製造業從不缺乏 AI 的遠大願景，當多數企業還在為 AI 試點專案的投資報酬率發愁時，Lenovo 在智慧製造的應用，已經做出成績。

交付提速、物流成本降低：打造有感應力的生產系統

其最具代表性的案例來自北美最大生產基地，該廠導入 AI 與生成式 AI 技術後，整體營運效率出現顯著變化：前置時間大幅縮短 85%，意味著產品交付速度獲得根本性提升；物流成本下降 42%，顯示供應鏈調度與資源配置達到更高精準度；整體生產力提升 58%，反映 AI 已成為推動產線效能的關鍵引擎。這些數據不僅驗證技術可行性，也顯示 AI 在製造現場具備直接的商業價值。

在品質管理層面，Lenovo 採取的是系統性整合思維。傳統製造依賴特定節點的檢測機制，容易形成資訊斷點，影響問題追蹤與改善效率。Lenovo 則透過機器視覺、邊緣 AI 與數位孿生技術，讓品質監控與生產流程緊密連結。當缺陷在產線上出現時，系統可即時辨識並觸發分析流程，快速定位根本原因，避免問題擴散至後續環節。這種架構讓品質數據能與物料流動、設備運行狀態以及上游供應條件產生關聯，形成可持續優化的回饋機制，使整體製造系統具備更高的適應能力與穩定性。

在實際應用中，Lenovo 已於巴西、匈牙利與墨西哥等地導入自動化品質檢測機器單元，將 AI 模型與機器視覺整合進現場作業流程。這類系統能在產品通過檢測站點時同步完成判斷與分類，降低人工檢測的不確定性，並提升一致性與效率。當品質管理轉為即時且連續的過程，製造現場便能更快速回應變化，減少浪費並提升整體產出品質。

聯網供應鏈的威力：iChain 平台如何終結資訊斷點？

在更宏觀的供應鏈面向，Lenovo 推出 iChain 平台，將供應商、物流夥伴與製造端整合於同一數據網絡中。透過即時且安全的數據共享，各方能同步掌握庫存狀態、生產排程與需求變化，提升協同效率並降低資訊落差。這種多層級可視化能力，使企業在面對市場波動時能更快做出調整，強化供應鏈韌性。

電子製造商海信（Hisense）的導入案例進一步說明其成效。該公司在營運環境中採用 Lenovo 的 AI 驅動監控解決方案後，實現了 100% 的監控覆蓋率，讓系統運行狀態全面透明；同時，警報數量減少 40%，代表系統能更精準識別真正需要關注的問題，避免過度干擾；問題調查速度提升 50%，則顯示 AI 在事件分析與定位上的效率優勢。這些改善直接降低營運風險，也提升整體生產穩定性。

為了讓 AI 能順利進入實際生產環境，Lenovo 也強調部署前的驗證機制。透過搭載 NVIDIA 的平台，企業可在模擬環境中訓練與測試機器人系統，確保其在真實場景中具備足夠準確性與可靠性。這種模擬能力有助於降低導入風險，並加快自動化專案的推進速度。

Lenovo 在智慧製造上的布局，不侷限在單點工具的革新，而是打造一種「混合 AI」的整合架構。這種架構最核心的價值，在於將現場人員從冗餘警報中解放出來，並透過數位孿生與模擬技術，在第一顆螺絲釘鎖下前就預見風險。

＊本文開放合作夥伴轉載，參考資料：Lenovo 、《中央社》，首圖來源：Lenovo 

（責任編輯：廖紹伶）

根據《AdAge》報導，零售與餐飲品牌正加速將 ChatGPT 轉化為新的消費入口。近期，星巴克宣布在 ChatGPT 生態系測試全新專屬應用，讓消費者可以直接透過自然語言描述需求，由 AI 推薦飲品並協助完成訂單流程。

點餐不是看菜單，是看心情點餐

《商業內幕》根據星巴克公布的功能指出，用戶現在不一定要先研究菜單再下單，而是能直接向 ChatGPT 描述自己的偏好與情境。例如想找低糖、高蛋白飲品，或是希望來一杯符合陰天氛圍的咖啡，甚至上傳當天穿搭照片，ChatGPT 都能生成相對應的飲品建議。使用者還能在對話中調整客製化選項，包括加入奶蓋、抹茶粉等配料，接著選擇附近門市，最後再跳轉至星巴克 App 或官網完成結帳。

星巴克數位與會員平台主管 Paul Riedel 表示，過去一年觀察到消費者在點飲料之前，往往先有的是「感覺」而不是「菜單需求」。因此，品牌希望透過 ChatGPT 直接切入這種靈感產生的瞬間，讓飲品推薦更貼近當下情緒與生活情境，同時提升消費者對產品的期待感。

該功能目前屬於 Beta 測試階段，主要適用於美國市場，並非全球同步推出。星巴克強調，這次合作的目的之一，是觀察消費者如何透過生成式 AI 與品牌互動，再進一步優化未來的數位體驗。

不只是回答問題，AI 正逐步接管購物流程

星巴克此次和 ChatGPT 合作，業界關注的不只是 AI 推薦飲料本身，而是零售交易流程正在發生變化。過去，ChatGPT 多半被視為資訊搜尋工具，如今則逐漸朝向能夠協助完成購買的 AI 代理角色發展，它不再只是回答問題，而是能代替使用者執行部分消費決策與購物流程。如此一來，消費者不需要反覆切換搜尋引擎、品牌官網與外送平台，只要在聊天介面輸入需求，AI 就能結合品牌資料、商品選項與歷史偏好，自動生成建議並推進交易，做到一條龍完成商品發現、推薦、客製化與訂單啟動。

不過，目前各品牌的 AI 應用成熟度其實仍有差異。以星巴克來看，ChatGPT 已開始介入商品推薦與訂單啟動流程，因此更接近真正的「AI 代理商務」。但部分品牌目前仍偏向 AI 搜尋或導購輔助功能，尚未完全進入自主代理階段。

