您可以應用于所有業務線，包括工程、營銷、客戶服務、財務和銷售。通過聊天機器人、虛擬助手、智能聯系中心、個性化和內容審核等功能，客戶體驗正在得到改善。

通過生成式AI驅動的對話搜索、內容創建、文本摘要和代碼生成等功能，可以提高員工的工作效率。同樣的技術可以推動從藝術和音樂到文本、圖像、動畫和視頻等所有類型的創意內容的制作。

最后，生成式人工智能可以通過智能文檔處理、維護助手、質量控制和視覺檢查以及合成訓練數據生成來改善業務運營。

許多零售商已經超越了生成式人工智能的早期采用階段，并且已經在利用這項技術。例如，對于產品內容創建，零售商經常從供應商那里收到不完整的產品描述，并且必須花費精力和時間來創建適合其網站的描述。

給定圖像和基本描述，生成式AI就會為產品創建適當的副本。生成式AI還可以近乎實時地執行翻譯。產品評論是零售商最強大的銷售工具之一。

面對成百上千的評論，下載所有評論，將它們發送給代理機構進行分析，幾周后收到反饋，然后采取行動，這可能是一個昂貴的提議。這就是為什么包括亞馬遜在內的零售商正在使用生成式人工智能進行客戶評論分析，以識別評論中的共同主題并在幾秒鐘內總結它們。

通過從可用來源收集數據，生成式人工智能模型被用于列舉供應鏈中的風險，如材料短缺、運輸瓶頸、運輸延誤、質量問題和意外的需求變化。

許多零售商正在使用編碼模型來使用自然語言進行編碼。零售商可以使用生成式AI模型來破譯代碼及其正在執行的操作，它可以找到錯誤或可以改進的地方，并可以更改語言，這通常需要幾天時間。

生成式AI將改變絕大多數零售客戶的在線和實體店體驗。云架構通過提供訪問和利用所需AI模型的靈活性來解鎖生成式AI功能，還可以動態存儲大量輸入數據以及來自數據的分析和洞察。

本地化的技術擴展和靈活性有限，因此，零售商及其合作伙伴生態系統加快了向云的遷移，以便利用這些新的人工智能功能。

消費者渴望便利、速度和個性化，無論是在線瀏覽還是在商店中漫步。借助生成式人工智能技術，消費者將能夠在他們最喜歡的零售商處獲得更加個性化的購物體驗。

生成式AI也是銷售人員的強大工具，使他們能夠與所服務的每位客戶進行個性化互動。通過分析購物者旅程的各個方面，從偏好到過去的購買情況，這項技術為商店員工提供了寶貴的洞察力，將購物體驗從平凡提升到難忘。

零售商也在轉向人工智能來分析客戶行為并預測偏好，使他們能夠提供更相關的獎勵和激勵措施。從忠誠度的角度來看，生成式人工智能提供了理解、參與、采取行動和提供相關優惠的能力，并且促銷活動顯著增加。

零售企業需要在數據域中建立許多能力，以開發持續且全面的數據庫，尤其是非結構化數據。這些范圍從收集和清理數據到使其對需要它的人有用、可理解和可訪問。

此外，零售商需要采用“測試和學習”的人工智能思維。零售商將需要嘗試不同的模型，以找到適合您特定案例的解決方案。確定后，還要將了解這些案例并有權做出決策的技術和業務專家聚集在一起，進而迭代測試不同大小和類型的模型。

另一個零售商需要考慮的因素是使用集中式還是分散式AI方法。例如，零售商可能希望集中管理其人工智能戰略、安全性、治理流程，并制定道德準則和風險管理協議，以確保一致性。構建和維護核心AI基礎設施和工具也是如此。

去中心化的技能和活動可能包括業務領域知識、人工智能應用程序開發以及數據管理和準備，所有這些都更接近最終客戶。

對于零售商來說，重要的是要面對將生成式人工智能納入其運營的潛在后果，權衡技術進步和保持消費者信心之間的微妙平衡。

消費者對人工智能存仍然存在擔憂，包括負責任的使用、潛在的偏見、數據隱私以及人工智能與人類交互相比的可靠性。在一個消費者信任至高無上的行業中，維護品牌聲譽是沒有商量余地的。

我預計零售業將看到更多的生成式人工智能集成到Adobe、Salesforce和SAP等（均為零售信息和數字化的服務商）傳統技術平臺中。我還認為，我們即將在零售業看到大量新的案例涌入，特別是圍繞效率、成本支出和供應鏈運營。

在供應鏈運營中，零售商將開始看到模型在理解多個復雜數據源和輸入方面有所改進。這不是人工智能是否會成為零售業業務和運營戰略的重要組成部分的問題，而是何時的問題。

本文由中國百貨商業協會譯自chainstoreage.com，原標題How Amazon sees generative AI affecting retail，這是人工智能影響零售業的最新判斷。中國零售業的人工智能也在快速發展，在人、貨、場各個層面都有越來越多的應用。在9月4-6日重慶召開的“2024零售技術應用大會暨數字化生態高峰論壇”上，設置了多個人工智能相關話題，包括一個專題分論壇，進行案例分享。敬請關注！