00：08：02 AI在零售業(yè)中的應(yīng)用場(chǎng)景
00：12：13 梳理需求與優(yōu)先級(jí)評(píng)估
00：15：32 如何選擇模型產(chǎn)品與適配場(chǎng)景
00：18：42 AI在零售業(yè)成熟度分析
00：42：17 AI在零售業(yè)應(yīng)用挑戰(zhàn)
劉湘明：在零售業(yè)務(wù)場(chǎng)景中，大模型是否帶來了一些顯著的改變？
陳品竹：變化還是比較明顯的。從大模型能力來看，大模型在自然語言處理方面，其泛化能力，推理能力非常強(qiáng)。這就導(dǎo)致了我們產(chǎn)品交互的形態(tài)上（人機(jī)交互），發(fā)生了很大的變化。
與此同時(shí)，我們產(chǎn)品能為顧客提供的價(jià)值點(diǎn)也在發(fā)生變化。比如，原先需要人力密集的、重復(fù)性高的工作，就可以通過類似RPA的工具解決。包括，隨著大模型的能力越來越強(qiáng)，分析類、建議類，甚至很多推理的工作，都可以交給大模型完成。
此外，還有很多數(shù)據(jù)積累類的工作，諸如商品信息收集，AI導(dǎo)購助手等工作，也可以通過AI實(shí)現(xiàn)。一方面是C端很多的應(yīng)用，另一方面，面向B端，也有很多通過AI幫助B端企業(yè)去收集C端用戶的真實(shí)訴求，這就導(dǎo)致了信息獲取方式上的變化。
原先很多傳統(tǒng)技術(shù)不太能實(shí)現(xiàn)的地方，大模型出現(xiàn)之后，將這些功能、產(chǎn)品都重新做了一遍。
劉湘明：AI出現(xiàn)之后，“人貨場(chǎng)”這個(gè)組合有何變化？
陳品竹：目前來看，“人貨場(chǎng)”的變化并不是很明顯。人貨場(chǎng)是一個(gè)比較泛的概念，我們圍繞人貨場(chǎng)的AI應(yīng)用可能會(huì)存在一些不同之處。
劉湘明：當(dāng)前零售客戶對(duì)AI的最迫切需求是什么？是降本、增收，還是用戶體驗(yàn)升級(jí)？不同規(guī)?？蛻舻男枨笫欠翊嬖诓町?？
陳品竹：從我們的觀察的角度出發(fā)，不同規(guī)模的客戶，有一些共同的訴求。比如，降本增收、提升用戶體驗(yàn)，這兩個(gè)是通用的訴求點(diǎn)。只是存在一些優(yōu)先級(jí)的差別。目前來看，增收的需求是最強(qiáng)的，同時(shí)，降本的訴求也很迫切。然后是用戶體驗(yàn)的提升。
落地到具體場(chǎng)景中來看，比如，在人不太愿意干，并且是頻繁、重復(fù)性的工作方面，以及人可能干不好，需要讓有經(jīng)驗(yàn)?zāi)芰Φ娜俗龅墓ぷ?，這些工作可以用AI幫助進(jìn)行，是客戶目前需求比較迫切的地方。
但是，根據(jù)零售商的規(guī)模不同，雖然降本增效的需求是相同的，但體現(xiàn)在流程上會(huì)有些不同。比如，大型零售商而言，他們更多關(guān)注的是整體流程統(tǒng)一標(biāo)準(zhǔn)化。以陳列為例，針對(duì)不同地理位置、不同規(guī)模的門店，貨架陳列、選品也存在不同。在商品擺放的時(shí)候，如果沒有一個(gè)系統(tǒng)進(jìn)行管理，很難實(shí)現(xiàn)標(biāo)準(zhǔn)化。以烘焙為例，蛋糕的擺放是松散一點(diǎn)，還是豐富一點(diǎn)，都是根據(jù)店長的個(gè)人經(jīng)驗(yàn)進(jìn)行管理的，而這點(diǎn)也可能對(duì)銷售產(chǎn)生影響。當(dāng)有了AI能力之后，這些管理的流程，我們可以通過AI實(shí)現(xiàn)標(biāo)準(zhǔn)化。
對(duì)于中部、腰部企業(yè)而言，他們更多關(guān)心有一些重復(fù)的事情，如何能將人力更多的從這些重復(fù)的事情中釋放出來，去做一些更有價(jià)值的事。
劉湘明：就零售行業(yè)而言，哪些場(chǎng)景中，AI應(yīng)用對(duì)場(chǎng)景的改變比較大？