例如，漢堡王與 Firehouse Subs 目前推出的 ChatGPT 應用，主要聚焦於附近門市查詢、優惠推薦與餐點探索；DoorDash 與 Uber Eats 則讓用戶能透過 AI 將食譜轉化為可購買的生鮮清單，或快速瀏覽餐廳菜單並建立訂單。這類服務雖然提升了聊天式購物體驗，但 AI 的自主決策與代理能力仍相對有限。

AI 正式走向消費者端，代表生成式 AI 在零售產業的角色正在快速擴張。ChatGPT 不再只是聊天工具，而開始成為新的數位店員、導購顧問與購物入口。當越來越多品牌把商品資料、會員系統與交易流程接入 AI 平台後，AI 也將悄悄改變消費者尋找商品與完成購買的方式。

【推薦閱讀】

◆ 投放逾 400 個 AI 代理的零售實驗：銷售轉化提升 57%，周大福如何導入 AI？

◆ 零售業者的新難題：為何 AI 用得越多，消費者就越不信任我？

◆ Anthropic 實驗：讓 AI 自己談價買賣東西，186 筆交易揭商業定價新模式

＊本文開放合作夥伴轉載，參考資料：《商業內幕》、《AdAge》、《TechCrunch》、Starbucks ，首圖來源：Starbucks

（責任編輯：廖紹伶）

全球藥廠近年開始將 AI 視為新藥研發的重要基礎設施。醫療製藥巨頭強生（Johnson & Johnson，J&J）近期透露，公司已透過 AI 大幅縮短新藥開發前期的研究流程，將原本需要耗費大量時間的化合物篩選與優化工作加快一倍，成為大型藥廠導入 AI 的最新案例。

從分子預測到候選篩選，AI 重塑新藥發現流程

在製藥產業中，新藥開發原本就是極度耗時且高成本的流程。從早期研究、臨床測試到最終上市，往往需要長達十年以上時間與數十億美元投入。大量失敗的候選藥物，也讓藥廠長期承受巨額研發風險。AI 的導入，則讓藥廠開始有能力重新優化這些流程。

根據 J&J，該公司目前將 AI 應用聚焦於幾個核心領域，包括 AI 驅動產品開發、新藥研發流程與供應鏈最佳化。其中，化合物篩選是 AI 最具價值的應用之一。透過大型語言模型與機器學習技術，研究團隊能更快速分析大量化學資料，預測哪些分子結構較可能具備療效，降低研究人員在低潛力項目上的時間浪費。

J&J 資訊長 Jim Swanson 表示，公司已成功透過 AI 加速兩項新藥化合物的開發，其中一項應用於腫瘤治療，另一項則聚焦免疫疾病領域。

目前 AI 雖然還無法完全自主發明新藥，但已能有效協助研究團隊在化合物與生物製劑資料中，快速找出具有潛力的候選藥物。這讓研發人員能更快進入下一階段測試，縮短前期試驗與優化時間。

J&J 以 AI 重塑臨床試驗與製藥細節

除了研發端，J&J 也將 AI 導入藥品製造流程。Swanson 表示，在藥物生產過程中，AI 能協助判定何時應加入溶劑，以及控制最適合的溫度條件，藉此提升製造穩定性與品質一致性。這類應用對大型藥廠而言，會直接影響生產品質與成本控制。

另一項受到高度關注的應用，則來自臨床試驗文件作業。臨床試驗本身涉及大量監管流程與法規文件，過去光是一份完整的臨床試驗報告，就可能需要投入 700 至 900 小時的人工作業。如今，J&J 已利用 AI 協助整理與生成相關內容，將整體作業時間壓縮至約 15 分鐘，大幅減少研究與法規團隊的行政負擔。

J&J 也透露，AI 正被用於改善臨床試驗受試者招募流程。Swanson 表示，公司希望臨床研究能更真實反映全球病患結構，因此 AI 會協助分析不同地區與族群資料，提升多元受試者的招募效率，避免試驗樣本過度集中於特定人口。這對藥物最終療效與安全性評估具有重要影響。

J&J 的應用案例，證明了 AI 能夠在高度監管且流程複雜的醫療產業中，找到效率與合規的平衡點，做到 Swanson 所言，AI 與人類員工形成相輔相成的關係而非取代。隨著藥業巨頭將 AI 視為研發製造的基礎設施，未來的製藥競賽將不再僅僅比拚生物科學的深度，更比拚誰能透過 AI 代理更有效地管理知識、加速實驗，並在風險四伏的開發道路上，找到最短的成功路徑。

【推薦閱讀】

◆ AI 熱潮進入製藥工廠端：BMS 產量提升 40%，Eli Lilly 如何用數位孿生突破產能瓶頸？

◆ 交付提速 85%、物流成本降 42%：Lenovo 北美最大生產基地的混合 AI 實戰成果

◆ 98% 自動化、每輛車 2 萬項數據回傳：解析 BMW 慕尼黑廠的 iFACTORY 數位升級邏輯

＊本文開放合作夥伴轉載，參考資料：《Reuters》、《華爾街日報》，首圖來源：Johnson & Johnson

（責任編輯：廖紹伶）

《Supply Chain Dive》報導，知名巧克力品牌 The Hershey Company 日前公布最新營運策略，揭示該公司正大規模將 AI 與數位化技術導入供應鏈、工廠營運與配送流程，希望藉此提升生產效率、降低庫存壓力，並強化市場反應速度。

AI 預測進入食品供應鏈，Hershey 強化零售韌性

Hershey 表示，公司正在建構以 AI 驅動的決策系統，將資料分析能力整合進採購、生產、物流與履約流程之中。這套系統的核心目的，在於讓企業能更快回應市場變化，包括原料價格波動、節慶需求高峰、區域性銷售差異，以及零售端庫存需求調整。對高度依賴季節銷售的食品與糖果品牌而言，供應鏈反應速度往往直接影響營收與成本控制能力。

近年可可、糖與其他食品原料價格持續受到氣候、地緣政治與全球供應鏈變化影響，企業需要更精準掌握採購時機與供需趨勢。Hershey 指出，AI 與決策智慧系統已被應用在原料採購分析，透過整合市場資訊、供需數據與避險資訊，公司能更有效管理可可等重要原料的採購風險，降低價格波動對營運帶來的衝擊。

