为什么没有企业能跟上亚马逊的人工智能商务动作

Ronen Schwartz 是 K2view 的首席执行官。

发现顶级金融科技新闻和活动！

订阅 FinTech Weekly 的新闻通讯

摩根大通、Coinbase、Blackrock、Klarna 等高管在阅读

亚马逊 AI 头条背后的未被讲述的故事

当亚马逊宣布其 AI 购物助手 Rufus 现在正在带来客户参与度的巨大提升以及数十亿的新增销售时，反应立刻出现：惊讶、钦佩，以及一丝嫉妒。它被认为是企业在客户体验方面迈出的大胆一步。

但这并不只是 AI 模型本身的胜利。之所以能够做到，是因为它依托于一个封闭的生态系统。亚马逊完全在自己的平台上运作，在这里，产品、客户、行为和购买数据被统一起来并由其掌控。对大多数企业而言，这种模式并不现实，尤其是在金融服务领域。该行业是采用 AI 驱动的呼叫中心最多的行业，约占全球市场的四分之一。然而，行业数据仍然分散在银行账户管理、CRM、计费和支持平台之间。在这样的环境中，AI 往往难以发挥作用。

教训很直白：客户体验的成功，与其说取决于模型的聪明才智，不如说取决于其背后数据的质量与完整性。没有统一且具备上下文的视图，AI 代理更可能打乱支持流程，而不是改进它。

当 AI 遇到混乱的现实

对大多数企业来说，数据环境看起来与亚马逊那种精简的、纵向一体化的平台完全不同。信息分散在数十个系统之中，每个系统都只掌握客户记录的一部分，在某些地方存在重复，在另一些地方则已过时，而且很少保持同步。

把 AI 投入这样的环境，就会引发混乱。客户收到的是相互矛盾或不完整的回复，信任逐渐流失，而人类代表不得不介入以重建信心。原本意在自动化的事，最终变成返工，令双方在对话中都背上更重的负担。

把它想象成：你去雇佣一位出色的客服代表，却把一个塞满了不完整或标注错误记录的文件柜交到他手里。他的才能被浪费了，因为基础已经被破坏。AI 代理也是同样的道理：没有一致、准确且及时的信息，它们注定会失败。

在客户体验中规模化落地 AI，真正需要什么

想要复制亚马逊头条的企业，往往会把注意力集中在模型本身：微调提示词、比较供应商，或追逐下一版发布。但决定长期成功的关键因素，是支撑这些模型的数据底座。

要让 AI 代理可靠且能够满足企业级落地要求，组织需要三个关键要素：

*   **集成**：分散在数十个系统中的客户信息必须统一成单一、一致的视图。 
*   **治理与安全**：在 AI 能对数据采取行动之前，数据必须准确、去重、受到保护，并符合隐私法规。 
*   **实时上下文**：代理需要的是目前可用的最新信息，而不是过时的快照或静态记录。 

没有这些基本要素，AI 很快就会崩塌，带来错误、合规风险以及令客户失望的结果。有了它们，AI 才能从试点走向规模化，带来真正有意义的影响。教训很简单，但常常被忽视：聪明的代理需要更聪明的数据。

从试点到转型

在各行各业，企业都在尝试在客户体验中应用 AI，在服务流程中推出聊天机器人、虚拟助手或生成式工具。然而，这些努力大多仍然停留在试验阶段。最近一份 MIT 报告发现，近 95% 的 AI 项目无法进入生产环境。客户体验方面的转型也不例外。 
从“试验”走向“转型”，关键在于数据底座。

断联、低质量的数据会削弱支持能力。干净、统一的信息才能实现规模化、一致性以及负责任的采用。只要打下正确的基础，企业最终就能从试验转向生产系统，从而同时强化客户关系与业务结果。

灵感与警示

亚马逊的故事既是一个里程碑，也是一个警示。它展示了当 AI 代理由连接的、高质量数据驱动时，可能达到怎样的效果，但也揭示了这种设置有多么罕见。大多数企业并不能简单地复制它。未来客户体验中的 AI，不会仅由越来越复杂的模型来定义，而将由那些愿意投资于数据底座、从而让这些模型真正有效的组织来塑造。