陳品竹：從兩個(gè)維度來看這件事。一個(gè)是目前對(duì)于客戶來講，在零售行業(yè)，仍處于初期，客戶會(huì)提出一些需求的場(chǎng)景，這些場(chǎng)景不一定是AI落地的，但這些需求有時(shí)候都體現(xiàn)在一些重復(fù)性非常高的場(chǎng)景里。比如供應(yīng)商資質(zhì)審核，在審核的過程中，不僅要看供應(yīng)商的資質(zhì)，在進(jìn)貨的過程中，還要看每個(gè)商品的資質(zhì)。這個(gè)過程就需要人收集資料，然后完成檢查，同時(shí)還要追溯資料的有效期。在換品的過程中，就需要重新審核資料，工作量很大。在沒有AI的時(shí)候，只能依靠人工完成，是屬于重復(fù)性高、頻繁的工作。
此外，還有流程標(biāo)準(zhǔn)化方面，這點(diǎn)不僅是零售行業(yè)，各行業(yè)企業(yè)都面臨這個(gè)問題，尤其是大企業(yè)內(nèi)部，人員規(guī)模大了之后，組織架構(gòu)也會(huì)復(fù)雜，在上傳下達(dá)的過程中，很多戰(zhàn)略落地會(huì)變形。
這時(shí)候，就需要一套體系化的系統(tǒng)，幫助企業(yè)完成標(biāo)準(zhǔn)化的設(shè)計(jì)與落地執(zhí)行。之前傳統(tǒng)系統(tǒng)更多是依靠流程完成，AI問世之后，零售商就會(huì)思考，能不能通過AI實(shí)現(xiàn)流程的標(biāo)準(zhǔn)化。
另外，還有一些需求，比如需要幫助企業(yè)收集多維度信息，但在這些需求收集的數(shù)據(jù)完整度不高，數(shù)據(jù)質(zhì)量不好的時(shí)候，AI是很難發(fā)揮作用的。
綜合來看，我們的客戶需要在流程上、標(biāo)準(zhǔn)化上，以及信息處理上，通過AI技術(shù)得到提升。在落地難易度上看，技術(shù)成熟度高，且產(chǎn)生價(jià)值比較大的場(chǎng)景中，是AI比較好落地的場(chǎng)景。
劉湘明：多點(diǎn)數(shù)智如何完成需求的梳理？比如哪些需求是真的，哪些需求優(yōu)先級(jí)更高。
陳品竹：需求梳理有一個(gè)簡單的方法，我們從兩個(gè)維度、四個(gè)象限進(jìn)行梳理。
第一個(gè)維度是業(yè)務(wù)指標(biāo)貢獻(xiàn)度的高低。業(yè)務(wù)指標(biāo)可以分為產(chǎn)品類、財(cái)務(wù)類、人效類等。比如，通過AI技術(shù)是節(jié)省員工工作時(shí)間了，還是帶來直接收入了，還是提升產(chǎn)品影響力，或者提升市場(chǎng)占有率了。這些都屬于業(yè)務(wù)指標(biāo)。
第二個(gè)維度是場(chǎng)景的技術(shù)成熟度。技術(shù)成熟度中首當(dāng)其沖的是大模型，也就是模型的成熟度，進(jìn)而很重要的一點(diǎn)是數(shù)據(jù)成熟度，數(shù)據(jù)是否完整，是易加工的。再然后因?yàn)樾枰獙⒓夹g(shù)與場(chǎng)景串起來，就需要業(yè)務(wù)流程的投入度，以及場(chǎng)景對(duì)性能的要求等等，這些指標(biāo)我們都統(tǒng)一認(rèn)為是技術(shù)成熟度的組成部分。
這兩個(gè)維度就組成了四個(gè)象限。如果業(yè)務(wù)指標(biāo)高，技術(shù)成熟度也高的象限，我們肯定會(huì)重點(diǎn)投入；如果業(yè)務(wù)指標(biāo)高，但技術(shù)成熟度沒那么高的，比如AI助手、智能客服等場(chǎng)景，我認(rèn)為前期可以投入一些資源，因?yàn)殡S著未來模型能力的提升，技術(shù)成熟度會(huì)逐漸變高，就會(huì)向著兩個(gè)維度都高的象限遷移。所以在這個(gè)象限里的需求，我們會(huì)做一些技術(shù)創(chuàng)新。