AI 賦能工廠，推動自動化與「聯網員工」計畫

除了資料分析與供應鏈預測，Hershey 也積極推動工廠數位化與自動化。Hershey 供應鏈團隊目前所運行的決策智慧平台，能即時監控產線資料並主動發送通知給前線員工。例如，當系統偵測到特定生產線進度超前，或是包裝材料即將耗盡時，會主動提醒現場人員補充物料，降低因資訊延遲導致的停工風險。

這與該公司推動的「聯網員工計畫（Connected Worker Initiative）」相輔相成，透過行動裝置與數位指引，讓工廠操作員能隨時掌握產線效率與設備狀態。過去依賴紙本紀錄與人工回報的落後流程已被數位平台取代，不僅解決了資訊傳遞的落差，也讓跨部門間的維護流程與問題追蹤變得更加透明且高效。

Hershey 全球供應鏈主管 Jason Reiman 表示：「對大型食品製造商而言，工廠內每天發生數千次的小型決策，正是影響效率與成本的關鍵，而 AI 驅動的決策智慧能幫助公司提升效率與營運穩定性。」該公司預估，未來兩年內，相關 AI 與數位化投資可望為 Hershey 帶來 5,000 萬美元的生產力提升，同時減少 1 億美元庫存。

精準配置與履約效率提升，優化通路佈局

在配送與零售端，Hershey 也利用 AI 提升產品組合與物流效率。公司目前已開始推動「Custom Assortments」策略，也就是依據不同商店所在地區的消費輪廓、人口結構與銷售資料，調整商品組合與配送內容。透過更精準的商品配置，零售通路能獲得更符合當地需求的產品搭配，也有助於降低庫存浪費。

同時，Hershey 也將履約流程自動化，提升配送單位組裝效率。公司表示，相關技術已讓產品從概念發想到交付市場的時間縮短 50%。對食品與零食品牌而言，面對季節性商品與快速變化的消費趨勢時，能否即時調整供貨與產品配置，往往決定品牌競爭力。

透過將數位技術與前線員工的經驗結合，Hershey 不僅優化了財務報表上的庫存與生產力數字，更成功做到從採購源頭到零售末端的全鏈路自動化，在瞬息萬變的全球供應鏈環境中，建立了一種具備高度韌性的營運模式。

【推薦閱讀】

◆ 交付提速 85%、物流成本降 42%：Lenovo 北美最大生產基地的混合 AI 實戰成果

◆ 季末庫存剩 0.6%、退貨率降一成、碳排減 25%：Zara 供應鏈怎麼用 AI 做到？

◆ 投放逾 400 個 AI 代理的零售實驗：銷售轉化提升 57%，周大福如何導入 AI？

＊本文開放夥伴轉載，參考資料：《Supply Chain Dive》、《AI News》、Hershey ，首圖來源：Unsplash

（責任編輯：廖紹伶）

「零製片預算也能上電視？」這個過去聽起來幾乎是不可能的任務，正在因代理式 AI（agentic AI）而開始成真。根據 C&I Studios 在 2026 年發布的產業報告，傳統製作一支 30 秒電視廣告的成本通常落在 5,000 至 50,000 美元之間，且製作週期約需 4 到 6 週。這樣的門檻，長期將影視廣告限制在少數具備預算優勢的大企業手中。對多數中小品牌而言，創意或許不缺，但將點子轉化為高品質內容的能力，始終是一道難以跨越的財務鴻溝。

廣告製作邏輯被 AI 改變，從昂貴投資變成即時內容

隨著生成式 AI 與代理式 AI 進入廣告製作流程，成本與時間的計算方式被改寫。當前許多 AI 廣告工具已能在數分鐘內完成過去需要數週的製作流程，成本幾乎只剩平台訂閱費或算力支出。對品牌而言，廣告不再是需要長期攤提的資產，而更接近一種可快速生成、隨時替換的即時內容。

以往，一支短短 30 秒的影片，往往需要整個製作體系的投入。從腳本撰寫、分鏡設計，到攝影團隊、演員、配音與後期剪輯，每一個環節都需要專業分工與時間堆疊；如今，AI 代理開始承接過去由整個製作團隊完成的工作。

不同於單一功能的生成工具，代理式 AI 能夠理解任務目標，自主拆解流程並串接多個創意與製作步驟。也就是說，一位行銷人員不再需要協調多方資源，而是可以透過對話，直接完成從構想到成片的整個過程。

Molly’s Suds 案例：AI 讀懂評論，劇本與視覺「自動生成」

美國清潔品牌 Molly’s Suds 的案例，具體展現了這種轉變的運作方式。當該品牌希望製作一支串流電視廣告時，並未啟動傳統製片流程，而是選擇使用亞馬遜廣告系統中的 Creative Agent。

這套系統的運作邏輯是：它首先會深度分析產品頁面的圖片與文案，接著進一步爬取數千則真實的消費者評論，精確萃取出使用者最在意的關鍵點。例如：比起漂亮的包裝，使用者更在意「沒有化學殘留」。這些來自第一線的洞察會被自動轉化為廣告腳本的核心，讓廣告內容直接對應真實需求，而非品牌自說自話的主觀敘述。

在視覺與品牌識別上，AI 同樣扮演了專業顧問的角色。它能自動解析品牌官網的色調、字體與設計語言，並將這些元素精準套用至影片中。這種品牌一致性的維護，過去需要資深設計師與顧問反覆校對，如今則由模型自動完成。行銷人的角色也隨之從「執行者」轉向「創意總監」，專注於引導發想與最終審核。

亞馬遜強調，該工具是直接嵌入在其廣告系統中的功能，對賣家而言並不產生額外製作費用。當製作成本僅剩既有平台使用支出，這意味著賣家不再需要外包攝影與剪輯團隊。與傳統動輒數千甚至數萬美元的製片預算相比，改用系統內建的 AI 工具後，額外的現金支出從數千、數萬美元降至 0。

