“企业在引入AI代理时，首先要设定量化目标，而不是一开始就谈自动化。”

Samsung Electronics MX业务部负责人Lee Hee-jin近日在微软韩国（Microsoft Korea）于首尔COEX Grand Ballroom举办的Industry Summit上，分享了Galaxy Store在营销场景中应用AI代理的案例，并作出上述表述。

Lee Hee-jin表示，许多AI项目之所以难以真正产生成效，一个重要原因就是缺乏明确的量化目标。

他指出，如果把“做到和人一样”当作目标，实际上很难形成统一标准，因为不同人员之间的能力差异本就很大，难以据此推进标准化。以Galaxy Store项目为例，Samsung Electronics最初设定的目标，是在原有基础上将点击率提升15%；而项目落地后，点击率最终实现了105%的增长。

在Galaxy Store的业务结构中，游戏是核心收入来源之一。用户在平台内购买游戏道具或其他付费商品时，Samsung Electronics会收取相应手续费。因此，从游戏曝光、点击到安装、付费的整条转化链路，都是运营优化的重点。

不过，随着需要推广的游戏数量持续增加，人工运营和数据分析能力都面临瓶颈。为此，Samsung Electronics在营销流程中引入了6个AI代理，覆盖从数据分析到内容制作等环节。该项目自去年12月启动准备，今年4月起进入可验证成效的阶段。Lee Hee-jin表示，引入AI后，团队得以将更多精力集中在游戏展示和点击转化优化上，实际效果也超过预期。

他还提到，基于AI的用户分群分析同样对结果起到了明显作用。“把用户分群信息交给大语言模型（LLM）后，它可以梳理不同群体的特征，并生成更具针对性的内容。这样输出的文案，会更贴近用户熟悉的表达方式，也更容易被接受。”

在Lee Hee-jin看来，除了缺乏量化目标，企业AX难以取得成效的原因，还包括LLM能力边界、数据问题以及组织文化等因素。

他表示，LLM主要基于通用数据进行训练，因此在细分领域的输出往往难以达到专家水平。“在数据分析等工作上，AI大约只能达到专家85%的水平；在编码或内容制作等领域，与专家之间也可能存在明显差距。真正走向商用，最后15%到20%的提升门槛非常高。”

在数据层面，他强调，企业必须围绕AI应用重新系统梳理数据资产。“当自动化推进到一定程度后，就会发现过去积累的数据并不足以支撑进一步落地。”他说，Samsung Electronics在运营Galaxy Store过程中已积累了8年以上的数据。去年迁移至新数据平台时，公司同步完成了数据整理，并引入数据目录，让AI代理能够理解数据语义；对于各部门术语定义不一致的问题，则通过本体进行映射和关联。

Lee Hee-jin认为，在AX推进过程中，组织文化是最关键的因素。他表示，要改变长期依赖直觉和经验的决策方式，本身就需要时间。“只有目标足够清晰，并基于数据形成客观结果，才能突破依赖直觉决策的局限。”

他同时强调，企业若要真正为AI做好准备，必须让代理能够访问所需数据并理解其含义；关键决策则应建立在机器学习和数据分析基础上，并通过测试加以验证。

在点击率取得明显提升后，Samsung Electronics计划继续扩大AI在增收场景中的应用。Lee Hee-jin透露，公司下一步还将开发安装预测模型和购买转化模型。