其余兩個(gè)象限。一個(gè)是技術(shù)成熟度高，但業(yè)務(wù)指標(biāo)低的，這類型的需求就要謹(jǐn)慎投入，有可能陷入“自嗨”，因?yàn)榧夹g(shù)成熟度高，很容易實(shí)現(xiàn)，但實(shí)現(xiàn)后會(huì)發(fā)現(xiàn)，可能這款產(chǎn)品不太容易被市場(chǎng)接受。而對(duì)于處在兩個(gè)維度都很低的象限的需求，就會(huì)徹底放棄。
劉湘明：物美是如何根據(jù)不同場(chǎng)景，選擇適合的大模型的？使用哪個(gè)大模型產(chǎn)品比較多？
陳品竹：與我們有合作的模型合作伙伴的模型我們基本都有用到。比如千問、火山，包括GPT等大型的模型服務(wù)商都有合作。我們主要還是根據(jù)場(chǎng)景，選擇模型。
在做AI產(chǎn)品的時(shí)候，我們都需要做POC，POC的過程中，我們會(huì)比對(duì)不同模型之間的效果，然后根據(jù)模型技術(shù)特點(diǎn)，進(jìn)行篩選，并沒有一個(gè)很固定的傾向，要用其所長。
劉湘明：你能否舉例說明一下，不同的場(chǎng)景適配什么樣的大模型？
陳品竹：比如多Agent協(xié)同的過程中，Agent內(nèi)部溝通的時(shí)候，就會(huì)存在token過長的問題，這是個(gè)難題。解決這個(gè)問題需要投入的研發(fā)成本很高，而且處理完之后，不一定將來就被固定下來，這個(gè)時(shí)候我們會(huì)選用Gemini，因?yàn)槠渖舷挛哪芰軓?qiáng)，就能讓我們暫時(shí)不用考慮token過長的問題。
再比如，想一下語言類交互的場(chǎng)景，尤其是中文的場(chǎng)景，我們會(huì)用千問多一點(diǎn)，因?yàn)樗谥形睦斫馍系哪芰軆?yōu)秀；在多模態(tài)場(chǎng)景上，我們用火山引擎的模型會(huì)多一些。
劉湘明：多點(diǎn)數(shù)智目前針對(duì)多少個(gè)場(chǎng)景開發(fā)了AI應(yīng)用？
陳品竹：大概有10多個(gè)。我們從“人貨場(chǎng)”的方向出發(fā)，梳理一下。“場(chǎng)”是門店這類場(chǎng)景，我們有智能巡檢、智能防損、無人夜收這類的產(chǎn)品；“貨”就是商品，我們有補(bǔ)貨、出清、選品，還有一款產(chǎn)品叫鮮算，是對(duì)這種現(xiàn)加工商品進(jìn)行生產(chǎn)計(jì)劃的產(chǎn)品；“人”是員工，比如導(dǎo)購、客服等產(chǎn)品都推出了一些產(chǎn)品。
劉湘明：如果給這些場(chǎng)景成熟度打個(gè)分，你覺得哪些場(chǎng)景現(xiàn)在應(yīng)用的成熟度最高？哪些是還有一定提升空間的？
陳品竹：在“場(chǎng)”這個(gè)大場(chǎng)景下，我們布局比較早，因?yàn)閳?chǎng)這個(gè)場(chǎng)景下，很多是跟視覺相關(guān)的，本身在這方面，我們多年來也投入了很多算法研發(fā)，所以，這個(gè)場(chǎng)景內(nèi)，技術(shù)成熟度相對(duì)較高。以及回到象限來說，客戶需求和技術(shù)成熟度都比較高，所以這塊算是比較成熟的部分，使用的也很好。
然后像商品出清、補(bǔ)貨這部分也是，其實(shí)在大模型問世之前，很多基于傳統(tǒng)算法，進(jìn)行預(yù)測(cè)、時(shí)序等，也是能解決問題的，只是說傳統(tǒng)算法在解決的過程中，存在局限性，或者ROI不好等問題。大模型來了之后，用大模型技術(shù)就能很好的幫我們解決這部分的問題。包括算法精準(zhǔn)度、何時(shí)重新進(jìn)行訓(xùn)練等問題，其實(shí)通過生成式AI，可以很好幫我們完成，可以讓我們的預(yù)測(cè)變得更準(zhǔn)。
像偏探索的部分，其實(shí)也是做了一段時(shí)間之后，發(fā)現(xiàn)比較難的部分，比如像導(dǎo)購、助手之類的。因?yàn)槭紫?，這個(gè)部分我們面向的客戶不太一樣，我們要面向全國和全世界的用戶，就會(huì)發(fā)現(xiàn)使用的語言、語境不同，然后業(yè)務(wù)會(huì)出現(xiàn)大量不標(biāo)準(zhǔn)的部分，以及整個(gè)零售行業(yè)的鏈條又比較長，每個(gè)場(chǎng)景又不夠復(fù)雜。所以最開始的時(shí)候，我們盡量想做一個(gè)，起碼在某一個(gè)產(chǎn)品領(lǐng)域（或者說某一個(gè)相對(duì)獨(dú)立的業(yè)務(wù)單元里），能夠起到很好作用的AI助手，但這個(gè)也很難。
