五大產業最前線|生成式 AI 新演繹

電通智能中心 智庫團隊

大企業在生產、銷售、人力管理、研發與財務工作上面,採用人工智慧 (Artificial Intelligence, AI) 進行輔助已行之有年。例如,透過 AI 預測銷售及提升客戶體驗,或是高效的供應鏈管理。內部員工進行自動化工作,簡化文書處理等等,AI 也不缺席。

在這些與 AI 互動的經驗中,企業領略到其價值所在。包含 AI 協助的個性化推薦,用以提高顧客購物車的平均價格,或是加速其購買決策以節省時間成本。另外,員工可以降低出錯的風險,專注於更有創新和策略性的任務。眾多益處在在顯示出,AI 在企業運作的各個領域都能發揮重要作用。

然而,與解決特定問題的分析式 AI 不同,生成式 AI 是使用數據分析來創建原始內容,例如:文字、圖像或音樂。對不少企業品牌來說,已經超越了實驗階段,而正應用於既有的工作上面。主要包含設計、溝通、數據洞察、預視與預測,以下將以五大產業案例,提出實際運用的狀況:

一、日用清潔品|與機器人一起找數據洞察

對於企業來說,分析式 AI 已可以將雜亂的數據進行有效且自動化的整理,但不少判讀報表的工作,仍讓同仁們感到麻煩。因此,讓員工可以用自然語言及口吻與機器人溝通,並發號施令找到使用的洞察與方案,將可以有效加速判讀的速度,作出更多值得參考的商業決策。

另外,以日用清潔品來說,過往產品的配方是從上千種成分中挑出數十種出來配製而成,後續需要人工與實體的無數測試;配方發展專家也需要依據不同市場需求調整配方參數,以符合該地消費者的使用習慣。現在 AI 則可以將多個步驟以對話方式透過與生成式AI 協作來展現。

首先是了解人機協作在整個配製過程中可以扮演哪個角色,以加速整體程序運作。再來,讓產品部門利用「可解釋 AI」(Explainable AI) 以較小的規模進行快速的創新與測試,並給予新的產製流程建議。假設產品需要替換掉某個成分,開發部門可以要求 AI 在同樣成本考量下,推薦適當的替代品。如果新推薦的成分的含量會造成其他影響,那麼研發人員也可以為這個成分設定一個限制,並讓 AI 生成一套新的配方。如此一來,反覆運算來找到最適當的配方。

二、零售業隨侍在側的零售幫手

對於消費者每日都要造訪的零售通路來說,生成式AI 也漸漸成為重要的「支援前線」戰隊。以文字型的生成式 AI 工具 ChatGPT 為例,就可以協助改善三項工作流程。

首先,在線上購物網站加入聊天機器人可以幫忙做各式各樣的購物建議。例如根據採買預算,回應採買建議。或是在不浪費食物的情況下,了解家中已有的食材,做食譜搭配。再來,可以將產品資料投入機器訓練,以為消費者的疑難雜症提供解方。對於產品的細節可以給予更清楚的介紹。最後,也將 ChatGPT 融入採購部門的工作,協助員工處理標案撰寫及報價評估

除了購買與產品資訊上的協助外,生成式 AI 也可以輔助優化使用者體驗、預測需求、分析消費者行為,以及降低詐騙機率。尤其零售業依據營業規模大小,需要閱讀報表數據的頻率不一,因此在生成式 AI 的協助下,可以協助分析人員從儀表板中讀出背後的意義與洞察。

另外,除了品牌擁有的線上購物網站、內部數據平台外,將機器人也安置在消費者慣用的通訊軟體中來與顧客對話,也是一項令人感到方便的服務。在品牌與顧客的對話框中,不僅是談論對於商品的需求,也可以在字裡行間,了解消費者背後碰到的真正難題是什麼,並用於數據訓練以預測下一次的消費需求。

圖片來源:Bloomreach

三、汽車奔馳在AI的貼心設計上

汽車產業也有很多在製造過程與消費者使用流程上的工作,值得採用生成式 AI。

部分品牌測試投入在與駕駛的對話上面。例如,與生成式AI 服務商合作,將「生成式預訓練轉換器」(Generative Pre-trained Transformer,GPT) 模型植入一些測試市場的車款中。在生成式 AI 對話機器人的輔助下,原本車上的語音助理能以更直觀的對話方式回答複雜問題。

另外有些車廠則是投入在設計的工作流程中。生成式 AI 可以在設計過程透過模型,快速地判斷各種汽車部位零件組合在一起的狀況,同時做到重量優化,或是預測連接點和載重量等等。在這樣創新方法之下,產生符合設計標準且視覺吸引人的汽車部件,同時大大減少了開發新提案所需的時間。

與此同時,生成式 AI 也可以有效的減少設計師在設計汽車時繁複的過程。例如:在草圖畫出來後,即可以文字提示語 (Prompt) 與系統溝通,來產出新的設計圖。例如:給予「幫我畫有未來感的流線車體,同時也將風阻降到最低」這樣的指令,系統就能變化原本的草圖,來讓設計師選擇。新技術使設計師能夠減少協調設計和工程配合上的迭代,從而實現更有效的工作流程。

