為什麼沒有企業能跟上亞馬遜的人工智能商務動作

Ronen Schwartz 是 K2view 的執行長。

探索頂尖金融科技新聞與活動！

訂閱金融科技週刊的電子報

由摩根大通、Coinbase、貝萊德、Klarna 等高管閱讀

亞馬遜人工智慧頭條背後的不為人知的故事

當亞馬遜宣布其人工智慧購物助手 Rufus 現在能大幅提升客戶參與度並帶來數十億的額外銷售時，反應立刻出現：驚訝、欽佩，以及一絲嫉妒。這被視為企業在客戶體驗方面的一大突破。

但這不僅僅是人工智慧模型的勝利。它是由一個封閉的生態系統所促成的。亞馬遜完全在自己的平台上運作，產品、客戶、行為和購買數據都被統一和控制。這樣的設置對大多數企業來說並不現實，尤其是在金融服務行業。該行業的AI驅動客服中心的採用率最高，約佔全球市場的四分之一。然而，其數據仍散落在銀行帳戶管理、客戶關係管理（CRM）、帳單和支援平台中。在這樣的環境下，AI的表現就會受到限制。

教訓很簡單：在客戶體驗中取得成功，更多依賴於數據的質量和完整性，而非模型的聰明才智。沒有統一的、具有情境的視圖，AI代理更可能造成干擾而非改善支援。

當AI遇上雜亂的現實

對大多數企業來說，數據環境與亞馬遜那種流暢、垂直整合的平台完全不同。資訊分散在數十個系統中，每個系統都保存著客戶記錄的一部分，有的重複，有的過時，且很少同步。

將AI引入這樣的環境會造成混亂。客戶會收到矛盾或部分的回應，信任度下降，人類代表不得不介入以恢復信心。原本旨在自動化的流程，反而變成了重工，增加了雙方的負擔。

就像雇用一位技術熟練的客服代表，但卻給他一個裝滿不完整或標籤錯誤記錄的檔案櫃。他的才能因此被浪費，因為基礎已經崩壞。對於AI代理也是如此：沒有一致、準確且及時的資訊，它們就注定會失敗。

擴展客戶體驗中AI的真正關鍵

渴望模仿亞馬遜頭條的企業，常常專注於模型本身，微調提示詞、比較供應商或追逐下一次版本發布。但長期成功的決定性因素，是支撐這些模型的數據基礎。

為了讓AI代理可靠且適用於企業，組織需要三個基本要素：

*   **整合**：分散在數十個系統中的客戶資訊必須統一成一個一致的視圖。 
*   **治理與安全**：數據必須準確、去重、受到保護，並符合隱私規範，才能讓AI進行操作。 
*   **即時情境**：代理需要最新的資訊，而非過時的快照或靜態記錄。 

沒有這些基本要素，AI很快就會崩潰，產生錯誤、合規風險和失望的客戶。擁有它們，AI才能從試點走向規模化，產生有意義的影響。教訓很簡單，但常被忽視：聰明的代理需要更聰明的數據。

從試點到轉型

各行各業的企業都在嘗試在客戶體驗中應用AI，推出聊天機器人、虛擬助手或生成式工具來改善服務流程。然而，大多數這些努力仍停留在試驗階段。麻省理工學院（MIT）的一份最新報告指出，近95%的AI專案未能進入正式運營。客戶體驗的轉型也不例外。 
試驗與轉型之間的差距，歸根究底在於基礎設施。

數據分散且質量差，會破壞支援。乾淨、統一的資訊則能促進擴展、一致性和負責任的採用。有了正確的基礎，企業終能從試驗轉向正式系統，強化客戶關係與商業成果。

啟示與警示

亞馬遜的故事既是里程碑，也是警示。它展示了由連接的高質量數據驅動的AI代理的可能性，但也揭示了這種設置的稀缺性。大多數企業無法簡單地複製它。未來的客戶體驗AI，不僅僅由越來越先進的模型來定義，更將由願意投資於數據基礎的組織來塑造，因為這才是讓模型發揮效能的關鍵。