這樣的變化對零售產業具有深遠影響。長期以來，大型品牌在媒體與創意上的資源優勢，構成了競爭壁壘。如今，中小型賣家也能以極低成本製作具備電視等級質感的內容，並在同一平台上與大型品牌競爭注意力。創意實現的門檻降低，讓更多不同背景的品牌得以進入市場對話。

更重要的是，《Marketing Dive》認為，這種技術並未降低創意的重要性，反而放大了創意的價值。當製作不再是瓶頸，真正的競爭轉向誰能更準確理解消費者、誰能提出更有共鳴的敘事。AI 代理負責執行與轉譯，人類則專注於洞察與想像力。

【推薦閱讀】

◆ 星巴克、漢堡王都在做：零售品牌如何聯手 OpenAI，靠 AI 縮短購買路徑

◆ 一支影片帶動 4 倍銷售成長，沃爾瑪旗下 Sam’s Club 揭開 RMN 新戰場

◆ Costco 的 RMN 變革：放棄流量變現思維，如何靠封閉式數據實現「廣告到購買」？

＊本文開放合作夥伴轉載，參考資料： C&I Studios、Amazon、《Marketing Dive》，首圖來源：Unsplash

（責任編輯：廖紹伶）

亞馬遜近期宣布終結兩年前高調推出的網頁版 AI 購物聊天機器人「Rufus」，並將 AI 購物策略全面轉向以 Alexa 為核心的「語音代理商務（Agentic Commerce）」生態系。

Alexa 新功能接管搜尋，大數據打造一步到位的購物大腦

新版 Alexa for Shopping 將直接整合於亞馬遜搜尋結果頁面、App，以及 Echo Show 等裝置中。當使用者瀏覽商品時，系統會主動出現 AI 對話介面，消費者能透過自然語音或文字輸入複合式需求，例如「比較兩款咖啡機並推薦適合新手的型號」、「當價格低於某個金額時自動補貨」，甚至直接根據過去購物紀錄完成購買決策。

亞馬遜 Alexa 業務主管 Daniel Rausch 在接受《CNBC》訪問時指出，Alexa for Shopping 的關鍵優勢，在於它能直接存取亞馬遜內部龐大的商品目錄、庫存資訊、物流資料與顧客評論，因此 AI 回答不只是網頁摘要，而是真正建立在即時商務系統上的執行能力。根據亞馬遜新聞稿，新系統能串接使用者過去 12 個月的購物紀錄、購物車內容與偏好設定，讓 AI 不再只是「提供建議」，而是能夠代替消費者完成整段購物流程的代理人。

Join the chat 互動技術：AI 主播實現真人級導購

同時，亞馬遜也開始強化 AI 在「互動體驗」上的參與感。近期推出的「Join the chat」功能，便進一步展現其語音代理商務的方向。這項功能整合於「Hear the highlights」商品語音摘要服務中，當消費者收聽 AI 生成的商品介紹時，可以隨時透過語音或文字插入問題，例如詢問「這款咖啡機適合新手嗎？」、「使用者會覺得這件毛衣刺癢嗎？」或「是否能放入洗碗機清洗？」。

與傳統 FAQ 式 AI 不同的是，「Join the chat」強調上下文理解能力。AI 主播不會覆述已經提過的內容，而是根據當前對話進度與商品資訊，即時生成補充答案，再自然回到原本的音訊內容。背後技術結合生成式 AI 腳本、即時語意調整，以及語音合成模型，讓整個互動更接近真人導購，而非單純語音朗讀。

亞馬遜表示，Hear the highlights 目前已覆蓋數百萬個商品頁面，服務建立於商品描述、顧客評論與公開資訊之上，並於將 2026 年正式擴展至美國 iOS 與 Android 用戶。

亞馬遜戰略洗牌的啟示：從對話商務走向代理時代

亞馬遜的 AI 布局大洗牌，也為全球零售與品牌產業帶來重要訊號。過去企業多半將 AI 視為客服外掛程式或網站聊天工具，但亞馬遜的動作顯示，真正的競爭力將建立在 AI 是否能深入 ERP、CRM、供應鏈與庫存系統等核心基礎架構。

亞馬遜這次終結 Rufus、全面押注 Alexa 生態系的決策，也意味著大型零售平台開始相信，未來消費者真正依賴的，不會是網站上的聊天視窗，而是一個能夠理解需求、主動協調系統並完成任務的 AI 代理人。

【推薦閱讀】

◆ 東南亞超級 App 如何落地台灣？Grab 產品長來台說明 AI 佈局，正面回應資料隱私疑慮

◆ 【AI 時代業務警示】銷售自動化的悖論：為什麼全自動化反而侵蝕業務根基？

◆ 結帳頁成零售新戰場：BNPL 如何從支付選項，升級為商家提高成交機會的新工具？

＊本文開放合作夥伴轉載，參考資料：《CNBC》、Amazon 1、Amazon 2，首圖來源：Amazon

（責任編輯：廖紹伶）

根據麥肯錫於 2025 年公布的研究，預計到 2030 年，美國由 AI 代理人驅動的代理式商務市場規模將達到 1 兆美元，全球市場更上看 5 兆美元。IBM 今年的研究則指出，目前已有 45% 消費者在購物流程中使用 AI 工具協助決策，代表 AI 已開始介入零售消費的重要環節。

這意味著，當消費者開始把「該買什麼」交給 AI 判斷，零售產業的遊戲規則也正在被改寫。過去，品牌行銷的核心是吸引人的注意力，透過視覺設計、情緒敘事與廣告創意刺激購買衝動；如今，品牌必須開始學習如何吸引 AI 演算法的注意。

策略一：重塑產品數據架構，打造 AI 可理解的事實基礎

在代理式商務環境中，AI 並不會因為品牌形象影片而感動，也不會被情緒化廣告說服。AI 代理人讀取的是資料。它會解析商品規格、材料清單、第三方認證、物流資訊、價格變化、退貨政策與使用者評論，再依據演算法模型進行交叉比對。

所以如果資料缺漏、描述不一致，甚至不同平台上的商品資訊互相矛盾，AI 便可能無法正確辨識商品價值。結果就是品牌在推薦結果中被降權（編按：在推薦結果中排名下滑）。對 AI 而言，缺乏資料等同於缺乏可信度。因此，品牌的第一個生存策略，就是建立能被 AI 深度理解的產品資料架構。