圖片來源:TeamViewer

四、服飾時尚產銷因 AI 更美麗

服飾業在疫情洗禮及通膨影響下,消費者持續採保守心態。這也導致庫存控管難以預測,引發供給與需求的失衡。由於製作過程繁複,即便在長年經驗及分析式 AI 輔助下,由於外部因素與消費者價值觀的改變,使得數據收集與分析架構也面對更多新的挑戰。但服飾品牌們仍在嘗試,是否能夠直接問生成式AI 機器人「根據當前銷售數據,我在哪些方面面臨庫存過剩和庫存不足的風險?」

顧問公司 OMMAX 出版的研究報告指出,奢侈品牌正採用生成式 AI 協助集團內部的員工可以更快速直觀的詢問機器人問題,包含如前段所述的風險判斷。機器人也會直接建議可執行的貨品配送策略,優化各市場的庫存。如此確保在正確的時間、在正確的地點,能夠足量產製或是銷售商品,讓供應鏈與消費者端都獲得該有的價值。

對時尚產業來說,AI 已協助消費者在消費旅程有多樣化的「嘗試」體驗。多家品牌陸續推出遊戲型、擴增實境試色、試衣的服務,進而向消費者提出搭配的建議,並導入推薦及購買等更多行銷動作。在生成式 AI 的協助下,品牌也往產製的過程去探索新的可能性。其中有快時尚品牌發現生成式 AI 可以模擬布料編織與印花圖騰的搭配。過往在開發新的布料織法時,常常受限於人工的經驗與能力,但在生成式AI 的演算法下,設計師可以設計新型布料並預測其與設計圖稿結合後所呈現的效果。

圖片來源:Covali

五、餐飲菜單創新 減少人力功夫

疫情苦主之一的餐飲業,在疫後仍難逃服務人員不足的挑戰。但透過生成式 AI 協作部分的工作後,很可能縮短作業時間,極大化人力。例如:訓練消費者過往點餐資料,來建議他這一次的理想菜單。過往服務人員較能在短時間內提供營養方面的建議,現在也可以在生成式 AI 整理過往訂單數據後,向客人提出,減少服務人員在建議菜單上的功夫。

另外,生成式AI 也可以加入餐飲業更加核心的工作——啟發廚師打造創新菜單。美國一家墨西哥連鎖餐廳,就透過 ChatGPT 來做每周更新菜單靈感提供者。業者給定餐點需要符合的營養成分比例,其他的就交由 AI 來決定。

當洗碗精成為快時尚

從以上的產業應用狀況,可以了解生成式 AI 產出直觀文字或對話的優勢,為工作者帶來更多的便利性。在這些經驗當中,也可以歸納出四個注意事項,協助尚未布局的企業,有踏出第一步的著力點:

1. 消弭專業隔閡:透過人機協作帶來的價值,可以有效地破除專業領域間的隔閡、縮短從研發到商品化間層層的距離。過往不容易讀懂的數據,或是不容易商業化的配方或設計,只要經過直觀文字與對話,就能加速配置與測試流程,以利符合市場快速的需求變化。

2. 降低風險:從日用清潔品的例子上來看,因為洗碗精的配方可以快速的調整與測試,所以當任何成分或是原料短缺時,也可以及時請求生成式 AI 建議適當的替代品,降低缺貨的風險。而對於其他工業設計師來說,反覆修改調整的工作,可由 AI 代勞部分工作,讓設計師更能將精力放在把關產出的結果,以及工作前後左右的流暢性管控。

1. 數據隱私的管理:在任何對外的數據佈局中,如何處理數據的透明度,需要優先定義,並與利害關係人溝通。由於 AI 的基本運作需要先訓練大量數據,因此使用了哪些數據,是否涉及消費者或是其他利害關係人所關心的數據,初步要設立框架。如此一來,對內部建立一致的數據價值觀,在有共識下執行數據管理;對外則是讓市場與消費者,放心接受其數據的使用,以及數據訓練後的成果對其消費是有益且有趣的。以汽車產業運用於消費者對話機器人的例子來說,他們將使用者的資料儲存在車廠端專用空間,確保數據受到保護、不致外洩。

2. 做好優質數據的準備:根據 Vogue Business 報導,有奢侈品牌耗資 1,500 萬歐元 (合新台幣約五億元) 在葡萄牙建設數據園區,編制包含數據科學家、工程師、視覺化專家以及商業分析師,總人數達 250 人。數據建置的重要性已不在內部的檢核與任務型分析,而是必須符合後續生成式 AI 訓練的需求。因為無論是真人分析或是 AI 一樣會面臨「Garbage in, garbage out」的狀況。而優質的數據,才能讓 AI 系統不斷向專家提供數據和見解,讓專家真正能夠專注於制定策略和提供客戶價值。

發表迴響