所以從行業(yè)上來看，我們也逐漸在回到從小的需求出發(fā)，不斷嘗試，像這些地方，技術(shù)成熟度其實(shí)沒有那么高。雖然看上去可能只是個(gè)助手、對(duì)話，但其實(shí)對(duì)底層業(yè)務(wù)架構(gòu)來說，需要打通，并且，需要對(duì)數(shù)據(jù)進(jìn)行整理、打通，這些方面的要求非常高。所以這些部分，我們還在探索階段，也還有很大的提升空間。不過這個(gè)方向我們還是很好看的，覺得未來一定會(huì)以AI的形態(tài)出現(xiàn)，對(duì)產(chǎn)品進(jìn)行改造。
劉湘明：選品、補(bǔ)貨一直以來都是零售行業(yè)比較大的挑戰(zhàn)之一，AI能在這些方面帶來哪些改變？提升效果如何？
陳品竹：選品的挑戰(zhàn)確實(shí)比較大，選品面臨的問題會(huì)很多，因?yàn)檫x品對(duì)于零售行業(yè)而言，是自身定位和戰(zhàn)略決策的問題。而且選品串聯(lián)的流程比較長。如果從選品和補(bǔ)貨場(chǎng)景來說，其實(shí)補(bǔ)貨場(chǎng)景的成熟度會(huì)更高一些。補(bǔ)貨場(chǎng)景中，從預(yù)測(cè)角度上來看，其實(shí)與品類也有很大的關(guān)系。每個(gè)品類的銷售表現(xiàn)，以及整個(gè)供應(yīng)鏈的情況都不一樣。但是在補(bǔ)貨場(chǎng)景我們有很好的基礎(chǔ)，多點(diǎn)做自己的OS也有10年了，也沉淀了很多的數(shù)據(jù)（經(jīng)過客戶授權(quán)同意的數(shù)據(jù)）。我們會(huì)拿這些數(shù)據(jù)做一些訓(xùn)練，主要訓(xùn)練模型對(duì)商品的理解，比如淺層面是對(duì)商品本身基礎(chǔ)信息的理解，然后是整個(gè)物流表現(xiàn)信息的理解，還有銷售信息的理解。
比如基礎(chǔ)信息，像印在商品上的配料表、名稱、價(jià)格，甚至是國標(biāo)、規(guī)格等等信息，然后還有一些視覺信息，比如是圓形的，箱裝的，以及產(chǎn)品的顏色等等。同時(shí)還有一些跟場(chǎng)景相關(guān)的信息，比如銷售場(chǎng)景相關(guān)的，例如散裝的商品可能更多是個(gè)人買，箱裝的可能是家庭周期性補(bǔ)貨，或者送禮等場(chǎng)景。
在供應(yīng)鏈環(huán)節(jié)，也可以識(shí)別出，是普通常溫，還是冷藏，然后一拍有多少個(gè)等等，這些信息是很好獲取的。有了這些信息之后，就可以實(shí)現(xiàn)甚至是SKU級(jí)別的預(yù)測(cè)。當(dāng)沒有AI的時(shí)候，通過傳統(tǒng)的方式，我們需要花費(fèi)很多人力，需要有算法工程師每天洗數(shù)據(jù)，然后再調(diào)模型。但是，當(dāng)生成式AI出現(xiàn)之后，有些事情就可以交給AI去做，解放了算法人員，讓AI幫助我們內(nèi)部員工先實(shí)現(xiàn)提效的同時(shí)，還能實(shí)現(xiàn)更精準(zhǔn)的調(diào)整模型。
同時(shí)，有時(shí)候零售商的商品策略、經(jīng)營策略發(fā)生了變化。模型就開始不準(zhǔn)了，就需要重新調(diào)整，而這個(gè)環(huán)節(jié)也可以讓AI參與。這樣做雖然有些算法看似還是傳統(tǒng)算法，但其實(shí)算法的背后是被AI賦能過的，通過AI就極大的提高了預(yù)測(cè)的準(zhǔn)確度。
劉湘明：多點(diǎn)有沒有訓(xùn)練自己的專屬模型？
