文丨李金津
一张纸巾的功能几十年没有发生根本变化，市场却挤进了足够多的品牌和产能。
2024年，中国生活用纸市场规模约1550.7亿元，消费量约1318.1万吨，仍是全球最大的生活用纸市场。另一面是，区域品牌相互渗透，电商价格越来越透明，促销成为常态，纸浆价格的一次起落，很快会反映在利润表上。
到了头部企业这里，压力没有减轻。2026年上半年，恒安国际在财报中提到，国内纸巾市场促销竞争加剧，干纸产品和电商渠道的价格压力明显。中顺洁柔也在年报里判断，行业竞争加剧与落后产能出清还会继续。
而近两年，中顺洁柔恰好处在一轮利润修复中。2025年，公司营收87.8亿元，归母净利润3.19亿元，同比增长312.8%；2026年上半年，归母净利润又增长50.13%至2.25亿元。
今年10月，亿邦动力走进中顺洁柔时，看到了一些利润表上不会单独列举的变化。
其中一件事听起来颇为反常：这家拥有5000多名员工的消费品公司，已经不让IT部门给业务做BI报表了。
此前，公司每年要花400多万元外包和人力费用，用BI系统替业务部门完成报表。此后，IT更多维护工具、数据和技术底座，具体分析由业务人员完成。
类似的变化发生在总裁办公室。今年6月，中顺洁柔总裁高波第一次用WorkBuddy处理一项复杂的数据分析。
以往，这类工作要打开Excel或BI系统，再由两三个人协助处理数据、搭建逻辑，前后大约一周。换成WorkBuddy之后，一小时可以跑完。
几个月后，中顺洁柔开放近1300个WorkBuddy账号，约1200名员工完成基础培训和考核。
如果这只是把一份报表从一周缩短到一小时，事情并没有多特别。企业采用一种更快的软件，是技术迭代里再普通不过的一幕。
高波算的是另一笔账。“5000多人，我买大家的其实是时间。”他说，“我们真正能赢，就是每1分钟能产生多少价值。”
IT退到后台，业务开始自己做系统
中顺洁柔的数字化不是从AI才起步的。2023年，公司先建数仓，把散落在各个系统里的数据集中起来；此后又补营销数据、门店数据和外部市场数据。到2024年，公司内部仍有400多张手工报表，不少员工认为Excel已经够用。
高波当时负责财务。他定了一条规则：“BI考不过的人就淘汰。”公司用了半年培养BI能力。之后，高波问员工，能不能把手里的手工表自动化。3个月内，420张表被改成自动报表。
这段经历后来影响了WorkBuddy的推广。第一次开放500个账号时，“瞬间就让人秒光了”。一次原本只有20多人必须参加的AI短视频培训，最后报了近400人。
企业数字化难，早已不是新问题。数字化项目究竟有多少能成功，不同咨询机构的口径并不一致。
高波在交流中援引过一个“成功率7%”的数字；更广泛的行业研究里，“大量数字化转型项目未达预期”已成为共识；麦肯锡的数据则显示，数字化转型成功率约为16%。技术买回来容易，改变流程、能力和人的工作习惯要难得多。
中顺洁柔走到今天，有一点与通常的数字化项目不同：它在把原本集中在IT部门里的部分能力推向业务部门。
目前，公司数字化团队从此前的几十人变为20多个FDE（Forward Deployed Engineer，前沿部署工程师）。每个最小业务部门配置1到2名。
“我们不再存在产品经理的角色了，我们定义的都是FDE。”CDO杨森林说。这里的FDE并不只是会写代码的人。他给这个岗位的要求是，先懂业务，能发现问题、设计规则，再决定要不要用系统或算法解决。
杨森林展示了一个门店档案系统。门店编码、权限、审批、质量问题、业务员派发、SFA接口，都已经搭出结构。一版POC和Demo，他用一天时间完成。
“用一个产品经理把需求文档写完、再把demo写完，即使这个人很懂业务，没有一个月他是做不出结果的。”杨森林说。
公司里已经有更极端的例子。一名人力经理学会WorkBuddy后，自己立项、搭建、修Bug、运维了一套绩效评估工具，IT负责最后的上线支持。高波直白地总结：“懂业务的人自己搞编程，自己完成系统，并且迭代和运维，那不就完美了吗？”
