許多初階工程師在接觸 AI 客服時，容易將其視為一個進階版的聊天機器人，認為只要把 FAQ 餵給模型，讓它能回答問題即可。然而，真正的零售服務核心不在於回答，而是在於引導與理解。日本 AI 客服公司 avatarin 與家電零售商 Yamada Denki 的合作案例，正好展示了如何從傳統的問答模式，轉型為具備銷售能力的 AI Agent。
突破傳統聊天機器人的技術瓶頸
傳統的聊天機器人通常依賴關鍵字匹配或簡單的意圖識別，這導致使用者必須適應機器的規則，且對話過程生硬。avatarin 選擇導入 GPT-Realtime，其核心在於實現多模態低延遲的自然交互。
GPT-Realtime 是一個能同時處理語音、文字與視覺理解的單一模型，這解決了以往必須將語音轉文字、文字處理、文字轉語音三個獨立步驟串接所導致的高延遲問題。對於零售場景來說，低延遲意味著 AI 能在對話中即時反應，讓使用者感覺是在與真人對話而非操作機器。
實現專業銷售能力的技術脈絡
要讓 AI 從單純的資訊提供者變成專業銷售員，avatarin 採取了三項關鍵技術策略。
首先是結合 RAG 確保資訊準確性。RAG 即檢索增強生成，其運作方式是在模型生成回答前，先從企業的產品資料庫中檢索出最相關的正確資訊，再交由模型整理成自然語言。這解決了大型語言模型容易產生幻覺的問題，確保 AI 給出的冰箱規格或價格是真實且準確的。
其次是將銷售知識轉化為對話設計。專業銷售員不會對所有產品用同一套問法。avatarin 將 Yamada Denki 的銷售經驗編入提示詞工程中，讓 AI 能根據產品類別調整對話流程。例如，賣冰箱與賣小家電的詢問重點不同，AI 能在對話中靈活調整，即便客戶突然離題，也能在引導後將對話拉回購物體驗。
最後是從被動回答轉為主動詢問。這是 AI Agent 與 Chatbot 的最大區別。傳統機器人等待指令，而 AI Agent 會主動追問。例如當客戶說需要冰箱時，AI 會主動詢問家庭人數或廚房空間限制，透過主動挖掘需求來推動產品推薦，完成從問題解答到購物決策的轉化。
實務影響與商業洞察
在為期兩週的公開測試中，約有三萬名使用者參與，滿意度高達百分之九十二。這證明了多模態 AI 在零售端的實質價值。
對企業而言，最大的獲益不僅是人力成本的降低，而是獲取了深層的客戶洞察。在傳統電商購物中，客戶為何猶豫、對價格的真實看法通常是黑洞，但透過 AI Agent 的對話記錄，企業能清楚看到客戶在決策過程中的痛點，這些數據能直接反饋到行銷策略與產品改良中。
此外，AI 代理創造了新的購物心理空間。部分客戶表示與 AI 溝通比與真人店員更輕鬆，因為他們可以在不受銷售壓力（Sales Pressure）的情況下，坦誠地討論預算或反覆詢問相同問題。
邁向單一智能的品牌體驗
avatarin 提出的 One Intelligence, One Brand, Every Interface 概念，是指 AI 不應被碎片化為不同管道的獨立工具。無論客戶是在網頁、電話還是實體店面，應該面對的是同一個具備一致品牌人格、且記得先前對話脈絡的智能體。
這意味著 AI 正在從單一功能的工具，演變為能體現企業精神與款待之道的品牌大使。對於工程實務者來說，這提醒我們在設計 AI 系統時，不應只關注 API 的調用，更應關注如何將業務領域的專業知識（Domain Knowledge）與模型的能力深度結合，創造出具有品牌一致性的使用者體驗。
來源：openai.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。