今年稍早，我們舉辦了年度高階主管論壇。近 100 位零售業領袖與我們共度了三天時光，期間包含分組討論、晚宴，以及非正式的走廊閒談。在上述每種場合中，都有一個話題反覆被提及。話題往往從人工智慧（AI）開始，但幾乎無一例外地會轉向一個更棘手的問題：這一切對我們現有的分析基礎架構究竟意味著什麼？
觀看《The Session》👉 Foot Locker 如何運用門市數據來提升轉換率
零售業領袖們實際上正在進行的對話
零售業高層對人工智慧的討論已迅速成熟。兩年前的討論焦點是：「我們是否該制定人工智慧策略？」一年前則是：「我們該在哪裡進行試點？」而如今的討論則轉變為：「在我們試圖實現的目標下，營運架構中的哪些部分能夠支撐，哪些部分則無法支撐？」
這最後一次對話比前兩次更為艱難。它迫使領導者審視多年前（通常是透過採購程序）購置的基礎設施，並自問這些設施是否仍能滿足現有需求。對大多數實體零售商而言，客流量與門市分析系統正是屬於此類的基礎設施：只買過一次，大致上還能運作，卻在不知不覺中造成限制。
這筆資金充分顯示出事態已發展到何等嚴峻的程度。Gartner 預測，2026年全球人工智慧支出將達到 2.52 兆美元，較前年增長 44%。IBM 針對全球 1,500 位零售與消費品高階主管進行調查，發現其中 81% 已在中度或高度程度上運用人工智慧，而其內部團隊的應用進度更是領先一步。這些已不再是試點計畫，而是正式的營運預算。
為何傳統的計數基礎設施無法勝任這項任務
這類產品在過去三十多年來一直是該類別的主力，其設計初衷是為了回答一個問題：有多少人走進店門？在當時，這確實很有用。轉換率、人力配置比例以及每小時的客流趨勢，都為經營者帶來了實質上的競爭優勢。
但這種架構存在著硬性限制。僅能回報數值的硬體，無法轉變為能從模式中學習的軟體。將人工智慧功能硬性疊加在計數平台上，屬於結構性不匹配，而非產品更新。因為缺乏必要的數據基礎。
及早意識到這一點的零售商，會將分析基礎架構的現代化作為其人工智慧策略的一部分，而非事後才進行。那些未能意識到的零售商，則會在未來兩年內將人工智慧投資傾注於一個無法承載其重擔的基礎架構之上。
我曾目睹這種模式在相鄰領域中反覆上演。率先實現「AI 原生」營運模式的企業，便能建立結構性優勢；而那些試圖將 AI 硬塞進既有技術架構中的企業，不僅成本更高、進展更緩慢，所產出的成果也較為薄弱。這道差距確實存在，而且正迅速擴大。
在這一切背後，還隱藏著一個更深層的問題。零售商為未來十年所選擇的分析平台，必須能夠支援那些尚未被發明的 AI 應用場景。要實現這種靈活性，唯一的方法就是在平台建置的早期階段就將機器學習融入架構之中，而非等到市場有需求時才倉促追加。零售商應該向供應商提出一個不同的問題。不該僅止於詢問「這個平台目前能做什麼」，而是要問：「它是如何建構的？」傳統的客流量計數器並非為此而設計。而在未來十年中脫穎而出的平台，則會具備這樣的設計基礎。
所謂的「AI 原生運維」實際上是什麼樣子
該類別中，多數業者仍以每週買賣報告為主。只有一小部分零售商已超越此階段。以下是這種轉變在實際操作中的具體表現。
- 一家美國百貨公司已將 RetailNext 裝置健康狀態訊號自動傳送至 ServiceNow，因此事件單可自動開啟與關閉，無需人工干預。過去需要有人察覺並轉交的營運警示，現在已由工作流程本身自動處理。
- 一家加拿大高端服飾零售商正基於 RetailNext 數據建構專屬的分析模型，並將分析結果應用於數位、行銷、房地產及營運等領域。該平台是基礎，而他們所建構的智慧層則建構於其上，並橫跨企業的每個職能部門。
- 一家美國運動用品零售商正運用人工智慧來生成待辦事項。當某家門市的指標出現異常時，系統會標記該問題、為區域經理生成應採取的行動，並追蹤問題是否已解決。該團隊將門市績效視為一個持續的閉環流程，而非每週的報告。
- 一家英國專業運動用品零售商正將原先由一人負責、涵蓋數百家門市的季度人工排班流程，改為基於預測客流量且持續更新的勞動力配置機制。規劃頻率也從每季一次調整為每週一次。
- 一家美國家居用品零售商正將舊有的客流計數系統，替換為即時 API 資料饋送與 AI 輔助預測系統，並將其內部分析師直接納入該平台。
五家不同的零售商。五個不同的品類。模式一脈相承：持續推進而非每週一次；整合運作而非各自為政；著眼未來而非回顧過去。採用這種營運模式的零售商並未坐等品類發展跟上步伐，反而在競爭對手仍處於評估階段時，便已搶先一步。
未來 24 個月的展望
有三件事，今天僅部分屬實，但兩年後將會完全屬實。
- 在企業層級，傳統的客流量統計基礎設施將顯見地過時。屆時尚未完成現代化的零售商，所掌握的資訊將遠遠少於已完成現代化的同行。並非僅僅少一點，而是截然不同地少。
- 以人工智慧為核心的平台將從競爭優勢轉變為基本期望。及早建構此類平台的零售商將進一步擴大領先優勢；而遲遲未行動的零售商，則將在未來兩年內忙於追趕，卻只能追上領先者早已超越的水平。
- 若在此處判斷失誤，其代價將在財務報表中顯現。勞動生產力、轉換率、房地產決策、行銷投資報酬率——AI 原生型營運商與其他企業之間的差距，都將在損益表上得以量化。那正是大多數董事會停止就時程表爭論不休的時刻。
刻不容緩的決定
如果您是正在閱讀本文的零售業領導者，在進行下一次策略檢討時，您應思考的問題並非「我們在人工智慧方面的投入是否足夠？」——這個問題過於抽象，缺乏實質意義。真正該問的是：我們現有的分析基礎架構，能否支援我們期望在兩年後運作的營運模式？
如果答案是「是」，那麼您已領先該類別中的大多數競爭者；如果答案是「否」，那麼拖延所帶來的成本將每季以複利方式累積。目前行動最迅速的零售商早已做出決定。
這個領域並未停滯不前。關鍵在於，您的基礎架構是否也隨之前進。
又一場活動？👉 Kendra Scott 與 Marine Layer 正將門市轉變為社區活動中心