企业软件并没有消失，ERP、营销云、供应链等系统仍是底座。变化主要在以往排不上IT开发计划、又确实影响经营的小问题上。
从一两万条发货记录里，抠出利润
生活用纸看起来是一门朴素的生意，后台却并不简单。
中顺洁柔每天有几十张工厂发货Excel，涉及1万到2万条发货记录。一笔订单从哪个仓发、要不要拆单、库存留多少、调拨走哪条线路、怎样装车、工厂排多少产，前后互相牵制。
高波还举过采购的例子：3500个物料、40个供应商、7个工厂，一张采购订单可能涉及100多个参数。“经验导致的是什么？经验导致的是低效。”他说。在快消行业，这种低效很贵。
行业客单价有限，运输距离、装载率、库存周转和促销费用，都可能一点点吃掉利润。中顺洁柔2024年披露的财报数据显示，净利率不足1%。而在2020年的盈利高点，这一数字一度接近12%。
于是，公司把供应链里一批原本由人协调的问题拆成算法。订单划分选仓，包材备多少，安全库存设多少，调拨线路怎么走，最终连到生产排产。杨森林把它概括成“一系列最优解”。
今年618，这套方案经过了一次大促验证。杨森林称，供应链项目产生了“四位数级”的成本结降。
人力投入也随之下降。“参与这件事的人，大概只留了原来的不到20%，几个人利用AI就可以做到。”公司能把一些以前算不过来的账算得更细。
类似的提效还发生在电商。公司有几万条商品链接需要巡检价格和异常情况，过去靠人每天去看，如今这部分工作也开始交给AI。
高波把这些工作称为“非增值活动”，客户不会因为企业多花了人工巡检，就愿意为一包纸多付一毛钱。但AI的到来，正让这些工作变得轻松。
算法给答案，人负责取舍
每天早上，高波到办公室后，会先给WorkBuddy布置任务。一类是数据洞察，一类是研究新生意，还有一类是帮他找书、补知识。“别让它闲着就行了。”
公司的预算会也换了做法。过去，用Excel改一个预算数字，重新跑一版要一周。如今某个品类增加200万元预算，高波可以实时看到变化。同一个预算周期里，原先两个月只能跑五六种场景，现在能不断测试不同方案。
这是企业管理里比“提效”更难量化的东西：管理者每天能处理多少信息，又能比较多少种可能？
高波并不认可“AI能直接替CEO做决策”，他觉得AI最大的贡献在于“扫盲”，而认知盲区对于一个管理者，是最大的风险和敌人。
当AI给出的意见和自己不一致时，他反而会多看一眼，“会不会是我的认知盲区？”以前为了补一个知识缺口，要买10本书慢慢找；现在可以让AI帮助定位理论和章节，再回头读原书。
“也许过去我要半年后才知道一个信息决策，今天两周就够了。”他说。
这套逻辑影响了中顺洁柔对组织的理解。传统企业层级多，一个重要原因是信息和分析能力集中在少数人手里。任务从总监传给经理，再到主管和员工，完成后再层层汇报。
高波用了一个军事化的比喻：“原来我只能指挥到师，现在可以指挥到班。”
职级未必消失，但任务链有机会变短。一个业务人员如果自己能调数据、做分析、搭工具，就不再需要每次都沿着组织树往返传递。
“AI是一个所有人的工具，我从不把它看成护城河。”高波说，“今天已经没有什么城可护了。”
在他看来，AI时代比的是选择方向和速度。消费者不会因为一家企业内部用了多少AI，就多买一提抽纸。同行同样可以购买模型、软件和算法。
当整个行业的增量越来越难找，企业间的差距会落到更琐碎的地方。更珍贵的是员工的时间，是否真的能产生业务价值。
尽管中顺洁柔过去两年的利润恢复，不能简单归功于数字化或AI。浆价下降、制造成本改善、产品结构调整，都更直接地影响着财务结果。
但这家公司提供了一个值得观察的案例：一门成熟生意很难再靠人口、渠道和粗放投入获得增长，技术需要比拼的，在于能否把原本藏在组织缝隙里的浪费一点点找出来。
对生活用纸这样的行业，一点点，有时已经很多。
联系作者