与眼光；现在工具能在几小时内给出几十个方案，翻译这件事的门槛降到了很低。
门槛降下来，价值就往两端走。前端是判断，选哪个方案、为哪个人群服务；后端是交付，能不能把选中的方案稳定做出来、按时做出来、成本做出来。
所以 AI 带来的组织变化，先动的是三个位置，设计部排在它们后面。
第一个位置是商品企划。过去企划的工作是给出方向，现在要给判断标准。哪个方案符合品牌的价格带与客群，这个标准能不能写下来，能不能交给别人执行。写不出来，工具再多也只会产出更多混乱。
第二个位置是样衣与开发。方案多了，样衣需求会翻倍，但预算没有翻倍。这个位置要动的是筛选机制，用最少的样衣验证最多的假设，而不是每个方案都做一次。
第三个位置是考核与预算。设计端的产出从数量变成质量，考核指标如果还是出款数量，团队会继续堆方案。这是最容易被忽略的一步。
我见过一家企业在这上面走过弯。它先给设计部上了工具，出款数量涨了三倍，销量没涨。第二年把考核改成「上架后八周售罄率」，出款数量自己降回原来的水平，售罄率涨了十个百分点。
这个案例说明一件事，工具改变的是产能，考核改变的是方向。只改产能不改方向，结果是更快的错。
一条可以当场用的检验。把设计部的考核指标抄一遍，看有几条与销售结果挂钩。低于三成，说明这个部门还在按工作量考核，工具上去只会放大浪费。
希纪在服装企业里做 AI 经营改革，进场的第一个动作通常是改考核，第二个才是选工具。
再补一层关于数据的现实。工具普及之后，企业内部会积累大量方案与结果的数据，这些数据本身会变成资产。但前提是记录规范，哪个方案、哪个客群、哪个价格带、最终售罄多少。
没有这四条记录，三年之后你只有一堆图，没有任何可学习的经验。这四条记录的成本很低，难在坚持。
我建议的做法是把它们写进上架流程，设计稿进入评审时必须带这四项预估，上架八周后自动回填实际结果。一年下来，判断标准就从个人经验变成了公司资产。
这件事的价值在人员流动时会显出来。核心设计师离职，如果有这套记录，接任者能在三个月内上手；没有，要重新摸索两年。
再补一个关于人的判断。AI 工具把出款速度提上去之后，团队里最稀缺的岗位会变。过去稀缺的是手快的人，现在稀缺的是能说清为什么的人。
所以招聘与晋升的标准要跟着改。晋升考核里加一条，能否把一次成功案例讲成可执行的规则。讲不出来的人，做得再多也只是个人产能。