Walmart 生成式 AI 應用實例與業界學界觀點
Walmart 應用生成式 AI 的場景多元，不只在多種型態的購物場景強化消費者體驗，還有面向供應商、總部員工、門市員工，及內部 IT 人員的應用
資料來源 : Walmart 生成式 AI 應用實例與業界學界觀點 ITHOME
圖片來源 : Walmart
生成式 AI 應用 1
混用 GAI 和預測型 AI 分類商品，靠思維鏈優化提示工程找出高關聯商品組合
同一件商品，在不同情境下有不同用途。在不同顧客尋找同一件商品時，辨別他們心目中的用途，並呈現出用途相關的商品，是 Walmart 打造個人化電商體驗的重要一環。不只如此，完善了商品分類數據，也有助於搜尋、推薦、顧客意圖理解，以及發展其他各種會用到商品數據的應用。
為了做到這件事，Walmart 打造了一套多對多商品分類法，利用自家開發的 AI 工具 Ghotok，來配對商品目錄上能看到的主分類（Category），以及商品用途分類（Product Type），並評估兩種分類之間的關聯性，進而決定推薦或搜尋等頁面呈現出的相關商品。
Ghotok 同時應用了預測型 AI 與生成式 AI。首先，會用領域專門的預測型 AI 模型，來評估商品的主分類和哪些用途分類有高關聯性，並記錄高關聯性的「主分類、用途分類」組合。接著，再利用思維鏈（Chain-of-thought）提示工程，讓生成式AI模型進一步從這些組合中找出最具關聯性的少數商品，呈現給顧客。
Walmart 有4億商品 SKU、上千種主要商品分類和商品用途分類，產生的商品分類組合有上百萬種，數據規模非常龐大。設計商品分類方法時，必須兼具硬體運算成本管控，以及對語意理解的高精確度。這正是為什麼，Ghotok 分類分為2個階段，採取先後使用預測型 AI 和生成式 AI。
生成式 AI 應用 2
打造購物用聊天機器人，靠 GAI 比價、搜尋，甚至主動追問顧客需求
除了利用生成式 AI 來強化搜尋系統分類能力，Walmart 還將生成式 AI 應用於消費者語意理解上。消費者不只可以使用關鍵字來搜尋商品，更可以利用自然語言來形容商品或商品使用情境。例如：輸入「我想要為周日足球觀賽派對準備」，Walmart 搜尋功能就可以根據這個情境，橫跨不同分類，呈現出相關商品。
不只用生成式 AI 強化傳統搜尋體驗，他們還開發商品探索用的聊天機器人，有問答、搜尋和商品比較功能，還會摘要商品的描述及其他顧客的評價，供顧客進一步參考。未來，Walmart 還計畫強化此機器人語意理解能力，主動根據個人情況追問問題，來提供超級個人化的購物建議，例如詢問消費者看電視情境及家裡客廳採光情況，來推薦電視規格。
應用生成式 AI 於搜尋，不只能強化跨分類搜尋能力，以呈現出更符合顧客需求的商品，同時也能從顧客對話中，更精確地理解、蒐集顧客需求。甚至，Walmart 發現，當他們能呈現出與關鍵字語意上關聯性較低，但符合消費者潛在購買意願的其他商品，可以促成了更多衝動消費，提升了電商獲利能力。
生成式 AI 應用 3
為不同職務建置GAI助手，門市店員幫手甚至能管理庫存和協助報廢
在2023年，Walmart 推出了總部員工用的超級 App，Me@Campus。用生成式 AI 介面整合了自主學習、保險與福利資格查詢、薪資查詢、職涯發展、員工訓練、甚至是公司內導航等各種功能。
去年，他們在此 App 新增了生成式 AI 助手功能 My Assistant，來進一步輔助知識管理及涉及圖文生成的業務。例如，回答員工福利問題或自主學習相關問題，或是用來摘要文件、生成文件草稿等行政作業輔助。