過去，商品資訊管理往往被視為後台行政工作，由 IT、電商營運或商品部門各自管理；現在，企業需要建立「單一事實來源（Single Source of Truth）」，整合產品規格、供應鏈資訊、顧客評論、客服紀錄與行銷內容，確保所有平台上的資料能同步更新且保持一致。因為 AI 不只閱讀廣告，它同時也在閱讀評論區、物流資訊與退貨紀錄。

策略二：從情感行銷轉向理性數據

第二個關鍵策略，則是將品牌價值轉化為可驗證數據。

傳統零售高度依賴情緒行銷。限時優惠、品牌故事、名人代言與社群聲量，都是推動購買的重要手段。但 AI 代理人的決策模式偏向極致理性，它更重視耐用度、評價可信度、效能表現與長期價值。

即使是知名品牌，若產品數據表現不佳，AI 仍可能優先推薦規格更完整、評價更高的競爭商品。反過來說，中小品牌若能提供清楚透明的產品資訊，也有機會在 AI 推薦系統中取得更高曝光。

企業未來需要思考的，不再只是如何「講好故事」，而是如何把產品實力轉化成 AI 能讀懂的語言。例如耐用測試數據、真實用戶反饋、永續認證、物流時效與售後服務評分，都可能成為影響 AI 推薦的重要依據。

策略三：打破一次性轉換思維，佈局「持續合規循環」

第三個生存策略，則是建立「持續合規循環」。傳統電商的核心邏輯，是透過流量導入與銷售漏斗完成一次性轉換，代理式商務是 24/7 不間斷地在掃描與比較，而非單次的點擊購買。

品牌需將傳統的「銷售漏斗」轉型為「持續合規循環」，透過不斷更新的數據庫與動態定價策略，確保品牌始終留在 AI 的「候選清單」中，將被動等待顧客搜尋轉為主動符合 AI 的隨時篩選。

AI 代理商務的時代將至，當「數據完整度」與「品牌能見度」劃上等號，唯有提早佈局、將品牌價值數位化，才能在演算法主導的未來零售生態中，立於不敗之地。 

＊本文開放合作夥伴轉載，參考資料：《Smart Brief》、《Harlem World Magazine》、麥肯錫、IBM，首圖來源：Pixabay

（責任編輯：廖紹伶）

生成式 AI 進入客服產業，消費者對 AI 客服的反感情緒也浮現。根據體驗管理公司 Qualtrics 發布的《2026 Customer Experience Trends Report》，近五分之一使用過 AI 客服的消費者表示，自己沒有感受到任何好處。調查顯示，消費者甚至將 AI 客服列為便利性、省時性與實用性表現最差的 AI 應用之一。

困在 FAQ 裡的無限循環，AI 客服引爆消費者反撲

許多使用者抱怨，AI 客服最大的問題不在於「不夠聰明」，而是它經常變成企業阻擋客戶接觸真人客服的第一道牆。來自加州的消費者 Carmen Smith 就形容，自己經常陷入 AI 客服的無限循環，系統不斷重複 FAQ 內容，或持續提供早已試過卻無效的資訊，他說：「我寧願直接和真人講話。」

顧問公司 Cognizant 全球數位體驗主管 Ben Wiener 指出，AI 其實只是把企業原本的客服邏輯放大。如果企業最在意的是降低退款率、減少真人客服接手案件，AI 就會朝這個方向持續優化，最後讓客服體驗變成「如何讓顧客放棄」。

也因此，當越來越多企業導入 AI 客服時，市場開始關注另一個問題：AI 到底該怎麼用，才能真正改善服務，而不是製造新的挫折感？

COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

Home Depot 靠 AI 自然語言扁平化客服體驗

美國大型 DIY 與居家建材通路 Home Depot，最近公布將在未來一年內把 AI 語音客服系統擴展到全美門市。這套系統已先在 50 家門市進行測試，根據官方數據，其 AI 能在 10 秒內理解顧客來電目的，解決問題的速度比傳統電話選單快上 4 倍。

這項成果背後的核心，其實是客服流程設計邏輯的改變。過去的電話客服系統，大多建立在複雜的樹狀選單上。消費者必須先理解企業的分類邏輯，再依序按鍵，例如「查詢庫存請按 1、退換貨請按 2、門市資訊請按 3」。只要選錯，就得重新來過，整個過程容易讓人失去耐心。

「沒人喜歡被困在電話選單裡。顧客打電話給我們，只想盡快得到幫助，」Home Depot 客戶體驗執行副總裁兼線上業務總裁 Jordan Broggi 表示。Home Depot 把流程改成自然語言互動。系統開場只會詢問一句：「請問我能幫您什麼？」客戶回答之後，系統會自動轉到客戶需要的服務。

Gartner 客服分析師 Ian Elliott 認為，這種做法「扁平化」了客服體驗：AI 不再要求消費者適應企業內部流程，而是直接理解顧客真正的需求，當顧客說出「我想確認某款洗衣機有沒有現貨」時，AI 可以直接判斷需求並查詢庫存，不必讓顧客在選單中層層跳轉。

這類 AI 語音代理也開始具備實際執行任務的能力，例如查詢訂單進度、確認門市商品庫存，甚至直接把商品連結加入顧客購物車，協助完成購買流程。這也是目前零售業導入 AI 代理的重要方向之一：縮短顧客從詢問商品到完成下單之間的距離，降低中途流失率，同時減少客服人力負擔。

人機協作的黃金比例：AI 消除摩擦、真人建立信任

Gartner 指出，真正影響顧客忠誠度的關鍵，其實不是服務背後究竟是 AI 還是真人，而是顧客能不能快速、順利解決問題。如果 AI 能有效處理需求，多數消費者並不會排斥自助服務；真正讓人反感的，是被困在無法解決問題的自動化流程裡。