陳品竹：我們確實(shí)在訓(xùn)練自己的專屬模型，不過在這個(gè)過程中態(tài)度比較謹(jǐn)慎。大模型我們肯定自己不做，但我們會(huì)基于大模型和一些特殊的場(chǎng)景，訓(xùn)練一些小模型，然后在固定場(chǎng)景中完成一些工作。
但如果說是不是可以通過一個(gè)或幾個(gè)大模型就能打造出零售行業(yè)的大模型，完成所有事？我們其實(shí)還有點(diǎn)早。而且從經(jīng)營角度上看，我覺得ROI并不高。因?yàn)楸旧泶竽Ｐ湍芰M(jìn)化非?？欤钥梢?ldquo;讓子彈再飛會(huì)”，等到投入產(chǎn)出比算不過來的時(shí)候，或者說必須要做一些微調(diào)的時(shí)候，我們才會(huì)做這個(gè)事。所以目前，還是靠RAG，Agent去解決一些行業(yè)問題，但是有些場(chǎng)景其實(shí)也在做的過程中。
劉湘明：如何確定小模型的顆粒度？什么樣的顆粒度會(huì)做一個(gè)小模型？
陳品竹：還是從場(chǎng)景、功能的角度劃分。每次微調(diào)完模型之后，我們還需要重新對(duì)模型的性能特點(diǎn)進(jìn)行評(píng)估。如果我們將過多能力疊加在一起的話，模型成本也會(huì)比較高。
對(duì)于零售行業(yè)來說，比較復(fù)雜，且標(biāo)準(zhǔn)化程度并不高。同時(shí)，零售行業(yè)面向的客戶群體大中小規(guī)模的都有，且既有國內(nèi)的，也有國外的。所以，雖然看似是一個(gè)獨(dú)立的模塊或產(chǎn)品域，但其實(shí)已經(jīng)足夠復(fù)雜。這個(gè)時(shí)候，如果企業(yè)過早的額進(jìn)行模型訓(xùn)練的話，就會(huì)發(fā)現(xiàn)，需要不斷的調(diào)整模型，如果初期這樣做的話，即便是很小的一個(gè)場(chǎng)景，人員投入成本投入會(huì)很高。比如意圖識(shí)別（根據(jù)語義，指令，做一個(gè)指令的路由），即便就這么一個(gè)小模型，投入也很高，而且還需要經(jīng)常修改。所以這類型的事情，我們后期換成了RAG，一個(gè)研發(fā)人員就能解決這個(gè)問題。
劉湘明：場(chǎng)景如何一步步迭代？是通過時(shí)間，還是效果？
陳品竹：主要還是按照效果。
劉湘明：AI訓(xùn)練里面最重要的是數(shù)據(jù)，多點(diǎn)訓(xùn)練模型過程中，最關(guān)鍵的數(shù)據(jù)來自哪里？目前訓(xùn)練過程中，還缺少那些數(shù)據(jù)？
陳品竹：數(shù)據(jù)來源方面，首先主要數(shù)據(jù)來源還是來自于客戶授權(quán)后的數(shù)據(jù)，因?yàn)槲覀兲峁┒说蕉说慕鉀Q方案，所以整個(gè)鏈條的數(shù)據(jù)還是比較全的，主要就是圍繞“進(jìn)銷存”的數(shù)據(jù)，相對(duì)還很齊全。我們對(duì)商品的訓(xùn)練、對(duì)商品的理解，無論是場(chǎng)景，還是數(shù)據(jù)，都比較充分。
欠缺的部分其實(shí)是很難被結(jié)構(gòu)化、向量化的行業(yè)知識(shí)。因?yàn)檫@部分的知識(shí)大多在行業(yè)從業(yè)者的腦子里，這部分的內(nèi)容主要表現(xiàn)為：員工會(huì)干這件事，但是很難說出來，將這部分知識(shí)轉(zhuǎn)化成文字或者語言的時(shí)候，就會(huì)發(fā)現(xiàn)缺失很多內(nèi)容，從而變得不可用。這是比較難的一個(gè)部分，我們想講它沉淀下來，讓這部分內(nèi)容不困難。
此外，客戶還需要很多外部市場(chǎng)上的信息，做一些洞察。這部分從合規(guī)的角度出發(fā)，我們也做的比較謹(jǐn)慎，但客戶這方面的需求比較旺盛。所以，這部分的數(shù)據(jù)，如果能以合規(guī)的方式加進(jìn)模型的訓(xùn)練中，也是比較好的一個(gè)點(diǎn)。這也是目前比較缺失的部分。
