通过结合生成式人工智能和计算机视觉技术，Project P.I. 能够在产品到达客户之前发现缺陷，例如产品损坏或颜色、尺寸错误等问题。此外，Project P.I. 还能帮助识别问题的根本原因，从而在供应链上游采取预防措施，避免问题再次发生。在已部署该系统的站点中，它已被证明能够高效处理每月通过传送带的数百万件商品，并准确识别产品问题。
亚马逊的“私家侦探”是如何工作的
在商品发往客户之前，它会经过一个成像隧道。Project P.I. 利用计算机视觉技术扫描产品并评估图像，以检测任何缺陷，例如书封弯曲。如果发现缺陷，亚马逊会将该产品隔离，防止其发往客户，并进一步调查以确定类似商品是否存在更广泛的问题。
参与审查 Project P.I. 标记商品的合作者随后会判断该商品是否符合以折扣价转售的条件，从而加入亚马逊的Second Chance网站，捐赠它，或找到其他用途。该模型作为亚马逊员工的额外“眼睛”，已经在北美多个履约中心帮助提升人工检查的效率。预计该技术将在2024年扩展至更多站点。
“我们希望确保客户每次在我们的门店购物时都能获得良好的体验，”亚马逊全球销售伙伴服务副总裁Dharmesh Mehta表示。“通过在运营设施中利用人工智能和产品图像技术，我们能够高效地检测可能受损的商品，并在这些问题影响到客户之前加以解决，这对客户、我们的销售伙伴以及环境来说都是一件好事。”
确保更可持续的客户体验
Project P.I.的工作不仅是亚马逊以客户为中心的文化的一部分，也是该公司利用人工智能创新帮助将应对气候变化的承诺融入客户体验的众多方式之一。
防止损坏或有缺陷的商品到达客户手中，对于提升客户体验至关重要，同时也对地球环境具有重要意义。意外发送不完美的商品可能导致不必要的退货，进而造成包装浪费以及因额外运输而产生的碳排放。
"亚马逊正在利用人工智能，以应对气候变化所要求的紧迫感来实现我们的可持续发展承诺，同时提升客户体验。" 亚马逊全球可持续发展副总裁卡拉·赫斯特（Kara Hurst）表示，"人工智能帮助亚马逊确保我们不仅通过高品质商品让客户感到满意，还将这种对客户的执着追求延伸到我们的可持续发展工作中：防止不完美的商品离开我们的设施，并帮助我们避免因运输、包装以及退货流程中的其他环节而产生的不必要的碳排放。"
下一步：预防未来错误
与此同时，亚马逊团队正在利用一个基于多模态大语言模型（MLLM）的生成式AI系统，来调查负面客户体验的根本原因。当客户向我们指出我们未能识别的缺陷时，我们会据此分析原因并持续优化该系统。该系统首先审查客户反馈，然后分析来自履行中心“Project P.I.”拍摄的图片以及其他数据源，以确认导致问题的具体原因。
例如，如果客户因订购了双人尺寸床单却收到特大号尺寸而联系亚马逊，该系统会将该反馈与履行中心的图片进行交叉比对，并提出诸如“图片中是否可见产品标签？”和“标签上显示的是特大号还是双人号？”等问题。
这项技术同样有望帮助亚马逊的销售合作伙伴，使有关缺陷的数据更易于获取。例如，如果销售合作伙伴不小心在产品上贴错了尺寸的标签，亚马逊会向该合作伙伴通报此问题，以帮助防止此类错误再次发生。在亚马逊商店超过60%的销售额来自独立卖家——其中大多数是中小企业——他们为消费者提供了极其丰富的优质商品、具有竞争力的价格和便捷的购物体验。通过减少发往客户的缺陷产品数量，我们也降低了整体退货量。“Project P.I.”正是我们致力于改善客户和销售合作伙伴体验的一个绝佳例证。
随着人工智能技术的不断进步，亚马逊继续创新，以新的方式为客户和销售合作伙伴带来惊喜，同时努力实现我们的可持续发展承诺。请深入了解为“Project P.I.”提供技术支持的技术与团队了解更多关于我们可持续发展工作的信息。