Home Depot 的案例揭示，AI 客服若要被消費者接受，關鍵或許不在於 AI 有多像真人，而是它能否真正減少摩擦、提高效率，同時在需要時，把人放回服務流程裡，達到更有效的「人機協作」模式。

【推薦閱讀】

◆ 當 AI 不看廣告，只看資料：品牌行銷邏輯從頭改寫的三大策略

◆ AI 直接串接庫存與物流：拆解亞馬遜砍掉 Rufus、押注 Alexa 的底層邏

◆ 【AI 時代業務警示】銷售自動化的悖論：為什麼全自動化反而侵蝕業務根基？

＊本文開放夥伴轉載，參考資料：《CX Dive》、《CNBC》、 Home Depot，首圖來源：Unsplash

（責任編輯：廖紹伶）

在汽車製造邁向智慧工廠的過程中，真正困難的環節往往不是高度標準化的機械加工，而是那些需要大量人工經驗、長時間重複操作，甚至伴隨高勞動強度的細節工序。

德國車廠奧迪（Audi）近期公布最新 AI 生產布局，揭示汽車製造業正在進入另一波自動化轉折點。過去長年難以被機器全面取代的產線工作，如焊接後處理、線束安裝與製程異常監控，如今正透過 AI、雲端架構與機器人整合逐步被重塑。

告別高強度人工打磨！AI 與機器人接管車底盤「髒苦累」活

奧迪表示，目前已在德國 Neckarsulm 廠區的 A5 與 A6 車身產線全面導入 AI 驅動的「焊接飛濺檢測系統（Weld Splatter Detection，WSD）」。在車體焊接完成後，車身底盤經常會殘留焊接飛濺物，若未即時清除，可能影響後續塗裝與品質穩定性。這類工作長期仰賴人工檢查與打磨，不僅耗時，也對現場人員造成高度身體負擔。

如今，WSD 系統透過 AI 視覺辨識，即時掃描車底盤表面，自動標記焊接飛濺位置。最新版本更進一步結合機器人手臂，直接接管後續研磨清除流程。原本需要大量人工作業的高強度工序，現在改由 AI 控制的機器人完成，員工則轉向監控與例外處理工作。

COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

AI 化身產線監工，提前發現製程異常

除了改善高勞動強度工作，奧迪也將 AI 延伸至製程品質管理。由內部數據專家團隊打造的 AI 解決方案「ProcessGuardAIn」，目前已進入測試階段。這套系統建立於跨廠區數據平台之上，該平台整合各工廠設備、產線與感測器資料，形成統一且標準化的製造數據基礎。

透過大量機器與感測器數據，ProcessGuardAIn 能夠即時監控製造流程，提前發現異常徵兆，並主動通知工程人員介入。現階段，系統已於 Neckarsulm 烤漆廠進行兩項試點測試，包括前處理藥劑劑量優化，以及陰極電泳塗裝（Cathodic Dip Coating，CDC）異常檢測。奧迪預計於 2026 年第二季正式導入大規模量產。

相較於傳統製程異常往往需等待品質檢測後才被發現，ProcessGuardAIn 的價值在於能於問題尚未擴散前即時阻斷，降低返工與後續維修成本。奧迪也規劃下一階段讓系統具備「建議式 AI」能力，未來員工可透過 App 取得逐步操作建議與排除流程，讓 AI 成為產線現場的即時協作助手。

攻克 90% 自動化盲區：線束全自動化背後的敏捷供應鏈革命

在汽車製造中，另一個長年難以高度自動化的領域則是車用線束（Wiring Loom）生產。由於線束結構複雜、型號差異大且安裝路徑狹窄，根據奧迪新聞稿指出，全球汽車產業目前的線束生產與組裝自動化比例仍不到 10%。這也被視為智慧製造中最難攻克的盲區之一。

奧迪目前正透過「Next2OEM」專案試圖突破這項限制。該專案集結十家合作夥伴，在 Ingolstadt 建立完整的線束數位化全自動示範線。整套系統涵蓋線束生產、自動化預組裝、中心控制與車內安裝流程，所有設備皆由中央系統統一協調。

奧迪展示的最新成果中，線束可自動安裝進中控模組，並完成後續車體配置準備。這項技術大幅降低傳統流程中的物流與人工調整需求，也顯著縮短產品變更週期。過去車型規格修改往往需要耗費數週調整供應與產線配置，如今已能壓縮至幾分鐘內完成。

對汽車產業而言，這代表的不只是產線效率提升，更是供應鏈敏捷度的重大改變。隨著電動車與軟體定義汽車興起，車型配置與電子架構更新速度愈來愈快，若無法同步提升產線調整能力，傳統製造模式將難以應對未來市場需求。

隨著 AI 逐步深入汽車製造核心，智慧工廠競爭也開始進入新階段。過去強調機械自動化與產線效率的工業邏輯，如今正逐漸轉向以資料、即時決策與 AI 協作為中心的新模式。對汽車業而言，那些過去因複雜度與勞動密集而難以自動化的工序，正在成為下一波 AI 工業革命的關鍵戰場。

＊本文開放合作夥伴轉載，參考資料：Audi、《Metrology News》，首圖來源：Audi

（責任編輯：廖紹伶）

生成式 AI 快速改變消費者的搜尋與購物習慣，戶外品牌 Columbia Sportswear 也開始重新思考電商的核心邏輯。

告別傳統關鍵字！2026 每 5 人就有 1 人問 AI 買東西

Columbia 電商副總裁 Mimi Ruiz 指出，品牌內部在 2026 年的預測顯示，未來每五位消費者中，就有一位會直接透過 AI 助理取得品牌與商品推薦，而非使用傳統關鍵字搜尋。

對 Columbia 而言，這項轉變不只是搜尋介面的改變，更牽動整個商品資料架構與品牌資訊的重組。當消費者開始向 AI 詢問「適合潮濕岩地健行的鞋款」或「適合雨天通勤又保暖的外套」時，品牌若無法讓 AI 理解產品特性與使用情境，就可能失去曝光機會。因此，Columbia 近年積極將產品資料、技術規格與功能描述進行結構化，希望讓品牌商品能在自然語言搜尋環境中，被 AI 正確辨識與推薦。