劉湘明：多點(diǎn)本身在物美積累了足夠的實(shí)踐，這些AI實(shí)踐拿到外部應(yīng)用的時(shí)候會(huì)不會(huì)遭遇水土不服，具體體現(xiàn)是什么？
陳品竹：AI技術(shù)賦能客戶導(dǎo)致水土不服情況比較少。但在AI來臨之前，遇見過一些“水土不服”的情況。傳統(tǒng)的開發(fā)的階段，物美信息化做的就很好。在對(duì)外輸出的時(shí)候，一是因?yàn)榇嬖趧傞_始做，本身經(jīng)驗(yàn)不足的問題，此外，有些客戶在數(shù)字化方面的認(rèn)知不夠，有些功能可能對(duì)他來說，已經(jīng)不早了，但當(dāng)他沒有發(fā)展到一定規(guī)模的時(shí)候，有些事情是看不到的，所以會(huì)遇見一些問題。
在這個(gè)過程中，我們會(huì)調(diào)整我們的產(chǎn)品，豐富能力之后，在將產(chǎn)品抽象化。重新設(shè)計(jì)一些之前設(shè)計(jì)不夠好的產(chǎn)品。在這方面我們也積累了很多經(jīng)驗(yàn)。在AI來了之后，我們用新的技術(shù)，去解決了一些老場(chǎng)景的問題，這個(gè)過程中，之前老場(chǎng)景中積累下的經(jīng)驗(yàn)就顯得很寶貴。我們?cè)谝婚_始設(shè)計(jì)的時(shí)候，就會(huì)考慮這些問題。
而且，現(xiàn)在AI，尤其是零售行業(yè)這樣的ToB行業(yè)，沒有會(huì)拿整套AI的技術(shù)，重構(gòu)整個(gè)鏈條，其實(shí)AI更多的是解決某個(gè)點(diǎn)上的問題，然后剩下的問題是流程上的事，還是用傳統(tǒng)技術(shù)做。所以我們抽象的比較好一些的話，其實(shí)在AI時(shí)代，遇見“水土不服”的是相對(duì)少一些。此外，在海外，像法律、法規(guī)這樣的問題，還是有挑戰(zhàn)的點(diǎn)。
劉湘明：在物美內(nèi)部，AI應(yīng)用與傳統(tǒng)系統(tǒng)之間的關(guān)系是什么樣的？
陳品竹：從兩個(gè)方面來看，對(duì)物美來說，因?yàn)樵任锩赖南到y(tǒng)就都是多點(diǎn)提供的服務(wù)，開發(fā)的AI類產(chǎn)品也基本都是在原有的OS上，所以兼容性一定是最好的，對(duì)于物美來說，AI應(yīng)用與傳統(tǒng)系統(tǒng)之間相對(duì)就比較順滑。
因?yàn)槲覀傾I產(chǎn)品也可以獨(dú)立于我們自己的OS，對(duì)外輸出的。對(duì)于外部客戶來說，會(huì)像一個(gè)插件、一個(gè)獨(dú)立模塊，或者集成的方式，提供服務(wù)，與客戶現(xiàn)有的ERP，或者一些其他系統(tǒng)進(jìn)行集成。
劉湘明：從客戶角度出發(fā)，AI應(yīng)用的ROI與部署周期，相較于傳統(tǒng)IT系統(tǒng)有何變化？
陳品竹：從客戶角度出發(fā)，AI項(xiàng)目的部署周期，會(huì)比傳統(tǒng)，諸如ERP這樣的大項(xiàng)目短很多。因?yàn)槟壳癆I應(yīng)用可能更多的是集中在某一個(gè)點(diǎn)上完成一些工作，更多的是提供算法能力、大模型能力。這種項(xiàng)目周期會(huì)相對(duì)短一些。比如出清的場(chǎng)景，或者執(zhí)行計(jì)劃類的項(xiàng)目。從POC開始，到最后部署上線可能需要3~4個(gè)月的時(shí)間，長一點(diǎn)的可能要半年。
劉湘明：目前，商超客戶對(duì)于AI應(yīng)用最大的顧慮是什么？
陳品竹：目前AI在零售業(yè)還是處于早期階段。比如，去年我們接觸客戶的時(shí)候，還不太敢談AI，客戶會(huì)覺得AI可能是噱頭，不太能落地。客戶本身自己也不太清楚AI能做什么。但是今年開始，客戶會(huì)主動(dòng)去聊AI應(yīng)用。主要聊的方向有兩種類型。一種是集中在某些點(diǎn)，比如某一個(gè)點(diǎn)很“痛”，能不能通過AI幫我做一下，解決問題。然后做個(gè)POC，如果OK，就展開合作。
