Amazon

Amazon本周揭露了人工智慧于电子商务履行中心的应用该呈现什么样貌，该公司的Project P.I.模型可于成像隧道中扫描商品缺陷，包括颜色、尺寸、或产品是否损坏等，另也开发多模态大型语言模型来整合客户的回馈，再用来训练Project P.I.，最终目的是提高客户满意度，降低退货机率。目前Amazon已于北美多个履行中心部署Project P.I.，预计会在今年拓展至更多的履行中心。

Amazon的履行中心是用来处理订单的拣货与发货事宜，每天有数百万的商品会通过该中心的成像隧道，包括狗粮、手机壳、T恤到书籍等，过去Amazon是透过光学字元识别（OCR）与电脑视觉（CV）技术来筛选并分类商品，而现在则採用称为「私家侦探」（Private Investigator）的Project P.I.模型，它结合了生成式AI与电脑视觉技术，以用来侦测所有即将出货商品的各种缺陷，还可协助确定发生问题的根本原因，以于上游採取预防措施，自2022年5月上线以来，已证明Project P.I.擅长分类商品，并能準确识别过期商品，以及侦测颜色或尺寸的错误问题。

Project P.I.利用CV技术来扫描并评估商品是否含有瑕疵，例如弯曲的书籍封面，并将它隔离，同时再由Amazon员工来决定该商品是否可透过Amazon的Second Chance平台以折扣品销售，还是直接捐赠。

此外，Amazon也利用基于多模态大型语言模型（MLLM）的生成式AI系统来调查客户的负面体验，当客户还是收到有瑕疵的商品时，可利用此一MLLM来审核客户的意见，进而分析Project P.I.于履行中心所拍摄的影像，再加上其它的资料来源，用以判断出现问题的原因。

所有透过这些模型学到的经验都可以用来再次训练模型，以改善模型的识别能力。同时Amazon也强调在发现该平台的独立卖家有某些固定的疏失时，也会知会它们。

利用AI模型来提高客户收到商品的满意度将可避免不必要的退货问题，减少碳排放，同时改善Amazon的销售合作伙伴与客户体验。