作者信息

杨大坤，贝恩公司全球合伙人、大中华区零售业务主席
辛海燕，贝恩公司全球专家副合伙人、大中华区高级数据分析部门负责人

内容提要

• 不少生成式AI试点项目已取得非凡成果，但对零售商来说，当务之急是迅速进行规模化部署，以免在竞争中落于人后。
• 零售商可以通过明确用例群优先级，加速实现规模化，例如旨在打造个性化购物体验或自动化软件开发的用例群。
• 吸取互联网发展初期的经验教训，避免重蹈覆辙，零售商还必须确保生成式AI项目的规模化推进能通过三大考验：变革管理、用户普及和人才储备。

随着生成式AI在头部企业中的广泛测试和应用，过去一年多的时间里，大多数零售商都见证了这项技术无可否认的影响力。尽管在试验速度和范围方面仍存在差异，绝大多数零售商认为生成式AI能迅速提高生产力，并能通过一系列成本节降，缓解整个行业的利润压力。

有些零售商则先人一步。在意识到生成式AI重塑消费者购物方式的巨大潜力之后，它们立刻在对话式搜索和个性化应用等领域展开试验并取得初步成果。它们的成功经验表明，生成式AI有望大幅提高企业营收，而且不仅仅是在中期，例如自动化生成SEO友好型产品页面、AI生成客户评论摘要等强化功能，有机会在短期内实现销售提升。

生成式AI应用的第一年也促使零售商认真思考其长期影响。有些零售商认为AI浪潮袭来，如果无法充分利用这项技术，最终必将被市场所淘汰。它们一方面担心大型科技企业将强势介入需求刺激和产品筛选等消费者购物旅程的早期阶段，另一方面则害怕被更快实现生成式AI的数字新兴企业挤出。

量化这些情景带来的长期风险是困难的。但高管团队不需要什么未卜先知的超能力，就应该意识到，企业生成式AI当前的战略重心必须从测试转移到规模化部署上。这是当下所有零售商的当务之急，无论它们2023年和2024年初的试点项目中走了多远。

加速规模化至关重要，因为购物者已经开始在日常生活中大规模采用AI工具，比如ChatGPT和微软的Copilot等产品。率先部署AI技术的零售商也开始推出自然语言搜索、客户评论摘要等强化功能，重塑消费者购物行为。如果零售商不尽快推广部署生成式AI，依然停留在站内小规模敏捷迭代或者内部用例测试阶段，那么随着该技术的日益普及，它们将错失生成式AI重塑客户体验所带来的重大利好，难以满足消费者不断提高的期望。

零售行业微薄的利润是规模化如此重要的另一大原因。生成式AI赋能的生产力提升和成本节降将成为零售行业AI先行者的制胜法宝，助力企业大幅提高利润率，并从行动迟缓的竞争对手手中抢占市场份额。

规模化部署从来不是一件容易的事情。虽然相比其他大型技术投资，生成式AI的规模化难度相对较小，发展进度可以用“月”而非“年”来衡量，但这项新技术将引发整个零售行业各职能的深刻变革，因而在规模化过程中也面临独特的挑战。不过，零售商应该对此倍感振奋，因为生成式AI项目的投资回报率极其可观。事实上，如果零售商按照回报倍数对手中所有的投资项目进行排名的话，已实现规模化部署的生成式AI项目很有可能将垄断前十名。

借助用例群，释放生成式AI最大潜力

那么，零售商应该如何从相互独立的试点项目过渡到生成式AI的规模化部署，从而在关键战略领域脱颖而出呢？一个有效的方法是按相似的目标和技术基础划分用例群并明确用例群优先级。通过划分用例群，零售高管团队可以从全局出发，制定整个公司层面的生产力和收入增长路线图，不再囿于某个职能部门。

这种方法可以加速实现开发成本节降（通过增加可复用模块和方法的使用比例），同时简化相关维护工作（通过主用例逐级向下优化更新）。此外，该方法还有助厘清整个组织的生成式AI旅程，提高落地工作的透明度，并加强团队建设，实现短期和长期机遇“一把抓”。

旨在打造个性化客户体验（包括零售商与消费者之间的沟通方式）的用例群发展潜力巨大。一家率先完成生成式AI战略部署的零售商已经初尝技术红利甜头。它在个性化领域的早期布局包括一款对话式AI购物助手。该零售商有望凭借这款AI助手将购买转化率提高至少7个百分点，并收获相当于投资额24倍的额外收入。