另一些比較大體量的客戶，已經(jīng)在做整體的AI規(guī)劃，三年期起的AI規(guī)劃，比如整體業(yè)務(wù)如何在AI下進(jìn)行調(diào)整。這些客戶開始非常積極的擁抱AI，這些事明顯的變化。
但實(shí)際再細(xì)化一些，比如怎么做，方案是什么樣的，這些細(xì)化的地方，客戶與行業(yè)內(nèi)的從業(yè)者相比，認(rèn)知相差比較大。整體來看，客戶知道AI能給他帶來變化，但目前是不是他們，就又回到剛才說的象限里面：客戶可能覺得商業(yè)價(jià)值可以，業(yè)務(wù)指標(biāo)也可以。像這塊沒有數(shù)據(jù)，但用戶會(huì)說，AI是不是也能幫我這件事？
所以我覺得零售行業(yè)AI應(yīng)用比較大的一個(gè)挑戰(zhàn)是：從業(yè)者對(duì)AI的認(rèn)知，或者說AI能在業(yè)務(wù)中幫客戶完成哪些事。這些層面的事，并不像傳統(tǒng)軟件應(yīng)用階段那樣清晰。所以這部分前期溝通成本會(huì)比較高。
其次，有些企業(yè)AI人才儲(chǔ)備不充足，并且企業(yè)內(nèi)部目標(biāo)不一致。因?yàn)榱闶坌袠I(yè)有業(yè)務(wù)方，有CIO體系。很多技術(shù)軟件是CIO負(fù)責(zé)對(duì)接。在零售行業(yè)內(nèi)部，CIO肯定是對(duì)技術(shù)最了解的人，但企業(yè)內(nèi)部溝通過程中，就會(huì)存在一些目標(biāo)上，或者說溝通上的偏差，而這些偏差也會(huì)影響最后AI落地的情況。
當(dāng)然，最最終極的話題——AI一定是一個(gè)一把手工程。
劉湘明：多點(diǎn)是如何幫助中小型商超降低AI使用門檻的？
陳品竹：我們?cè)谧霎a(chǎn)品實(shí)際的時(shí)候，會(huì)考慮到復(fù)雜度的情況，所以在設(shè)計(jì)之初，我們不會(huì)將系統(tǒng)設(shè)計(jì)的過于復(fù)雜。比如預(yù)測(cè)類產(chǎn)品，我們會(huì)明確將預(yù)測(cè)結(jié)果，按照客戶希望的維度，比如銷量、庫存等，直接告訴用戶預(yù)測(cè)結(jié)果是這樣的，如果客戶覺得不ok，可以進(jìn)行調(diào)整。
諸如總部的工作人員，或者能力較高的人員來說，這樣的能力就可以了。在一些偏執(zhí)行員工層面，我們還會(huì)通過輔助用AI幫員工做一些解釋，告訴他們背后的邏輯是什么樣的。
所以在本身AI使用場(chǎng)景上來說，并沒有很多困難的挑戰(zhàn)。更多的挑戰(zhàn)還是集中在早期設(shè)計(jì)方案，以及能力的溝通上。
劉湘明：多點(diǎn)如何把控AI幻覺，以及出現(xiàn)錯(cuò)誤策略，所帶來的風(fēng)險(xiǎn)？
陳品竹：從兩方面來看，一方面，我們從產(chǎn)品形態(tài)上杜絕這種事。比如說預(yù)測(cè)類產(chǎn)品，我們不會(huì)干涉它的生產(chǎn)流程，而且輸出的結(jié)果是非常固定的，所以就算出現(xiàn)了幻覺，最終決策的還是人，所以不會(huì)對(duì)結(jié)果，或者生產(chǎn)產(chǎn)生太大的不良影響。
另一方面，在偏對(duì)話類的產(chǎn)品中，需要嚴(yán)格把控輸出給使用者的內(nèi)容的。我們?cè)俦旧砑軜?gòu)設(shè)計(jì)上，以及上線之前，專門做了一個(gè)安全模塊，通過安全模塊做一些檢查。同時(shí)，我們會(huì)采購一些比較成熟的公司的產(chǎn)品，并進(jìn)行合規(guī)檢查。
此外，AI只是一個(gè)技術(shù)，與傳統(tǒng)開發(fā)相比，在質(zhì)量保障上來看，我覺得差別不大。傳統(tǒng)開發(fā)SOP流程已經(jīng)被驗(yàn)證了，與傳統(tǒng)開發(fā)相比無非就是某些點(diǎn)，集中做的不一樣而已。所以在AI部署時(shí)，我們也可以做像開關(guān)，監(jiān)測(cè)，以及AB測(cè)試等，這些傳統(tǒng)開發(fā)的方案可以直接借鑒過來使用。
