人工智能（AI）长期以来一直是零售业的变革力量，从产品推荐到库存管理皆是如此。但随着人工智能能力的不断发展，一个新概念正成为关注焦点：自主型人工智能。与依赖人类输入才能运行的传统 AI 模型不同，代理式 AI 具有更高的自主性，能够自主决策、主动采取行动，并在无需持续监督的情况下动态适应新信息。这一能力对实体零售商具有深远的影响，他们正日益寻求弥合数字体验与实体店体验之间的鸿沟。
阅读《Pulse 报告》：零售 2.0：人工智能的优势
什么是代理式人工智能？
要理解“代理式人工智能”的重要性，关键在于将其与“人工智能代理”区分开来。人工智能代理是专门设计来执行特定任务的程序，例如回答客户咨询的聊天机器人，或是根据浏览历史推荐产品的推荐引擎。而“代理式人工智能”则超越了预定义任务的范畴，能够实时学习、适应并执行决策。可以将 AI 代理视为遵循指令的得力助手，而代理型 AI 则更像是一位主动的战略家，能够预判需求并独立采取行动。
《福布斯》最近报道称，尽管在人工智能领域，“代理”（或“代理性”）这一术语有时被过度使用，以至于变得毫无意义， 但“业界似乎已就以下事实达成共识：与专注于大规模生成文本、图像、视频和音频的生成式人工智能不同，人工智能代理的设计目的是采取行动、做出决策并以日益提高的自主性执行任务。”
围绕这一最新一代人工智能的关键担忧之一，是其惊人的能耗需求。人工智能模型——尤其是那些涉及实时决策的模型——需要巨大的处理能力。这意味着，无法优化其人工智能基础设施的企业将面临运营成本难以持续的风险。要想让自主人工智能真正实现大规模应用，就必须提高其能效，从而降低运营成本并符合环保目标。尽管如此，有一个关键问题需要探讨：自主人工智能对零售业是否具有现实意义？
实体门店中的代理式人工智能
在实体零售领域，这项技术正在重塑消费者的购物体验。如今的消费者期待获得无缝衔接且个性化的体验，这种体验既能融合数字化的便捷性，又能带来店内互动的乐趣。基于人工智能的技术通过分析消费者行为、优化店铺布局，以及预测哪些产品在特定位置的销售表现最佳，从而帮助实现这一目标。
试想一个由人工智能支持（且能提供支持）的系统：它能追踪客流模式，根据需求变化调整数字营销展示内容，并在高价值客户进入商店时通知店员。这些功能使零售商能够打造一个更具活力、反应更敏捷的购物环境，既能满足客户期望，又能推动销售额增长。例如，麦肯锡的一份报告发现，采用人工智能驱动的个性化服务的零售商，销售额最高增长了 10%，客户满意度也显著提升。
在这份报告中，麦肯锡将人工智能驱动的个性化服务确立为实现最佳绩效的关键原则：
“[行业领军企业] 投资于由先进分析技术驱动的快速响应能力。领军企业构建了大规模的内容创作和人工智能驱动的决策能力，从而能够实时响应客户信号。他们利用预测分析和模型来确定向哪些客户推送哪些内容和信息（例如，倾向性模型或预测性“次优行动”算法）。他们还建立了完善的衡量流程，用于追踪客户干预措施的影响，并将相关信息反馈至系统和团队。这些流程有助于他们在消费者旅程的恰当时机，通过恰当的渠道推送恰当的内容。”
代理式人工智能如何推动全渠道零售发展
代理式人工智能在全渠道零售中发挥着至关重要的作用。零售商长期以来一直致力于整合线上和线下的购物体验，但挑战在于构建一个真正互联的生态系统。借助代理式人工智能，零售商能够更有效地弥合这一差距。例如，人工智能系统可以分析在线搜索行为，将其与实体店的购买模式进行交叉比对，并据此自动调整库存水平或促销策略。一位正在零售商网站上浏览跑鞋的顾客，当他走进附近的实体店时，可能会收到一条个性化的折扣通知。
人工智能驱动的系统能够预测购物高峰时段，并据此合理调配人员。这有助于缩短等待时间，提高顾客满意度。例如，Walmart 的一项案例研究表明，人工智能驱动的需求预测使缺货商品减少了 30%，确保顾客到店时能买到所需商品。
阅读更多：某品牌借助门店分析发掘劳动力机会
交通数据是创新的关键
对于零售商而言，紧跟这些创新的步伐已不再是可有可无的选择。消费者的期望正在迅速变化，那些未能适应变化的人，将面临被竞争对手甩在身后的风险——这些竞争对手正利用人工智能驱动的洞察力来优化决策。
准确的交通数据之所以弥足珍贵，原因有以下几点：
这有助于更好地优化人员配置。零售商可以确保在适当的时间安排恰当数量的员工在卖场值班，从而在控制人力成本的同时提升客户服务质量。
它有助于提升需求预测的准确性。通过分析历史客流量趋势以及天气和当地活动等外部因素，人工智能能够更准确地预测销售模式，从而帮助零售商更有效地管理库存。
这些洞察有助于制定更明智的商品陈列决策。了解顾客在哪些区域停留时间最长，能让零售商有策略地摆放高毛利商品，从而提高购买概率。
然而，这些优势取决于一个关键因素：基础数据的准确性。无论人工智能模型多么先进，其有效性都取决于训练所用的信息质量。数据是人工智能性能的基础，但同时也给自主人工智能带来了最大的挑战。AI 代理的有效性在很大程度上取决于其训练数据的质量。如果没有高质量的、特定领域的数据，它们就很难在特定行业的环境中有效运作。
“我们最近发布的首席数据官（CDO）报告显示，43% 的企业将数据质量、完整性和可用性视为部署人工智能项目的最大障碍，”Informatica 首席执行官阿米特·瓦利亚（Amit Walia）在一份最新刊物中表示。他还强调：“如果没有高质量的、领域特定的数据，即使是最先进的人工智能模型也难以发挥作用。”
例如，不准确的客流量统计会导致预测失准、人员配置效率低下以及错失创收机会。正因如此，投资于高质量的店内分析解决方案至关重要。凭借精准的门店洞察，零售商可以确保其自主决策型人工智能系统做出最佳决策，从而最终推动整个运营的增长和效率提升。
零售业的未来取决于数据驱动的智能，而代理式人工智能正是这一演进过程中的下一步。通过采用这些技术，零售商不仅能够打造更具适应性、以客户为中心的体验，还能以前所未有的方式优化运营。关键在于通过精准的数据采集建立坚实的基础，并制定以人工智能为驱动的战略，从而同时提升购物体验和业务表现。在这个利润微薄、竞争激烈的行业中，利用代理式人工智能不仅是一种竞争优势，更是必不可少的。
探索数据：访问我们全新的 Insights 数据中心，查看美国及欧洲、中东和非洲（EMEA）地区的门店数据
