跟零售巨頭學GenAI實戰

去年，許多企業展開了生成式AI專案的PoC驗證，想要找出具有ROI效益的應用場景，不再只是追逐越來越厲害的大型語言模型。但是，今年7月一份調查報告，點出了生成式AI專案的效益嚴重低於眾人的預期。

美國麻省理工學院開放代理網際網路專案NANDA發表了一份生成式AI落差（GenAI Divide）報告，來探討GenAI目前的企業應用現況。這項調查訪談52家企業和組織，153位高階主管，也分析了超過300個AI應用案例。

根據MIT估計，企業投入GenAI的投資，高達數百億美元，但是，高達95%的企業和組織的GenAI計畫失敗，沒有得到任何成果。只有5％的AI實驗計畫成功運用到正式環境中帶來收益，創造了數百萬美元的價值價值，遠遠低於數百億元的投資規模。

MIT更在報告中強調，不論是GenAI技術買家如企業，或是技術建造者，如新創，供應商，都面臨了GenAI投入和收益的巨大落差。影響專案成敗的主因，不是因為模型的品質高低或是法遵規範，而是採用方法。

GenAI專案失敗的常見原因則包括了，GenAI無法貼近企業工作流程、AI系統缺乏情境學習能力，或是AI專案與日常營運脫節等。這份報告也詳細列出阻礙GenAI專案成功的迷思和挑戰，相當值得一讀。

在今年iThome CIO大調查中也看到，臺灣只有15%企業開始將GenAI用於正式環境中，多數企業直接採用現成GenAI服務，如ChatGPT、Gemini等，也有企業自己微調，甚至用自己的資料來預訓練模型，提高模型的客製化程度。但要如何讓GenAI專案的成功機會更高，帶來更大的效益，大多數企業都還在摸索。

向標竿企業借鏡，是一個較為可行的做法。這周的封面故事，正是要介紹跨國零售巨頭的GenAI實戰經驗。相較於法遵嚴格的金融業，零售業更勇於嘗試生成式AI的創新，尤其是握有大把科技資源的零售巨頭們。

早在2021年，eBay就用自家資料訓練自己的客製化BERT模型，來強化商品分類能力。全球零售龍頭Walmart更以GenAI為核心，發展出一整套新的適應式零售OMO戰略，要大規模、系統性的打造生成式AI應用。Amazon不只有能力運用GenAI來指揮十萬臺物流機器人的調度，更發起了上千個GenAI專案。

在這期封面故事中，不只上述幾家，還整理了美國連鎖超市Target、美國DIY家居用品連鎖商Lowe's、日本樂天集團，還有近年積極經營臺灣市場的酷澎。這七家零售業者一年營收相當於臺幣46兆元的龐大市場，他們都已經開始善用GenAI，結合自家龐大的顧客大數據，一來加速原有作業流程，另一方面也嘗試打造全新的零售體驗。

從這七家零售巨頭的GenAI實戰中，可以歸納出，五類常見的生成式AI應用，包括了商品資料補全和梳理、商品評論和規格的整理，第一線員工的AI助手、供應商端商品資料輸入助手，顧客端電商購物助手。

這幾類案例，涵蓋了資料整理類工具和多種角色的生產力工具，可說是成功率較高，也是更適合GenAI發揮的場景。這些經驗，更不只臺灣零售產業可以參考的GenAI實戰經驗，也是其他B2C或B2C產業可以借鏡的GenAI應用實戰經驗和做法。