结合贝恩在全球范围内的生成式AI项目经验，不少零售商可以通过购物助手、增强搜索和本地化购物推荐等个性化举措，实现5%到10%的收入增长（图1）。

除了打造个性化的购物者沟通和体验外，零售商还可以在其他领域重点发力用例群，从谨慎的初步尝试转变为大胆的战略举措。

零售商可能已开始尝试使用生成式AI来优化和简化营销工作，也取得了可喜的成果。要想实现更高的投资回报，高管团队需要进一步推广自动化营销材料生成，例如内容翻译和再利用、社交媒体和动态个性化登录页面创建。我们预计，这个更广泛的用例群可以使营销生产力提高30%到40%。

零售商还可以通过在软件开发中划分用例群来大幅提高生产效率。这方面的初步尝试可以说是成果颇丰。例如，率先部署AI用例的零售商利用编程助手自动完成代码编写，实现25%到40%的生产力提升，换算下来相当于投资额的50倍以上。零售商可以通过划分用例群，将AI用例的早期成果推广到更多领域以创造长期价值。

此外，还有一个涵盖了各类生成式AI增强功能的用例群，可用于重塑零售员工在前线、仓库和总部的工作方式，我们称之为“超级员工”。我们预计，此类措施可以实现5%到25%的生产力提升。

推广生成式AI的三大核心考验

针对生成式AI规模化的大胆押注，最终能够获得多少回报，是由诸多变量共同决定的。但就目前来看，贝恩认为其结果主要取决于零售商面临的三大考验。

1. 变革管理考验。企业需要的不单单是降本增效，还要从前线和企业层面全方位重塑工作岗位（图2）。而零售商在尽力发挥生成式AI全潜力的过程中，也必须确保员工对变革举措信心十足且积极投入。这离不开灵活的沟通和规划，不仅仅因为岗位重塑无法一蹴而就，更是因为当下做出的任何改进都应服务于企业未来发展。

举个例子，过去企业内部分享最佳实践的常见做法是自上而下传达，例如分发动辄上百页的PDF文件供员工自行参考，而生成式AI则能以更加高效、平实的方式提炼和传播智慧结晶。但生成式AI的最大优势其实在于能够从前线收集并整理非结构化的数据输入，用于持续优化传播内容。例如，总部运营团队对销售冠军进行采访，并利用生成式AI分析最佳实践的演变方向，以及标准操作程序是否与时俱进。

2. 用户普及考验。要想从小范围试验顺利过渡到规模化交付，零售商亟需确保把生成式AI工具交到每一位员工手上，而非囿于少数技术人员。但同时，部分生成式AI相关职能需要集中到总部，避免出现重复劳动或其他效率低下问题。问题的关键在于如何在普及化和集中化之间找到合适的平衡点。例如，与其要求多个团队同时评估生成式AI响应的可靠性，不如组建一支跨部门团队专门负责评估工作来得效率更高。

3. 人才考验。传统零售商纷纷加码数字化能力，以期加大对技术型人才的吸引力，但仍不足以吸引业内顶尖的生成式AI工程师。对此不必太过担忧，毕竟各行各业里只有少数头部企业能够成功抢夺顶尖人才。真正的人才考验在于如何提升现有员工的技能水平，其中一种做法是率先推动部分核心员工完成技能提升，随后由他们在组织上下宣传和分享个人经验。当然，这项工作也不可能一蹴而就。考虑到生成式AI部署的最佳实践日新月异，零售商必须帮助员工持续更新技能组合，不论是在技术相关岗位还是组织其他部门。

回望1995

回想30年前，即互联网发展早期，当时刚刚涌现的打通“信息高速公路”一说在某些领域被视为过度炒作。想象一下，假如人们当初能预想到互联网对零售行业的巨大冲击，假如企业高管们早在1995年就能预见到行业未来的转型趋势，那么他们势必会采取截然不同的行动，早早地将这项新技术摆在企业发展的核心位置。

生成式AI的影响力可能会与当年的互联网相类似，推动市场迎来新一轮的优胜劣汰，只不过前进的步伐甚至会更快。在接下来的几个月里，零售商手握战略性投资的巨大商机，有望成为未来AI辅助应用领域的先驱者。现在正是收割扩大早期回报的好时机。