他指出，GenAI在零售業已展現出顯著價值的應用主要集中在四個領域，分別是整合線上與線下業務、提升現代化客戶體驗、營運效率以及數據驅動的銷售策略。
原生多模態模型成主流
實際上，GenAI在零售業的影響力相當顯著，王譔博引用了麥肯錫的研究報告指出，GenAI有潛力為整個零售產業帶來4,000億美元的潛在收入，可見影響力之大。台灣零售業也正在積極跟進，例如量販龍頭家樂福，運用AI為顧客提供個性化購物體驗；91APP則運用AI提供精準推薦服務，幫助零售商提升銷售效益。
Google Cloud提供的GenAI技術不僅能夠提升零售業的營運效率，還能幫助企業應對複雜的市場變化。Google Cloud台灣技術副總林書平指出，AI技術的演進過程不僅促使企業重新思考其營運模式，還必須建立相應的基礎設施，確保系統的安全性和穩定性。林書平特別強調，GenAI的應用需要強大的運算能力和靈活的技術平台，而Google Cloud平台正是為了滿足這些需求而設計。
林書平進一步提及，Google在AI發展過程中經歷過幾個重要的里程碑，例如2015年發表的LaMDA成為目前聊天機器人AI代理的重要基礎，而2017年的Transformer，則為現代GenAI提供了核心技術。到了2022年，Google發表了多步推理（Multi-step Reasoning）和Chain of Thought等技術，以提升AI在解決複雜問題時的推理能力，尤其在自然語言處理、機器學習等領域的應用中非常重要。
去年（2023）Google正式發表Gemini模型家族，包括Gemini Ultra、Pro、Flash、Nano等，這些模型能夠根據應用場景的需求進行針對性的優化。例如，在零售業應用中，某些場景需要AI回應速度快，而其他則需要精確性更高，Gemini模型家族能夠滿足這些不同的需求。同時，企業也需考量運行成本，因為AI模型的複雜度與生成內容的成本息息相關，Gemini家族的設計便是為了應對不同場景的應用需求，提供靈活的模型選擇。
Gemini模型家族的三大特點包括：成熟的推理能力、程式語言設計與規劃能力，以及原生多模態的特性。林書平說明，成熟的推理能力展現在AI可透過多個步驟來解決數學問題，或在零售業進行顧客終身價值分析。而在程式設計方面，Gemini Ultra透過推出程式碼生成系統AlphaCode 2，顯著提高了程式設計的效能。原生多模態的特性則是讓AI能夠同時理解文字、圖像、音訊，這對於行銷應用場景中同時生成圖片與文字、甚至是廣告影片，帶來了相當大的優勢。
多數GenAI模型大多僅只能處理文字、圖像、音訊等單一類型的資料，須依賴專屬於該類型資料的模型進行處理。Gemini模型則是從一開始就針對多模態進行預訓練，設計成原生的多模態模型。這意味著，Gemini能在同一個模型架構內，同時處理圖片、影像、聲音與文字，並且在預訓練階段即能讓模型學習如何跨越不同模態進行理解與推論。這種原生多模態的設計方式有助於提升模型的統一性與適應性，使其在處理複雜且多樣的資料集時，能夠更加有效率且準確地進行處理。
Gemini模型在零售業的應用特別強調原生多模態模型的重要性，它能處理多種資訊模態，例如以圖找圖、語音搜尋圖片等，並支援個性化定價與供應鏈預測。透過整合GenAI技術與完整的資料平台，例如Google的Vertex AI，企業能在AI平台上靈活選用最適合的模型，進而提升應用效能，滿足不同的場景需求。
在Google Cloud的Vertex AI平台中，模型選擇的彈性以及開放性是其關鍵特點之一。這個平台不僅支援Gemini模型，還能夠整合市場上常見的開源模型，例如Mistral、Midjourney和Llama等。這樣的開放性讓企業能夠依據不同場景的需求，自由選擇最適合的模型來處理各類任務，這就是專家混合模型（Mixture of Experts，MOE）技術的核心概念。
MOE機制能夠根據請求的特定需求，自動分配到最適合的專家模型進行處理，確保每一個場景都得到最有效的模型支援。舉例來說，零售業者可藉由Vertex AI平台，根據不同的業務需求靈活選用最適合的AI模型，不僅如此，平台也整合了多種應用開發的技術能力，進一步支援AI優化和基礎設施的發展。
數位轉型引領零售業創新
在台灣已經深耕35年的家樂福，從早期的量販店發展到現在，已經建立起一個多元化的生態圈，涵蓋實體與線上通路。台灣家樂福數位長林文子表示，雖然實體店面的表現已相當優異，但線上業務仍是家樂福近年來持續努力的方向，旨在滿足不同消費族群的需求。
林文子強調，數位轉型的成功關鍵在於專職團隊的投入，而非讓員工兼任多重角色。她以自己的經驗為例，她在家樂福服務了30年，前25年在採購部門，對公司的核心業務和經營理念已有深刻的理解。自2018年開始家樂福成立數位轉型團隊，就是由她來領軍數位轉型團隊，結合跨部門的專業人才，確保轉型策略與公司目標一致。
2019年起，家樂福的電子商務業務已取得顯著成效。相較於一般線上購物平台，林文子認為，家樂福更專注於生鮮雜貨的線上服務，這也是主要銷售項目。「線上銷售自2019年推展至今，已成長超過三倍。」
