iThome製圖

距生成式AI爆紅已經兩年，零售業開始有先行者大規模應用此技術到對內及對外生產流程：二手市集巨頭eBay推出自動生成商品描述、分類和建議售價的賣家輔助工具；電商巨擘Amazon上線了串接電商平臺各種功能及數據的買家與賣家對話式助理；零售龍頭Walmart利用生成式AI建立及完善上億款商品的目錄數據，用媲美100倍人力的生產力，處理了8.5億筆資料作業。

其他零售業者如何向這些領頭羊學習？高雄科技大學行銷與流通管理系副教授歐宗殷綜合自身經驗及國內外企業案例，歸納出零售業應用生成式AI的5大階段，「在一個階段做紮實了，才容易發展下個階段。」他說。歐宗殷曾借調到統一資訊擔任總經理，之後仍持續擔任顧問，協助統一集團發展數據、AI及生成式AI的應用。

這5大階段，依序是加速開發、分析消費紀錄及產品資訊等數據、建置企業綜合知識庫及知識管理工具、設計和影音等內容創作，以及顧客服務、行銷與推薦。每個階段都可以產生4類價值，包括提高生成內容精準度、帶來實質效益、業務模式創新，和體驗優化。 越後期的階段，這4種價值的含量越高，與顧客互動程度也越高。

第一階段是加速企業開發，例如自動生成程式碼、偵錯程式碼、產生程式碼說明文件等。eBay甚至利用生成式AI來找出程式碼重複，並根據eBay內部不同服務的耦合及依賴性，來協助工程團隊更新開發框架及函式庫。

第二階段是分析消費紀錄及產品資訊等數據。這個階段，企業將生成式AI用來蒐集和分析零售業最大宗的兩類數據──顧客與商品。自動貼標商品與顧客屬性、消費模式洞察、梳理及豐富數據等，都屬於此階段。Walmart就用生成式AI豐富了8.5億筆數據，若在相同時間只使用人力，需要近百倍人頭數。

第三階段是企業知識庫及KM工具建置。此階段，企業不只用生成式AI處理消費及產品數據，還包括內部技術文件、員工訓練文件、最佳實踐政策、甚至程式碼等數據。並且，還會用生成式AI打造一個可以輕鬆存取這些數據的介面。美國大型連鎖超市Target就在近2,000間分店上線了店員生成式AI助理，可以根據自然語言對話內容，來快速提取Target內部文件，回覆約40萬名店員的門市營運相關問題，例如會員卡申辦流程、停電時如何重啟POS機等。

第四階段則是內容創作，包括文字、語音、圖片、影片和設計生成。內容創作可以應用於內部文件或行銷素材生成，例如全國電子就利用生成式AI生成大量行銷用素材，希望依照顧客喜好呈現出對應素材，提供個人化體驗。甚至可以進一步結合賣家或顧客體驗，例如露天市集推出賣場美化工具，利用生成式AI支援賣場素材優化及版面配置。

第五階段則是直接應用於顧客服務、行銷與推薦。歐宗殷指出，此階段難度最高，因為企業必須考量到生成式AI產生幻覺等風險，如何提供顧客精準、正確的生成內容，是一大難題。Amazon就分別針對買家與賣家打造了生成式AI助理，前者能搜尋、比價、推薦產品、主動更新產品最新消息，和追蹤顧客過往清單狀態，後者則能提供個人化建議、分析賣場數據，甚至主動幫忙追查異常情況。

企業如何進一步發展更後期階段的生成式AI應用？歐宗殷建議，可以從生成式AI應用的4大價值中，挑選自己最重視的項目來強化。例如，著重精確度，可以結合傳統預測型AI與生成式AI來打造應用，以降低生成式AI隨機性；著重實質效益，則需強化IT支出管理並制定測量實質效益的機制；著重業務模式創新和體驗優化，則可以將生成式AI技術結合到AR/VR購物、行動商務等不同購物模式及體驗。

歐宗殷觀察，臺灣零售業主要在第三到第四階段，且有一類GAI第五階段應用開始在臺成形。「許多臺灣零售業者想發展RMN，並希望能用生成式AI來生成大量素材，準確地提供個人化購物與行銷體驗。」不過，他也坦言：「距離這個應用，臺灣零售業還有一段路要走。」

他進一步說明，要真正善用GAI輔助RMN，首先要做好消費紀錄及產品資訊分析，才能根據這些數據來生成素材，並在實務上投入這些素材於個人化體驗。也就是說，紮實發展第二到第四階段的應用是先決條件。

歐宗殷也分享了一個另類的生成式AI應用第五階段案例。該企業將生成式AI應用於客服，但不是直接用聊天機器人與顧客對話，而是利用生成式AI將顧客發言摘要成簡單、有條理，且不情緒化的內容，再由真人客服應答。「這樣一來，既能避免生成式AI對顧客說錯話，還能提升客服人員效率。」他評論。「透過恰當的機制設計，可以降低生成式AI產生幻覺，衝擊顧客體驗的風險。」