無論是預測性的還是生成性的，你都無法逃脫人工智能的炒作。有很多例子表明，人工智能可以在各個行業中使用，以節省時間、提高生產力、改善客戶體驗並銷售更多產品。零售業也不例外。

在商業方面，人工智能可以用於創建產品描述、社交媒體宣傳內容和其他內容，以提高SEO和客戶參與度。使用生成模型，人工智能可以根據客戶的購买歷史和偏好，向他們推薦他們可能感興趣的新產品或替代產品。例如，易趣的ShopBot充當個人購物助理，幫助客戶搜索易趣的物品，發現最具吸引力的交易。客戶可以使用文本、語音，甚至通過共享照片來指示他們正在搜索的內容，與ShopBot互動。

然而，現實是，由於缺乏數量和質量方面的數據，大多數零售商還無法從人工智能技術中受益。事實上，許多“新的人工智能工具”並不是“新的”；它們是現有的機器學習工具，只是被重新命名爲“人工智能工具”。

目前，董事會和市場正在向技術供應商施加壓力，要求他們推出新的人工智能產品，這意味着其中一些產品在測試和工作之前就已經推出了。

清理數據

如今，很少有零售商擁有足夠的數據來使用預測 AI。帶有不良數據（或數據不足）的預測 AI 是危險的。它弊大於利，因爲它會導致您做出錯誤的決定。以所需的速度和數量獲得良好、幹淨的數據很難。它通常以不同的格式存在於多個系統中。

您需要的數據取決於您想要提出的問題和您想要解決的問題。例如，爲了優化庫存和訂單管理，一些問題可能是：“哪些地點有缺貨的風險？”“每個 SKU 的最佳安全庫存水平是多少？”“我從‘理想’位置發貨的頻率是多少？”由於勞動力能力限制，商店拒絕了多少比例的訂單？‘每個地點的平均訂單處理時間是多少？’‘每個地點庫存過剩最多的 10 種商品是什么？’

考慮您的技術和內部技能

根據《2023 年全球未來勞動力報告》，目前約有 70% 的工人正在其工作場所從事生成式人工智能工作。其中一半人沒有該領域的任何經驗或培訓。

說到生成式人工智能，大多數企業沒有技能或資金來培訓生成式人工智能引擎。所需的投資在時間和金錢以及組織變革方面都很重要。

在沒有清楚了解其潛在優勢、挑战和所需技能的情況下追隨潮流可能會付出高昂代價。在沒有知道如何使用工具的人的情況下投資工具是浪費。在沒有必要技能的情況下使用這些工具是魯莽的。

承擔責任

當然，收集和分析大量客戶數據引發了對隱私泄露和網絡威脅的擔憂。通過人工智能未經授權訪問個人數據會削弱信任。

全國零售聯合會 (NRF) 發布了《零售業使用人工智能的原則》。根據 NRF 的說法，這些原則鼓勵對 AI 進行適當和有效的治理，提高消費者信任度，促進持續創新和 AI 技術的有益使用。

在將 AI 融入您的零售業務時，請考慮它將如何影響客戶體驗。盡可能透明地向客戶說明您的企業如何使用 AI 來改善他們的購物體驗。並採取措施保護他們的隱私。

未來

零售商使用 AI/ML 模型進行業務優化的潛力巨大。但第一步是根據您要解決的問題獲取正確的數據。

現代訂單管理系統（如 Fluent Order Management）可提供您所需的可靠、准確的數據作爲 AI/ML 模型的輸入。如果零售商想要確保“人工智能項目”的成功，這一點至關重要。

Fluent Commerce 首席執行官 Graham Jackson 撰稿

標題：商業中的人工智能：零售商爲何需要謹慎

地址：https://www.utechfun.com/post/391728.html