劉湘明：AI是否重構(gòu)了零售企業(yè)崗位？未來人機(jī)協(xié)同如何發(fā)展？
陳品竹：重構(gòu)是一定的。因?yàn)槿藱C(jī)交互模式在變化，做事情的要求在變化——員工可能有更多的時(shí)間，做更有價(jià)值的事，或者擅長的事。而一些不擅長的，重復(fù)性的工作，可以讓AI幫員工完成。
我覺得AI來了之后，零售商可以將流程簡化、標(biāo)準(zhǔn)化，讓人可以更好地做更有價(jià)值的事。而對(duì)人員本身的能力和要求，也在發(fā)生變化。
劉湘明：商超員工在應(yīng)用AI過程中的反應(yīng)如何？是抵觸，還是積極？
陳品竹：都有。有一些員工非常歡迎和積極，他們認(rèn)為：太好了，以后把我解放了，我可以解放出來去做別的事了。有的確實(shí)存在抵觸心理，他們覺得，因?yàn)锳I畢竟是黑盒的狀態(tài)，這些員工可能覺得AI不太靠譜。
AI太偏技術(shù)了，很難跟客戶解釋。而且我們也不可能跟每一個(gè)使用者都解釋的這么細(xì)，有一些人就覺得AI就是沒我好，或者覺得AI就是來替代我的。
但 AI 是大趨勢(shì)，總體來說，尤其是在需要復(fù)雜信息綜合處理得到結(jié)論的場(chǎng)景下，AI 會(huì)比員工的平均水平高很多，甚至優(yōu)于最好的員工。
劉湘明：我們正在準(zhǔn)備一個(gè)AI落地最重要的10個(gè)問題的研究報(bào)告，你認(rèn)為從客戶角度來看，AI落地最需要注意的問題是什么，不限于一個(gè)。
陳品竹：首先，AI落地最重要的事還是：一把手工程。因?yàn)锳I會(huì)重構(gòu)組織和經(jīng)營，而且企業(yè)用AI用的越多，重構(gòu)的就越徹底。企業(yè)管理者思考的并不是來了一個(gè)系統(tǒng)，或者來了一個(gè)AI，我的企業(yè)就變好了。而是企業(yè)要思考：希望AI幫我做什么，當(dāng)前遇見的問題是什么，而AI能恰好幫助企業(yè)解決這個(gè)問題，這才是企業(yè)級(jí)AI最好的解。企業(yè)內(nèi)部先發(fā)起，并進(jìn)行思考，而這件事一定是一把手去做的。同時(shí)，AI需要資源的投入。
其次，企業(yè)需要考慮有沒有使用的環(huán)境。環(huán)境層面，人是一方面，另一方面很重要的是數(shù)據(jù)。企業(yè)想應(yīng)用AI的業(yè)務(wù)單元或者產(chǎn)品域中，數(shù)據(jù)成熟度夠不夠。如果數(shù)據(jù)不完整的話，即便AI來了，也不太可能快速的起到效果。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論
多點(diǎn)選大模型不固定，按場(chǎng)景來，中文用千問、多模態(tài)用火山，挺靈活的！
多點(diǎn)幫中小商超降門檻，直接給預(yù)測(cè)結(jié)果還解釋邏輯，不用搞復(fù)雜操作～
AI 落地得是一把手工程！要重構(gòu)組織還得投資源，管理者不重視可不行！
零售 AI 缺的竟是 “人腦知識(shí)”，從業(yè)者經(jīng)驗(yàn)難轉(zhuǎn)化成數(shù)據(jù)，這問題有點(diǎn)棘手！
補(bǔ)貨場(chǎng)景用 AI 預(yù)測(cè)更準(zhǔn)，還能解放算法工程師，傳統(tǒng)算法也被 AI 賦能了～
大商超關(guān)注流程標(biāo)準(zhǔn)化，中小商超想解放人力，不同規(guī)模需求差得還挺多～
門店智能巡檢、防損這些視覺場(chǎng)景成熟度高，導(dǎo)購助手還在探索，慢慢來唄～
零售 AI 落地要看業(yè)務(wù)貢獻(xiàn)和技術(shù)成熟度，這倆維度分象限評(píng)估，思路還挺清晰！
商超員工對(duì) AI 有喜有憂，有人覺得解放雙手，有人怕被替代，挺真實(shí)的！
AI 更多解決零售 “點(diǎn)上問題”，流程還得靠傳統(tǒng)技術(shù)，這樣反而不容易水土不服！