日本 Columbia 靠 AI 終結電商分類孤島

這個策略，在日本市場率先看到具體成果。Columbia Sportswear Japan 近年導入AI ，針對電商購物流程進行調整，希望解決戶外商品長期存在的「選購困難」問題。

Columbia 在日本市場的產品線橫跨登山、健行、旅行與日常穿搭，同一件商品往往同時適用多種場景。例如一件防水外套，可能兼具城市通勤、防風保暖與戶外活動需求。然而，傳統電商平台大多仍以「外套」、「鞋類」、「背包」等品類分類為主，消費者很難直接依照自身情境找到合適商品。

傳統的分類方式，也讓大量商品資訊被切割在不同頁面之中。消費者即使知道自己的需求，仍必須在不同品類之間反覆切換，容易出現資訊疲勞與選擇障礙。尤其戶外品牌經常使用大量專業術語，例如防水透濕、熱能反射或特殊保暖科技，對一般消費者而言理解門檻較高，缺乏門市人員即時解說的情況下，更容易降低購買信心。

因此，Columbia Japan 導入 AI 標籤機制後，開始重新拆解商品資訊。AI 會分析商品內容，自動建立「功能特徵」、「使用情境」與「需求價值」等不同維度的標籤，再將原本晦澀的專業術語轉譯成更貼近日常語言的描述。例如過去需要理解技術規格才能判斷的機能設計，如今會被轉換成「雨天適用」、「輕量」、「寒冷環境」、「長時間戶外」、「通勤」等直覺式情境標籤。消費者不需要理解技術原理，也能快速掌握商品適用場景。

如此，也讓商品探索方式產生巨大變化。當使用者點擊「防水」標籤時，系統不再只顯示單一類型商品，而會同步推薦具備相同情境價值的外套、鞋款與包件。若點選「輕量」，則可能同時看到可收納外套、旅行背包與適合長時間步行的鞋款。AI 開始扮演類似實體店員的角色，依據使用需求進行跨品類導購與搭配推薦。

COMPUTEX 2026 現在進行中！最新報導都在【TO Highlight】直擊 COMPUTEX 2026 台北國際電腦展

轉換率暴增 380%，AI 標籤讓客單價悄悄提升

數據也反映出這套 AI 標籤機制的成效。Columbia 表示，透過標籤導覽進站的消費者，平均瀏覽頁面提升至 320%；電商轉換率則提升 380%。消費者在站內停留時間增加，也讓品牌有更多機會進行延伸推薦與商品曝光。

更重要的是，AI 標籤機制也改變了消費者的購買模式。原本只打算購買單一商品的使用者，在瀏覽過程中更容易接觸其他相關品類。例如搜尋外套的消費者，可能同步看到適合搭配的鞋款或配件，進一步提高整體購買組合與客單價。

過去網站主要功能偏向承接既有需求，如今逐漸成為主動引導消費者探索的場域。當 AI 能理解消費者的真實需求，並即時串連不同商品與情境時，品牌便有機會放大既有流量價值，進一步提升營收效率。

＊本文開放合作夥伴轉載，參考資料：《ClickZ》、awoo AI，首圖來源：Columbia

（責任編輯：廖紹伶）

成立於 2019 年的平價奢華品牌 Quince 總部位於美國舊金山，近期快速崛起，憑藉獨特的供應鏈策略與 AI 技術應用，成功顛覆傳統零售模式，如今公司估值超過 100 億美元，成為近年成長最快的電商品牌之一。

靠高 CP 值「奢華基本款」，Quince 如何快速崛起？

Quince 主打價格親民的「奢華基本款」商品，包括售價 50 美元的喀什米爾毛衣、歐洲亞麻寢具以及各類家居用品。由於產品設計與品質接近高端品牌，價格卻遠低於市場同級商品，迅速吸引大量消費者關注。

Quince 與過去一批直接面向消費者（Direct-to-Consumer，DTC）品牌相似，都強調減少中間環節、降低產品售價。然而，Quince 的競爭優勢其實來自更深層的供應鏈重構。

傳統零售模式中，品牌通常需要提前數個月甚至一年預測市場需求，向工廠大量下單生產，商品再運送至倉庫儲存，最後配送給消費者。這套流程涉及庫存管理、倉儲租金、物流轉運以及各種中間成本。一旦預測失準，企業往往只能透過促銷或折扣清理滯銷商品，進一步侵蝕利潤。

Quince 選擇了不同的道路。該公司將絕大部分庫存保留在海外生產基地，商品完成生產後直接由製造商配送給消費者，省去美國本土倉儲與多次轉運環節。這種模式雖然需要消費者接受較長的配送時間，卻大幅降低了庫存持有成本與物流支出，形成具規模優勢的成本結構。

告別折價出清，「AI 週預測」讓工廠小量快製

支撐這套模式運作的關鍵，則是 AI 驅動的需求預測系統。相較於傳統零售商以季度或月份為單位進行採購規劃，Quince 建立了更細緻的預測機制。系統會持續分析銷售數據、搜尋趨勢、退貨紀錄以及消費者回饋，並以週為單位調整生產決策。預測結果甚至能細分至特定商品的顏色與尺寸組合，協助供應鏈快速判斷哪些產品需要增加產量，哪些產品應減少生產。

在 AI 的輔助下，Quince 採取「小量高頻」的生產策略：工廠不需要一次製造大量商品，而是依據即時需求持續補貨。這種模式降低了庫存積壓風險，也減少了商品過剩造成的浪費，讓 Quince 得以透過更精準的供需配對，大幅降低出清庫存的需求。

該公司在最新投資人資料中指出，AI 已經深入產品開發、商品規劃、營運管理與商務流程等多個環節。透過持續優化需求預測能力，該企業能夠縮短生產決策時間，提高供應鏈反應速度，同時減少不必要的庫存與折價損失。隨著更多數據累積，這種模式也將形成更強的規模效應。

