人工智能与就业系列调研 | 光云科技新应用

简介:

调研背景

人工智能在电商零售领域快速应用,对就业产生了多方面影响。杭州光云科技股份有限公司是一家电商软件及服务的科技公司,从商品、交易、营销、客户、数据等多领域协助商家,提供全面的解决方案。

通过产品和服务,公司致力于成为电商领域里值得信任和依赖的合作伙伴,是互联网SaaS模式的软件技术创新型企业。

本课题组于2018年1月9日对杭州光云科技股份有限公司进行调研,了解人工智能的应用情况、就业及人员工作状况等。

调研时间:2018年1月9日

调研对象:光云科技 董旭辉,杨志文,麦志斌

调研人员:

吴清军    人民大学劳动人事学院副教授

王  非     人民大学劳动人事学院助理教授

邱子童   人民大学劳动人事学院助教

聂文文   人民大学劳动人事学院助教

郝建彬   阿里研究院创业就业研究中心主任

调研重点内容

(一)光云科技模式

1.基本情况

光云科技成立于2013年,作为一家第三方服务公司,主要为天猫、淘宝商家提供基础服务,目前上线产品40多项,包括店铺装修、数据统计、运营服务(商品、订单、会员、数据、互动等)等。2016年起,光云开始触及大数据与人工智能领域服务。

8589fec7b5a616ee47af30473f553a05c6f75759

光云科技网站页面

2.服务类别

(1)工具型服务:电商基础功能模块的服务,主要针对注重效率的中小型卖家。

(2)系统与服务型:主要针对注重运营推广的大型商家,AI应用主要针对此类服务类型。例如ERP系统,针对电商ERP,95%以上是线上形式。

(3)企业服务:主要针对企业线上运营或线下业务管理。

3.盈利模式

在商品订单环节,之前是要用平台的商家后台,通过特定格式上传相应照片、信息。这种模式在业务量陡增情况下缺乏适应能力。

光云科技的工具性软件可以实现批量操作,将软件植入平台的商家后台,目前工具服务基本覆盖阿里平台上活跃店铺。系统、服务性软件定价根据市场规则,按不同功能划分定价标准,例如ERP系统采取按单计价模式。

(二)光云电商的智能化技术产品

1.智能客服

光云科技正在研发的智能客服,用机器模拟人提供消费者接待与导购服务,包括语音服务。智能客服应用范围基本上能够覆盖平台大部分商家。客户对智能客服的需求较大,能够大幅降低客户的经营成本。依托阿里云平台,智能客服预计在2018年能够上线。

2.快麦

(1)快麦设计。针对大卖家,特别是“上新”频繁的店铺,快麦可自生成宝贝详情页,可以实现在淘宝、天猫等平台上,PC + 移动端实现多端同步。从简单图片堆叠到页面总体优化,降低美工投入、提升网店上新效率。如上海某公司,原有200名左右美工人员,使用快麦设计后,节省了60%以上人力投入。

(2)快麦ERP。快麦ERP能够帮助商家更高效地管理店铺和仓库。一是提升系统自动化程度,配置更加智能化,提升了员工效率;二是能够实现多门店、多平台、异地多仓间的库存管控;三是结合手持终端,可以实现仓库无纸化作业;四是员工权限深度细化,精确到数据和按钮级别。

(3)快麦云托管。涵盖了直通车优化、钻展投放、品牌运营和商品拍摄四大服务。快麦云托管以行业大数据为支撑,提供专业、精准、创意、有效的直通车及钻展服务;提供从店铺定位、活动策划、视觉设计等全方位多维度的全店托管服务;提供包括视觉策划、场景及模特拍摄在内的商品拍摄服务。

(4)快麦打印机。帮助商家更快速、更稳定地打印订单,解决了电子面单打印速度慢、不稳定、耗材不耐用以及易磨损等问题;并能够节省打印成本和打印时间,实现手机远程无线打印,使得打印快递单更加方便快捷。

3.其他服务

 针对中小卖家,光云科技还提供了“超级店长”、“旺店交易”、“旺店数据”、“快递助手”等工具性服务。针对大卖家,除了上述提到的快麦相关产品之外,还有“超级绩效”、“快麦CRM”、“快麦数据”、“卖家学院”等服务。

ed09cdaa49c5f556ab7d3376e574c2f7326e6859

课题组与光云科技人员合影

(三)智能应用下的就业情况

1.基本情况

2013年光云科技员工数量为60-70人,2014到2015年因业务板块的迅速发展,人员需求逐渐增长,目前公司约有700人。其中,技术人员占比50%左右,90后员工约占50%。

2.岗位变化

近年来,随着移动端的迅速发展,移动化带来了网店管理端工具需求的激增,让随时随地的移动店铺管理、网店运营成为可能。

目前,光云科技还没有出现因为工具的进步而导致人员的减少。店铺设计岗位,机器只能做重复性的店铺设计服务,但设计师创造性的工作,机器目前仍无法代替。由于技术进步与业务量共同上升,运维岗位用工需求基本保持不变。算法团队,目前团队有7人,未来预计发展到十几个人,主要从事图像识别和自然语言处理的工作。

3.新增岗位

机器训练师,1-2个人专职训练客服机器人。

4.未来发展趋势

市场竞争要求商家上新“频度”激增,设计页面更具个性化,设计师会从重复性设计工作中解放出来,着眼于更有价值的创造性设计工作。在算法方面,AI的作用、威胁被高估。


原文发布时间为:2018-02-2

本文作者:郝建彬

本文来自云栖社区合作伙伴“阿里研究院”,了解相关信息可以关注“阿里研究院”微信公众号

相关文章
|
2月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
426 29
|
2月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
497 31
|
3月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
848 44
|
2月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
345 1
|
2月前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
243 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
2月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
2月前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
258 3
|
3月前
|
存储 人工智能 Serverless
函数计算进化之路:AI 应用运行时的状态剖析
AI应用正从“请求-响应”迈向“对话式智能体”,推动Serverless架构向“会话原生”演进。阿里云函数计算引领云上 AI 应用 Serverless 运行时技术创新,实现性能、隔离与成本平衡,开启Serverless AI新范式。
430 13
|
2月前
|
人工智能 安全 Serverless
再看 AI 网关:助力 AI 应用创新的关键基础设施
AI 网关作为云产品推出已有半年的时间,这半年的时间里,AI 网关从内核到外在都进行了大量的进化,本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态,以及新推出的 Serverless 版,对其进行一个全面的介绍,期望对正在进行 AI 应用落地的朋友,在 AI 基础设施选型方面提供一些参考。
590 51
|
2月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
454 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀

热门文章

最新文章