人工智慧（AI）長期以來一直是零售業的變革力量，從產品推薦到庫存管理皆然。但隨著 AI 能力的演進，一個新概念正逐漸成為焦點：自主型 AI。與依賴人類輸入才能運作的傳統 AI 模型不同，代理式 AI 具備更高的自主性，能夠在無需持續監督的情況下做出決策、啟動行動，並動態適應新資訊。這項能力對實體零售商具有深遠影響，這些零售商正日益致力於彌合數位體驗與實體店內體驗之間的鴻溝。
閱讀《Pulse 報告》：零售 2.0：人工智慧的優勢
要理解「代理式人工智慧」的重要性，關鍵在於將其與「AI 代理」區分開來。AI 代理是專為執行特定任務而設計的程式，例如回答客戶詢問的聊天機器人，或是根據瀏覽紀錄推薦產品的推薦引擎。相較之下，「代理式人工智慧」則超越了預先定義的任務，能夠即時學習、適應並執行決策。不妨將 AI 代理視為遵循指令的得力助手，而具能動性的人工智慧則更像一位主動的策略家，能夠預判需求並獨立採取行動。
《富比士》最近報導指出，雖然在人工智慧的語境中，「代理」（或「代理式」）一詞有時被過度使用，甚至到了失去實質意義的地步， 但「業界似乎已就一項事實達成共識：與專注於大規模生成文字、圖像、影片及音訊的生成式人工智慧不同，AI 代理是為了採取行動、做出決策並以日益提升的自主性執行任務而設計的。」
圍繞這最新一代人工智慧的關鍵隱憂之一，便是其驚人的能源需求。人工智慧模型——尤其是涉及即時決策的模型——需要龐大的運算能力。這意味著，若企業無法優化其人工智慧基礎設施，便可能面臨難以持續的營運成本。若要讓自主型人工智慧真正大規模地發揮作用，就必須提升其能源效率，從而降低營運成本並符合環保目標。儘管如此，這仍是一場必須進行的關鍵討論：自主型人工智慧對零售業而言是否具有實質意義？
在實體零售業中，這項技術正在重塑消費者的購物旅程。當今的消費者期待能將數位便利性與店內互動相結合，從而獲得無縫且個人化的體驗。人工智慧驅動的技術透過分析消費者行為、優化店面佈局，以及預測哪些商品在特定位置的銷售表現最佳，來協助實現這一目標。
試想一個由人工智慧支援（且能提供支援）的系統，它能追蹤客流模式、根據需求變化調整數位行銷展示內容，並在高價值顧客走進店內時通知店員。這些功能使零售商能夠打造出更具活力且反應靈敏的購物環境，既能滿足顧客期望，又能帶動更高銷售額。例如，麥肯錫的一份報告指出，採用人工智慧驅動的個人化服務的零售商，銷售額最高可增長 10%，且顧客滿意度也顯著提升。
在這份報告中，麥肯錫將人工智慧驅動的個人化服務確立為實現巔峰表現的關鍵原則：
「[行業領導者] 投資於由先進分析技術驅動的快速啟動能力。領先企業發展出大規模的內容創作與 AI 驅動的決策能力，以便即時回應客戶訊號。他們運用預測分析與模型來決定應向哪些客戶推送何種內容與訊息（例如：傾向模型，或預測性「下最佳行動」演算法）。他們還建立完善的衡量流程，用以追蹤客戶干預措施的影響，並將相關資訊回饋至系統與團隊。這些流程有助於他們在消費者旅程的適當時機，透過適當的管道傳遞正確的內容。」
代理式人工智慧在全通路零售中扮演著關鍵角色。零售商長期以來一直致力於整合線上與線下的購物體驗，但挑戰在於如何建立一個真正相互連結的生態系統。透過代理式人工智慧，零售商能夠更有效地彌合這道鴻溝。舉例來說，人工智慧系統能分析線上搜尋行為，並與實體店內的購買模式進行比對，據此自動調整庫存水準或促銷策略。當消費者在零售商的網站上瀏覽跑鞋時，一旦走進附近的實體店，便可能會收到量身訂製的折扣通知。
人工智慧驅動的系統能夠預測購物高峰時段，並據此調配人力。這有助於縮短等待時間並提升顧客滿意度。例如，Walmart 的一項案例研究顯示，透過人工智慧驅動的需求預測，使缺貨商品減少了 30%，確保顧客造訪門市時能找到所需商品。
延伸閱讀：品牌透過店內分析發掘人力資源機會
對零售商而言，緊跟這些創新趨勢已非可有可無之事。消費者的期望正在迅速轉變，若未能及時適應，便可能落後於那些善用人工智慧驅動的洞察力來優化決策的競爭對手。
準確的交通數據之所以極具價值，原因有以下幾點：
這有助於更有效地優化人力配置。零售商可確保在適當的時間安排適當數量的員工在賣場服務，藉此提升顧客服務品質，同時控制人力成本。
這有助於提升需求預測的準確性。透過分析過往客流量趨勢，並結合天氣及當地活動等外部因素，人工智慧能更精準地預測銷售模式，讓零售商能更有效地管理庫存。
這些洞察有助於制定更明智的商品陳列決策。了解顧客在哪些區域停留的時間最長，能讓零售商策略性地擺放高毛利商品，從而提高購買機率。
然而，這些好處取決於一個關鍵因素：基礎資料的準確性。無論人工智慧模型多麼先進，其效能終究取決於訓練所用的資訊品質。資料是人工智慧表現的基礎，但同時也對「代理式人工智慧」構成了最大的挑戰。AI 代理的效能在很大程度上取決於其訓練資料的品質。若缺乏高品質且具領域特異性的資料，它們將難以在特定產業環境中有效運作。
Informatica 執行長阿米特·瓦利亞（Amit Walia）在近期的一篇報導中表示：「我們最近發布的 CDO 報告指出，43% 的企業將資料品質、完整性與準備就緒程度列為推行 AI 計畫時面臨的最大障礙。」他同時強調：「若缺乏高品質且具領域專屬性的資料，即使是最先進的 AI 模型也難以發揮應有效能。」
舉例來說，不準確的人流計數會導致預測失準、人力配置效率低下，以及錯失營收機會。正因如此，投資高品質的店內分析解決方案至關重要。透過精準的店內洞察，零售商能確保其自主式人工智慧系統做出最佳決策，最終推動整體營運的成長與效率。
零售業的未來取決於數據驅動的智慧，而「代理式人工智慧」正是這場演進中的下一階段。透過採用這些技術，零售商不僅能打造更具適應性且以顧客為中心的體驗，還能以前所未有的方式優化營運。關鍵在於透過精準的數據蒐集建立堅實的基礎，並制定由人工智慧驅動的策略，藉此同時提升購物體驗與營運績效。在利潤微薄且競爭激烈的產業中，運用自主型人工智慧不僅是競爭優勢，更是不可或缺的關鍵。