不拚流量戰：Quince 用 AI 重新定義電商成本結構

市場表現證明了這套策略的成效。Quince 去年營收已超過 10 億美元，2025 年假日購物季銷售額較前一年成長超過一倍。值得注意的是，品牌並非僅吸引價格敏感型消費者，年收入超過 15 萬美元的高收入族群同樣是其重要客群，顯示其消費者追求的不只是低價，而是在品質與價格之間取得更好的平衡。

當許多 DTC 品牌仍停留在品牌行銷與流量競爭階段時，Quince 選擇把技術與供應鏈視為核心競爭力。透過 AI 驅動的需求預測、海外直送模式以及小量高頻生產機制，這家新創企業正在重新定義零售產業對庫存管理與成本結構的想像，也讓外界看見 AI 如何成為現代電商平台建立競爭護城河的重要工具。

【推薦閱讀】

◆ 電商轉換率提升 380%、瀏覽頁面數提升 320%：戶外品牌 Columbia 用 AI 標籤做對了什麼？

◆ 當 AI 不看廣告，只看資料：品牌行銷邏輯從頭改寫的三大策略

◆ AI 進入巧克力供應鏈：Hershey 估 5,000 萬美元生產力提升、減少 1 億美元庫存

＊本文開放合作夥伴轉載，參考資料：《Bloomberg》、《ICONIQ》、《TechCrunch》，首圖來源：Quince

（責任編輯：廖紹伶）

全通路零售快速發展，品牌必須同時滿足精準庫存、快速履約、順暢購物體驗與損耗控管等多重需求。然而，建立在人工盤點與條碼掃描基礎上的傳統零售系統，已愈來愈難應付大量商品與即時營運需求。

愈來愈多零售品牌開始將無線射頻識別（RFID）與人工智慧（AI）結合，希望透過即時資料與智慧分析能力，提升營運效率與顧客體驗。

美國零售產業組織 National Retail Federation（NRF）指出，RFID 技術可協助零售商將庫存追蹤準確率提升至接近 99% 水準，並大幅縮短盤點時間，使 RFID 逐漸成為現代零售基礎設施的重要組成。

《Retail Insight Network》近期分析指出，當 RFID 與 AI 結合後，零售業正在出現四項具代表性的應用轉型。

應用一：RFID 結合 AI 需求預測，服飾庫存準確率可達 95% 以上

首先是在庫存管理領域。服飾零售商往往同時管理大量顏色、尺寸與款式組合，單一商品可能衍生數十種 SKU。傳統人工盤點不僅耗時，也容易因人為錯誤造成系統與實際庫存不符。RFID 能讓門市與倉庫快速辨識商品位置與數量，建立接近即時的庫存可視性。當 AI 進一步分析這些資料後，系統還能預測需求變化、自動觸發補貨建議，降低缺貨風險。

這對服飾業尤其重要。業界長期存在所謂「幽靈庫存（Phantom Inventory）」問題，也就是系統顯示商品仍有存貨，但實際上門市或倉庫已無法找到商品。這種情況不僅造成缺貨，更可能導致線上訂單取消與顧客流失。除了 NRF 數據，GS1 UK 過去的研究也顯示，RFID 可將服飾零售庫存準確率提升至 95% 以上，有效降低幽靈庫存問題，提升商品可售率。

應用二：智慧試衣導購與高效自助結帳

第二項轉型發生在門市購物體驗。過去試衣間主要扮演商品試穿空間，如今愈來愈多品牌開始導入智慧試衣間。當顧客攜帶附有 RFID 標籤的服飾進入試衣區後，系統能立即辨識商品資訊，並透過螢幕顯示搭配建議、推薦相關配件，或協助顧客尋找其他尺寸與顏色。

AI 推薦引擎則會根據商品屬性、歷史銷售資料與消費偏好進行分析，提供更具個人化的穿搭建議。這類應用讓實體店面具備接近電商平台的數位推薦能力，同時保留實際試穿的體驗優勢。

應用三：RFID 優化結帳流程，縮短排隊時間

第三項應用則聚焦於結帳流程優化。排隊時間過長一直是影響顧客滿意度的重要因素之一。傳統結帳必須逐件掃描條碼，商品數量愈多，等待時間愈長。RFID 結帳系統可一次讀取整籃商品資訊，無須逐件掃描，即可完成商品辨識與價格計算。

對零售商而言，這不僅有助於縮短排隊時間，也能提升自助結帳的使用效率，零售品牌 Uniqlo、Zara 都運用這項科技優化結帳體驗。

應用四：強化全通路即時履約與在地化出貨

第四項轉型則與全通路履約能力有關。近年來，消費者已習慣線上下單、門市取貨以及店取店配等服務模式。然而，許多訂單失敗的原因並非需求不足，而是庫存資訊不準確。當系統誤判商品仍有存貨時，消費者完成下單後才發現缺貨，容易損害品牌信任。

RFID 提供的單品級庫存可視性，讓品牌能更精準掌握每件商品的實際位置。搭配 AI 分析後，企業可將門市轉型為在地履約中心，直接利用門市庫存處理線上訂單，提升出貨彈性並縮短配送時間。GS1 UK 指出，高準確度庫存資訊已成為全通路零售成功的重要基礎，因為門市出貨、線上庫存顯示與店取服務都高度依賴即時且可信的商品資料。

隨著 RFID 標籤與讀取設備成本逐漸下降，加上 AI 分析工具愈來愈成熟，零售業正逐步建立以即時資料驅動決策的新營運模式。RFID 負責提供可視性，AI 負責從這些數據挖掘洞察與預測需求，兩者結合後，正成為零售品牌提升營運效率、顧客體驗與履約能力的重要技術組合。

【推薦閱讀】

◆ 從 DTC 到 AI 供應鏈：平價奢華品牌 Quince 為何成為電商新黑馬？

◆ 電商轉換率提升 380%、瀏覽頁面數提升 320%：戶外品牌 Columbia 用 AI 標籤做對了什麼？

◆ 為什麼消費者討厭 AI 語音客服？美國 Home Depot 用人機「黃金比例」破解傳統設計邏輯

＊本文開放合作夥伴轉載，參考資料：《Retail Insight Network》、Shopify、National Retail Fedration，首圖來源：Unsplash

（責任編輯：廖紹伶）