他們也將生成式 AI 導入門市店員的 App 中，利用 Walmart 內部文件及個別門市等級的數據，來提供日常門市營運問答、員工訓練輔助、庫存管理及查詢等知識管理功能。甚至，還能對廢棄物減量及處理提供建議。
廢棄物減量及處理功能是一個利用個別門市數據及 Walmart 內部最佳實踐數據打造的功能。當商品接近有效期限，甚至只是有缺陷，廢棄物減量系統便會根據情況，自動通知門市員工，並給予員工建議，包括降價商品、移動商品、將商品退給供應商，或是捐出此商品等。系統還會分析哪些商品在個別門市造成最多廢棄物，包括常態性或季節性報廢情況，並給出具體的處理指示，未來甚至還會呈現出其他門市的廢棄物處理方法，來促進門市間交流。
生成式AI應用 4
用 GAI 打造多語系語音客服及個人化語音購物功能
語音對話服務是另一個 Walmart 導入生成式 AI 的領域。他們打造了一個對話式 AI 平臺「Converse」，用來開發語音購物、語音客服、內部員工用語音助手等流程和應用。其中，語音購物功能是與 Android 和 iOS 兩大行動作業系統合作開發。這個平臺背後是一個多語言、多模態模型，一方面能支援海外語音對話應用，另一方面，當購物情境發展到更適合其他媒介的情況，系統也可以將整趟購物流程轉移到電商 App等其他介面。多語言模型通常相當龐大，Walmart 為了確保語音購物等體驗足夠即時，利用知識蒸餾法（Knowledge Distillation）來為模型瘦身，以達到毫秒級反應速度。
現有 Walmart 語音對話購物功能，可以搭配過往顧客購物紀錄來給出一定程度的個人化服務。例如，只需要講「請把洗髮精加入購物清單」，系統就可以自動把顧客過往愛買品牌的洗髮精加入購物車。後來，Walmart 還開發出能在顧客詢問商品缺貨時，由語音購物機器人主動推薦替代品的功能。
未來，Walmart 還計畫開發直接能跟語音機器人進行一般性對話，並讓顧客聲控機器人代操整個 Walmart 電商及會員 App 的功能。
生成式AI未來應用
未來應用 GAI 到個人化 AR 購物及第三方供應商客服
不只將生成式 AI 應用於傳統零售場景，Walmart 還計畫將生成式 AI 應用於更多非傳統購物場景，例如 AR購物場景。目前，Walmart App 可以透過鏡頭掃描實際房間或人物，再於螢幕上模擬擺設家具、試穿衣物飾品。這些場景目前主要以傳統 AI 實現，Walmart 打算用生成式 AI 來進一步強化。
一個做法是，打造生成式 AI 購物助手，在 AR 試用的介面中，即時根據消費者預算、偏好主題等需求，來協助消費者決策。
另一個計畫用生成式 AI 強化的購物場景是 B2B2C 商務。他們正在測試一個針對第三方電商市集賣家的客服機器人，讓他們可以針對商品上架、金流物流及其他賣家相關業務提問，提升賣家問題獲得解答的即時性，也降低 Walmart 客服負擔。架、金流物流及其他賣家相關業務提問，一方面提升賣家問題獲得解答的即時性，另一方面也降低 Walmart 客服負擔。
業界觀點：全國電子資訊管理處協理黃漢傑
零售業GAI應用，如何真正落地帶來效益才是關鍵
「我看到 Walmart 生成式 AI 做法很驚訝，怎麼好像在看自己，原來零售業想的事情都一樣！」看完Walmart 生成式 AI 應用，全國電子資訊管理處協理黃漢傑說，自家生成式 AI 應用規畫，許多領域也類似Walmart 的方向。
他坦言，全國電子數據規模與開發量能，遠比 Walmart 來得小，他們選擇尋求市面上較成熟的解決方案，而非從頭開發。不過，全國想發展的生成式 AI 應用領域，不少和 Walmart 一樣，例如用於商品分類數據整理、內部知識管理助手、行銷素材生成、外部客服，甚至是結合生成式 AI 與 AR 購物場景等。
