零售商将客户体验 (72%) 与收入影响 (71%) 作为衡量成功的主要指标。
重要信息
- 在 AI 规模化进程中，信任是最终的硬通货。数据碎片化与 AI 输出不一致会带来巨大的声誉风险，进而可能导致客户立即流失。零售商正通过优先选择成熟、低摩擦的应用场景来应对这一挑战，先建立 AI 的流畅运用能力，再向高风险交互场景推进。
- 性能的一致性决定了全球化的成败。在全球范围内交付 AI 面临诸多挑战，主要源于延迟和区域可靠性问题。为此，技术团队正采用云原生平台与边缘服务商，以确保各地用户都能获得无缝、高速的体验。
- 运营孤岛阻碍了 AI 的投资回报率。内部专业能力不足与遗留系统问题常常使 AI 部署陷入停滞。零售商正通过与专业 AI 服务商和全球系统集成商建立战略合作伙伴关系来弥补人才缺口，从而突破资源限制。
- 主动治理是部署的先决条件。安全与合规方面的担忧常常成为创新的瓶颈。通过在早期建立对数据流向与 API 行为的可见性，企业可以在不牺牲合规性或品牌完整性的前提下，规模化地扩展 AI 应用。
- 战略协同可以防止资源耗尽。在没有明确目标的情况下实施 AI，就如同“边造飞机边飞行”，毫无方向可言。零售商正聚焦于可衡量的成果，如收入影响与客户体验，以此获得企业认同，并集中资源投入。
常见问题
最常见的应用场景包括自动化的客户问答 (82%)、视觉产品搜索 (77%) 以及个性化推荐 (74%)。
65% 的受访者将安全问题列为首要挑战，紧随其后的是合规与监管要求，占比为 52%。
零售商正借助外部合作伙伴来弥补基础设施与人才方面的缺口，其中主要包括公有云平台 (58%)、专业 AI 服务商以及全球系统集成商。
边缘合作伙伴对于实现实时交互（如搜索、助手服务和推荐）所需的低延迟体验至关重要。
约有 57% 的零售商预计，其面向客户的 AI 策略在长期内将在全球范围内发挥作用。
近半数 (48%) 的零售商担心，AI 输出不准确或处理不当会导致客户信任丧失、品牌声誉受损以及客户流失加剧。
零售商应采用分阶段部署模式，从成熟、低摩擦的应用场景入手，先验证性能表现，再向全球范围或复杂工作流扩展。