智能零售
一份通过人工智能驱动的转型创造价值的蓝图
毕马威，创造差异。
毕马威国际;
关键考虑因素
?P
为人工智能未来做准备
04;;;;
安全和数据隐私问题
劳动力中缺乏人工智能技能或专业知识
数据质量差
数据孤岛
缺乏领导和理解的支持。
预算限制或投资不足
员工对变革的抵抗和不愿意使用AI工具
法律或监管约束
部门间沟通与协调不足
投资回报率（ROI）测量困难
伦理风险
缺乏领导层的沟通和对齐。
时间和资源限制
不一致的数据格式在整合人工智能时，贵组织面临了哪些挑战？;
领导者应明确他们的雄心水平——他们是希望成为先驱，还是愿意成为群体中的一员？在任一阵营中，领导者都应定义一个清晰、覆盖整个组织的AI愿景，该愿景推动增长和规模扩大，降低运营成本，改善利润率、产品可用性和客户成果。这???愿景应具体且可操作，并与可衡量的结果相联系。指标可以包括客户参与度、转化率和满意度、过剩库存、缺货和劳动力调度
。;
大多数零售商似乎陷入了分析瘫痪，同时伴随着概念验证疲劳。他们在寻找AI领域的赢家，将快速跟进视为一条风险更低的路线。然而，该领域的领先公司已经在展示显著的进展和可感知价值的早期迹象。
在初期人工智能投资中，回报前景可期。
AI带来了令人鼓舞的回报，其中55%的零售商报告了超过10%的投资回报率，21%的回报率超过了30%。AI推动了显著的生产力增长（33%），通过降低成本和改善供应链提高了效率（67%），并推动了新产品和服务的创新（47%）。
其最大的功能影响在于IT（61%）、市场营销（53%）和客户服务（53%），同时64%的人认为在多个功能领域的影响为中等。
自主代理技术正在获得势头。
零售商正越来越多地将人工智能与互补技术相结合。通用人工智能引领采用率，占比64%，其次是预测分析（占比58%）和机器人流程自动化（占比51%）。
自主系统和智能体人工智能也正逐渐受到关注，54%的零售商正大量使用这些技术以提高运营效率和促进创新。
人工智能风险管理方面取得进展
零售商在应对与人工智能相关的风险方面取得进展。员工培训强调负责任的运用，其中61%的人员接受了关于道德和约束的深入培训，38%的人员专注于实际应用。对人工智能的信任正在增长，83%的领导层表示对人工智能输出的信心。
，。他7们明对人工智;;;
监管和合规限制
演变的隐私法律法规（例如GDPR、CCPA）对基于人工智能的个人化和客户数据使用施加了严格的控制。零售商必须应对复杂的地域性合规要求。在地质技术分化的世界里，当组织评估可选方案时，这一挑战进一步加剧。他们可能考虑试验新一代强大开源模型和工具，以提供可行的解决方案。;
人工智能的愿景仍在形成中。
尽管人工智能正在成为一项增长中的重点，但一个明确战略愿景，概述组织对人工智能的胃口，是至关重要的。仅有24%的组织拥有明确而雄心勃勃的人工智能愿景，将其作为组织转型的核心驱动力；没有这样的愿景，就难以构建令人信服的商业案例以内部解锁资金。
遗产结构是主要障碍
过时的运营模式是扩展人工智能的显著障碍。许多零售商仍然使用传统的结构——46%完全采用功能性方法，36%结合了功能性和敏捷性方法。这些混合模式造成了复杂性，使得组织难以将人工智能目标与战略目标对齐。只有15%的零售商报告称，他们的AI项目和整体商业战略之间保持一致的对齐。
多样的、分散的实施模式
零售行业在AI应用方面缺乏统一的方案。只有19%的零售商拥有一个高度专业化和有影响力的AI团队，推动整个组织的战略，而其他零售商则依赖于碎片化的模型：18%采用特定职能的方法，28%利用卓越中心（AICenterofExcellence） ,20%是由IT驱动的。这反映了使用的解决方案的多样性，但也突显了缺乏标准化。
数据准备是核心挑战。
数据管理继续成为零售业扩展人工智能的关键障碍。74%的零售商将数据识
别为他们面临的主要挑战，仅有28%实现了系统级的数据集成。此外，仅有13%的企业拥有实时更新的数据仓库，只有7%的企业实现了完全自动化的数据集成，这突显了人工智能项目在数据准备方面的重大差距。55%的企业表示 ,管理数据隐私是他们面临的最大风险领域。;
这一层负责