為何沒有企業能跟上亞馬遜的AI商務動作

Ron Schwartz 是 K2view 的執行長.

探索頂尖金融科技新聞與活動！

訂閱 FinTech Weekly 的電子報

由摩根大通、Coinbase、Blackrock、Klarna 等高層閱讀

亞馬遜 AI 頭條背後的不為人知故事

當亞馬遜宣布其 AI 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，甚至帶點羨慕。這被視為企業在客戶體驗方面的一大突破。

但這並非僅靠 AI 模型的勝利。它的實現依賴於一個封閉的生態系統。亞馬遜完全在自己的平台上運作，產品、客戶、行為和購買數據都統一且受控。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。該行業在 AI 驅動的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、CRM、帳單和支援平台中。在這樣的環境下，AI 難以發揮作用。

教訓很簡單：在客戶體驗方面的成功，較少取決於模型的聰明程度，而較多取決於其底層數據的質量與完整性。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。

當 AI 遇上雜亂的現實

對大多數企業而言，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，有些重複，有些過時，且很少同步。

將 AI 引入這樣的環境會造成混亂。客戶會收到矛盾或不完整的回應，信任度降低，人類客服代表必須介入以恢復信心。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。

就像聘請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文件櫃。他的才能因此被浪費，因為基礎資料已經破碎。對於 AI 代理也是如此：沒有一致、準確且及時的資訊，它們就注定失敗。

真正擴展客戶體驗中 AI 的關鍵

渴望複製亞馬遜頭條的企業，常常專注於模型本身，微調提示、比較供應商或追逐下一次版本更新。但長期成功的決定因素，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。而有了它們，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優化服務流程。然而，大多數這些努力仍停留在試用階段。MIT 最近的一份報告指出，近 95% 的 AI 項目未能推向生產。客戶體驗的轉型也不例外。

試驗與轉型之間的差距，歸結於基礎設施。

數據分散且質量差的情況，會破壞支援。乾淨且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，企業終能從試驗階段轉向正式運營系統，強化客戶關係與業務成果。

啟示與警示

亞馬遜的故事既是里程碑，也是警示。它展示了當 AI 代理由連接良好且高質量的數據驅動時的可能性，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決定，而是由願意投資於數據基礎的組織來塑造，這才是讓模型發揮效用的關鍵。