家樂福擁有超過一千萬的會員，活躍會員達600多萬人。如何有效利用這些龐大的會員數據，結合CRM系統，透過數據驅動創新，成為了重要的發展方向。近兩年GenAI受到各產業關注，家樂福也不例外，自2023年開始引進AI與GenAI應用，以提升管理效率和顧客體驗。
林文子不諱言，若非早在2018年就已啟動數位轉型計畫，家樂福不可能在GenAI興起後如此迅速地導入相關應用，例如銷售預測、個人化精準行銷、智慧化商品推薦、缺貨商品推薦等機制。畢竟推動數位轉型需要大量的資金投入，但要求公司一次編列上億的預算並非易事。
為此，家樂福尋求外部資源，與Google Cloud等合作夥伴合作。透過這些夥伴的專業經驗，不僅減少了嘗試錯誤成本，也讓數位轉型計畫得以順利推展。因此，自2018年開始，家樂福逐步把所有應用系統遷移至Google Cloud，目前已完成100%的上雲計畫。
因應零售產業發展趨勢，家樂福近期正在積極發展零售媒體聯播網（RMN）專案，並積極整合CRM資料與線下門市的數據，以同步規劃實體門市內的數位廣告。林文子認為，零售業擁有龐大的消費者行為數據，若能善加利用，將可發展更多元化的服務。例如近期與Google Gemini合作，推出AI侍酒師服務。這項服務透過對話形式，根據顧客的個人喜好和預算，推薦合適的酒品，進一步提升購物的便利性和個性化。
零售AI開啟媒體廣告新未來
主要協助零售業進行數位轉型的91APP，91APP產品長李昆謀指出，更精確的描述應該是協助零售業進行AI轉型。自2023年起，91APP與Google合作，探討運用現代發展快速的大語言模型與AI應用，建立專屬於台灣零售業的GenAI模型。經過兩年的研發，91APP開發出一套零售業專屬模型，稱為「jooii」（諧音「九一」）。
這套模型的背後，即為91APP長期以來與Google合作的成果。實際上從大數據時代起，91APP就協助客戶收集與利用深度學習技術整理資料。自2017年起，91APP開始在推薦系統及搜尋機制上應用深度學習技術，這些機制背後的基礎其實就是AI。然而，李昆謀觀察到當時消費者對於所謂的AI應用仍抱著懷疑態度，直到2023年GenAI技術的突破，使得AI的應用變得更加廣泛。
91APP持續研發零售業所需的應用場景，並在2023年突破過去AI應用框架，引入GenAI，建構了jooii模型。李昆謀說明，jooii不僅能生成商品文案、行銷文案，還可進行洞察分析、分類描述及商品評論，為零售業提供多方面的輔助。
「零售業的核心問題在於如何將人與商品精準配對，也就是幫消費者找到合適的商品，並幫助商品找到合適的消費者。為了解決這一問題，91APP採用了Google發明的雙塔模型（Two Tower），這個模型的核心在於將人與商品向量化，把他們的特徵值抽取出來，進行配對。」李昆謀說。
他進一步提及，隨著GenAI發展，91APP研發團隊開始引入了嵌入模型（Embedding Model），這個模型能夠將商品轉化為768維度的向量，極大提高了向量空間中的配對精度。由於高維度向量的數學運算難度較高，傳統的大數據分析工具如BigQuery無法有效處理高維度數據的運算需求。因此Google Cloud推出了Vertex AI Vector Search，能夠在幾秒內完成高維度向量的數學運算，使其足以應用在實際的商業場景中。這也成為jooii服務的基礎。
由左至右：Google Cloud台灣業務副總經理王譔博、台灣家樂福數位長林文子、91APP產品長李昆謀、Google Cloud技術副總經理林書平，共同攜手推動台灣零售業邁向智慧化應用，開創新商機。
然而，在商品與消費者配對的實驗中，李昆謀發現配對精度不高，根本原因在於消費者關心的情境標籤與商品屬性之間存在差異。舉例來說，客戶可能描述某商品具有「水楊酸通過國際認證」，但消費者實際想了解的是這個商品是否能「去除雀斑」。因此，91APP研發團隊發展出「三塔模型」，增加了情境標籤，來橋接消費者需求與商品屬性，這個模型正在申請專利中。
這套三塔模型成為jooii的根本，能夠應用於多種場景，例如推薦系統、電子報推播及商品標籤生成等。91APP利用這個模型為客戶提供了個性化的推薦服務，包含針對五萬名會員發送個性化電子報，每一封郵件的內容都根據收件者的偏好而不同。
除了消費者端應用，91APP也將jooii模型應用於客戶的後台管理。隨著91APP系統功能日益複雜，開始引入了GenAI助理來協助後台操作，例如搜尋功能及自動生成統計報表等，幫助客戶更有效地操作後台。
「91App在2024年年底預計將推出全新的RMN 3.0解決方案，這是一個整合了AI技術的全通路（Omnichannel）零售媒體網路解決方案，簡稱Omni-RMN。這個系統進一步提升了AI推薦的能力，能夠針對不同受眾進行更加精確的推薦，並結合AI生成的廣告素材，將Google、Meta、LINE等主流媒體系統進行整合，使廣告投放變得更加智慧化與個性化。」李昆謀說。