目前，全國電子已經開始利用生成式 AI，生成個人化購物體驗所需素材。他們還利用生成式 AI 整理了大量跨部門的數據，包括 IT 技術文件、家電規格與操作文件、行銷活動文件、業務最佳實踐方法文件等，現在正在以這些文件為基礎，打造內部知識管理系統。未來，將打造內部用 KM 機器人來進一步簡化內部文件存取難易度，更要建置外部客服機器人，提供電器需求規劃、產品諮詢等客戶服務。
看到了先行者的種種生成式 AI 用法，黃漢傑最在意的是，哪一種可以帶來實際效益，他不諱言：「IT 部門想追求最新最厲害的技術，但有時候，做法會與企業的實際利益脫鉤。」黃漢傑更想知道的是，生成式 AI 該如何達成以下這些業務目的，例如創造業績、提升了特定工作流程效率、吸引更多消費者目光等。這才是他眼中，應用生成式 AI 的核心價值。
他進一步說明，許多新技術應用難以直接歸因出實際營收，至少要有量化指標可循。例如優化搜尋系統後，顧客尋找商品時間縮短多少？商品數據貼標時間節省了多少？都是可以為生成式 AI 應用價值背書的指標。「 Walmart 在資料處理上節省了100倍人力，對我來說，就是一大亮點。」他說。
黃漢傑也提到，對全國電子來說，除了 AI 人才普遍不足的限制，還有一大挑戰是如何將技術包裝成產品，實際落地。導入生成式 AI 技術後，如何結合現有技術、系統或介面？如何與行銷等其他非技術的業務策略並用？他希望從 Walmart 等先行者做法中，學習他們如何面臨這些課題。
學界觀點：高科大行銷與流通管理系副教授歐宗殷
Walmart GAI應用兼具深度廣度，能創造四大價值
高雄科技大學行銷與流通管理系副教授歐宗殷觀察，Walmart 生成式 AI 應用已經發展到相當後期的階段，且兼具深度與廣度。
歐宗殷曾借調到統一資訊擔任總經理，之後仍持續擔任顧問，協助統一集團發展數據、AI及生成式 AI 的應用。他從經驗歸納，零售業應用生成式 AI 有5個階段，依序是加速開發、分析消費紀錄及產品資訊等數據、建置企業綜合知識庫及知識管理工具、設計和影音等內容創作，最後一個階段是顧客服務、行銷與推薦。每個階段都可以產生4類價值，包括提高生成內容精準度、帶來實質效益、業務模式創新，和體驗優化。 歐宗殷指出，越後期的階段，這4種價值的含量越高，Walmart 生成式 AI 應用，就遍及了多個階段，更展現了技術深度與豐富的領域知識。 他尤其注意到，Walmart 用生成式 AI 處理上億商品數據的分類時，運用思維鏈（Chain-of-thought）提示工程，來有效描述出消費者使用意圖、行為模式、思考路徑。「這件事情非常困難，背後就是他們雄厚的 Know-how。」另外，Walmart 已經計畫將生成式 AI 結合 AR/VR 購物等新興購物體驗，也是高度創新的應用方法。
他並指出，Walmart 第五階段生成式 AI 做法，進一步幫助了他們其他階段的做法。Walmart 透過生成式 AI強化顧客購物體驗同時，能更好蒐集消費者注重的價值與購物意圖，這些都是極具價值的資訊，可以再投入回第二、第三階段的生成式應用，也就是數據蒐集、分析與管理做法。
回頭看臺灣零售業的 GAI 成熟度，他認為，臺灣零售業主要停留在第三到第四階段，較少大規模應用生成式 AI 於第五階段做法，只有一類 GAI 第五階段應用開始在臺成形。「許多臺灣零售業者想發展 RMN，大家都希望能用生成式 AI 來生成大量素材，準確地提供個人化購物與行銷體驗。」 不過，他認為，要真正善用 GAI 輔助 RMN，首先要做好消費紀錄、產品資訊分析，才能根據這些數據來生成素材，並在實務上投入這些素材於個人化體驗。也就是說，第二到第四階段的紮實應用是先決條件。「臺灣零售業還有一段路要走。」他坦言。