國際零售GAI軍備競賽白熱化，臺灣零售業可從五大類應用跟上

生成式AI在國際零售巨頭眼中，早已是不可或缺的技術。他們擁抱生成式AI或大語言模型，甚至早於ChatGPT問世。第三方市集巨頭eBay早在2021年，就用自家資料自行訓練出客製化BERT模型，用於強化商品分類能力，進而支援搜尋、推薦等功能。

全球零售龍頭Walmart則以過往AI開發平臺為基礎，大規模、系統性的開發生成式AI應用，同時為技術與非技術人員打造沙盒環境，以快速實驗並發展大量可行、實用的應用場景。他們近年提出OMO零售新戰略「適應式零售」，更將GenAI視為關鍵技術。

電商龍頭Amazon也大力擁抱生成式AI。今年Amazon CEO Andy Jassy對內部員工寫了一封公開信，專門說明生成式AI與代理式AI在自家對內營運及對外服務的用途。他說到：「目前我們有上千個開發中和應用中的生成式AI專案，但以我們規模而言，未來應用數量肯定會多出數倍。」

近日法說會中，他更表示生成式AI是比行動裝置、雲端運算甚至網際網路更具影響力的科技突破。

零售業者手中掌握大量數據，同時有許多應用大數據科技的場景。ChatGPT問世3年後的如今，不只龍頭級企業大力擁抱生成式AI，更多零售業者也紛紛將生成式AI加入自己大數據科技的技能組之中。

舉凡C2C電商eBay、連鎖超市Target、有多種零售商務的樂天（Rakuten）集團、DIY家居商品Lowe's、綜合型電商酷澎等，都是過往積極運用大數據科技，如今廣泛應用生成式AI。光是這期封面故事盤點的零售業者，就占了46兆元國際零售市場。

臺灣零售業GenAI應用為何慢國際一步？

相比較保守的臺灣零售業，國外零售業為何能快速導入GenAI，並發展各式應用？曾任統一資訊總經理，至今仍持續協助統一集團發展大數據科技的高科大行銷與流通管理系副教授歐宗殷觀察，IT體質與自動化需求，是國外零售業重要優勢。

首先，許多國外零售業非常注重IT。同時有軟硬體優勢的Amazon不用說，以實體零售起家的Walmart有破千名技術人力，且相當重視IT基礎建設，每個重要技術與應用都打造出開發平臺，使這些技術人才能用系統化的方法來應用技術。不只如此，歐宗殷認為，國外零售業更勇於嘗試創新做法，並承受失敗風險的願意也較高。這使他們能快速導入技術，並將應用規模化。「當技術是企業的DNA，導入生成式AI自然就更加容易。」他說。

相較來說，臺灣零售業傳統上，除了IT主管，管理層較少具備IT背景，內部IT專案常採取委外或與外部廠商合作模式。雖然快速有效，但內部技術能力累積速度較慢，導致應用生成式AI的進度慢於國外零售業者。

再來，國外零售業者的自動化需求相較臺灣高出許多。歐宗殷認為，企業決策目的並非以「導入科技」為主要目的，而是「解決需求」。不論是生成式AI，還是過往其他科技，都是如此。「未必每個企業都有深度擁抱AI的文化，但每個企業都會思考，如何自動化作業。」

歐宗殷認為，國外人力成本高昂，萬事習慣自動化，正是他們快速導入生成式AI的最大動力。相較來說，臺灣企業雖人事成本逐年上升，但仍未造成急迫的自動化需求，也會導致GenAI導入準備度不足。他觀察，許多零售業者仍停留在資料庫分散、數據無法即時處理的程度。

儘管臺灣零售業導入生成式AI的腳步不如國外零售業者快，歐宗殷說，臺灣企業若急著照抄國外應用，仍可能因為零售環境不同，效益不如預期。他指出，臺灣電商及其他零售數位化進程較慢，一大原因是實體零售非常方便，能廣泛且快速滿足消費者需求。尤其，臺灣零售有商品種類和服務類型都極為多元的便利商店，是全球零售市場少見。他提醒零售業者，零售型態與市場需求不同，導入技術優先順序和緊迫性自然會不同。導入生成式AI或任何新技術時，仍應該仔細審視自身環境及需求。

零售GenAI應用兩大分類、五大常見應用

臺灣零售業者如何看待五花八門的生成式AI應用案例，來挑選可行或有效益的做法來效仿？Amazon CEO Andy Jassy提供一種思路。他綜觀零售業生成式AI應用，總結出兩大應用方向。首先是加速既有流程，求生產力提升與成本節省。他認為，這是AI較容易實現價值的應用方式，Amazon自家也大量使用。例如，Amazon用GenAI自建客服機器人、酷澎用LLM生成中英韓文AI模型的訓練資料標註，以及樂天用自建LLM分別為集團旗下7個服務打造語意推薦（Semantic recommendation）功能，並在11個服務推出語意搜尋（Semantic search）功能。

另一大類，則是用AI打造全新零售體驗。例如，Amazon結合商品搜尋、推薦及主動行銷功能，讓顧客寫一段話，描述欲追蹤的特定商品類別，再用生成式AI持續追蹤、推薦；Walmart計畫用生成式AI，替每名顧客自動產生專屬電商入口網頁；Lowe's則用GenAI提供家居裝潢及DIY步驟建議，並根據顧客預算、當地郵遞區號、商品存貨情況等資訊，推薦相關商品與服務。

從國外眾多零售業者案例中，有五大GAI應用十分常見，不管品牌及零售型態都適用。

第一是商品資料補全與梳理。最常見做法包括用AI生成商品標題、描述、屬性標籤，甚至圖片。另外還有LLM來驗證商品資訊正確性、翻譯商品資訊到多國語言、統一商品資料結構或用字等。利用生成式AI理解語意，甚至購物情境、顧客意圖，來提升商品資料品質，對後續供需分析、供應鏈管理、行銷、搜尋體驗、知識管理等營運面向，都能帶來效益。

第二是整理顧客意見回饋、商品評論，以及商品規格。資料來源包括內部資料、電商商品頁面，甚至社群媒體或地圖網站等通路。利用生成式AI可以快速有效整理，用於內部決策，或呈現於電商網站、行銷素材等對外溝通媒介。

第三是打造門市及倉儲等場域的員工助手。零售業常需要雇用大量第一線作業人員，如何增加員工訓練教育，同時確保他們在現場執行複雜業務時，能遵守企業規範及最佳實踐原則，是重要課題。許多零售業者會用內部資料打造GenAI聊天機器人，根據第一線員工職能分別提供訓練輔助、現場作業問答、多國語言翻譯、人員排班、訂貨、各式資料分析、貨架狀態追蹤等不同功能。

第四是商家或供應商用的商品資料填寫助手。B2C零售的第一方供應商供貨，或者C2C或B2B2C零售的第三方供應商上架商品時，都可以用生成式AI來輔助。做法包括根據輸入資訊自動補齊欄位、自動生成圖片、從圖片生成圖說、從內部資料或外部網站自動抓取資料填入等。這不只能增加供應商作業效率與準確性，還能使中小型供應商或經驗少的商家，提升商品資料填寫品質。

最後一類GAI應用是，難度較高的電商購物助手。基礎功能包括用自然語言聊天介面，提供商品搜尋與推薦功能。其他功能包括比較商品價格和規格、建議商品使用方法及相關服務、根據顧客過往訂單或會員權益給出個人化回覆、主動詢問顧客需求來推薦或追蹤最新商品等。

接下來，我們還會介紹個別零售業者案例，說明他們發展生成式AI的歷程、考量及做法。