您可以应用于所有业务线，包括工程、营销、客户服务、财务和销售。通过聊天机器人、虚拟助手、智能联系中心、个性化和内容审核等功能，客户体验正在得到改善。

通过生成式AI驱动的对话搜索、内容创建、文本摘要和代码生成等功能，可以提高员工的工作效率。同样的技术可以推动从艺术和音乐到文本、图像、动画和视频等所有类型的创意内容的制作。

最后，生成式人工智能可以通过智能文档处理、维护助手、质量控制和视觉检查以及合成训练数据生成来改善业务运营。

许多零售商已经超越了生成式人工智能的早期采用阶段，并且已经在利用这项技术。例如，对于产品内容创建，零售商经常从供应商那里收到不完整的产品描述，并且必须花费精力和时间来创建适合其网站的描述。

给定图像和基本描述，生成式AI就会为产品创建适当的副本。生成式AI还可以近乎实时地执行翻译。产品评论是零售商最强大的销售工具之一。

面对成百上千的评论，下载所有评论，将它们发送给代理机构进行分析，几周后收到反馈，然后采取行动，这可能是一个昂贵的提议。这就是为什么包括亚马逊在内的零售商正在使用生成式人工智能进行客户评论分析，以识别评论中的共同主题并在几秒钟内总结它们。

通过从可用来源收集数据，生成式人工智能模型被用于列举供应链中的风险，如材料短缺、运输瓶颈、运输延误、质量问题和意外的需求变化。

许多零售商正在使用编码模型来使用自然语言进行编码。零售商可以使用生成式AI模型来破译代码及其正在执行的操作，它可以找到错误或可以改进的地方，并可以更改语言，这通常需要几天时间。

生成式AI将改变绝大多数零售客户的在线和实体店体验。云架构通过提供访问和利用所需AI模型的灵活性来解锁生成式AI功能，还可以动态存储大量输入数据以及来自数据的分析和洞察。

本地化的技术扩展和灵活性有限，因此，零售商及其合作伙伴生态系统加快了向云的迁移，以便利用这些新的人工智能功能。

消费者渴望便利、速度和个性化，无论是在线浏览还是在商店中漫步。借助生成式人工智能技术，消费者将能够在他们最喜欢的零售商处获得更加个性化的购物体验。

生成式AI也是销售人员的强大工具，使他们能够与所服务的每位客户进行个性化互动。通过分析购物者旅程的各个方面，从偏好到过去的购买情况，这项技术为商店员工提供了宝贵的洞察力，将购物体验从平凡提升到难忘。

零售商也在转向人工智能来分析客户行为并预测偏好，使他们能够提供更相关的奖励和激励措施。从忠诚度的角度来看，生成式人工智能提供了理解、参与、采取行动和提供相关优惠的能力，并且促销活动显着增加。

零售企业需要在数据域中建立许多能力，以开发持续且全面的数据库，尤其是非结构化数据。这些范围从收集和清理数据到使其对需要它的人有用、可理解和可访问。

此外，零售商需要采用“测试和学习”的人工智能思维。零售商将需要尝试不同的模型，以找到适合您特定案例的解决方案。确定后，还要将了解这些案例并有权做出决策的技术和业务专家聚集在一起，进而迭代测试不同大小和类型的模型。

另一个零售商需要考虑的因素是使用集中式还是分散式AI方法。例如，零售商可能希望集中管理其人工智能战略、安全性、治理流程，并制定道德准则和风险管理协议，以确保一致性。构建和维护核心AI基础设施和工具也是如此。

去中心化的技能和活动可能包括业务领域知识、人工智能应用程序开发以及数据管理和准备，所有这些都更接近最终客户。

对于零售商来说，重要的是要面对将生成式人工智能纳入其运营的潜在后果，权衡技术进步和保持消费者信心之间的微妙平衡。

消费者对人工智能存仍然存在担忧，包括负责任的使用、潜在的偏见、数据隐私以及人工智能与人类交互相比的可靠性。在一个消费者信任至高无上的行业中，维护品牌声誉是没有商量余地的。

我预计零售业将看到更多的生成式人工智能集成到Adobe、Salesforce和SAP等（均为零售信息和数字化的服务商）传统技术平台中。我还认为，我们即将在零售业看到大量新的案例涌入，特别是围绕效率、成本支出和供应链运营。

在供应链运营中，零售商将开始看到模型在理解多个复杂数据源和输入方面有所改进。这不是人工智能是否会成为零售业业务和运营战略的重要组成部分的问题，而是何时的问题。

本文由中国百货商业协会译自chainstoreage.com，原标题How Amazon sees generative AI affecting retail，这是人工智能影响零售业的最新判断。中国零售业的人工智能也在快速发展，在人、货、场各个层面都有越来越多的应用。在9月4-6日重庆召开的“2024零售技术应用大会暨数字化生态高峰论坛”上，设置了多个人工智能相关话题，包括一个专题分论坛，进行案例分享。敬请关注！