要点速览
- 仅有5%的高管表示，其企业在人工智能应用方面有明确的规则。
- 87%的受访者支持使用AI代理，但只有47%的人拥有明确的监督机制。
- 自2026年8月2日起，针对零售领域特定的人工智能系统实施新的透明度义务。
仅靠更好的数据并不能让零售领域的人工智能变得可靠。Publicis Sapient零售与消费品工程负责人、Etailment.de专家委员会成员Olivier Goethals展示了在启动试点项目之前必须确定的规则以及由谁负责。
在线商店中某产品显示有货，但在库存管理系统中该商品已被预留，且在实体店中无法找到。自动化系统可以使用这些信息的哪一部分？
如果没人规定在何种情况下哪个系统是主导系统，那么引用“主导系统”的作用微乎其微。只要有人工审核订单，这种模糊性就可以被弥补。一旦人工智能给出交货日期、调整价格或启动退款流程，这就变成了一项运营决策。
在我看来，这是零售业被低估的任务。仅靠更好的数据无法解决问题。关键在于企业在具体情境下信任哪些数据，以及由谁来为此承担责任。
责任仍是例外情况
OneTrust和Sapio Research近期进行的一项调查 这项于2026年对来自包括德国在内的八个国家的1,200名高管进行的调查显示了差距。只有5%的人表示，他们的人工智能应用生命周期内的协调和责任已得到明确规范。87%的人支持使用AI代理，但只有47%的人认为其得到了明确规则、监督和控制的支撑。
该研究并未专门针对零售业，但我从实践中深知这一模式：IT部门运营系统，采购部门协商供应商数据，商务团队补充商店内容，物流更新库存，没有任何一方能单独决定哪项信息应在自动化决策中起决定性作用。
在可用性方面，这个问题变得具体化。物理库存反映的是仓库里实际存放的数量。可用库存则考虑了预留情况。此外，交货承诺还取决于处理时间、运输路线和销售渠道。所有数值都可能是正确的，但仍会得出不同的答案。模型无法合理解释这种矛盾。这里显然缺乏一条业务规则。
自2026年8月2日起，欧盟人工智能法案的更多规定开始生效，其中包括对某些AI系统的新增透明度义务，并非所有零售应用都属于高风险类别，然而若缺乏对关键数据的清晰认知，内部追溯性便无从谈起。
数据质量取决于决策
对于拥有多个国家、品牌和渠道的零售商来说，完全清理的数据环境并不是一个现实的起点，而且也没有必要。护理提示助手需要与其他类型的安全保障不同，例如用于确定交货日期或退货的系统。缺少护理信息可能会引发询问，而错误的交货日期则可能导致高昂的额外成本。自动退款还会带来财务风险。
因此，我认为数据质量是一项业务决策。对于关键数据字段，我需要知道：该值从何而来？其允许的最大年龄是多少？当两个系统报告不同信息时，由谁做出决定？例如，具有约束力的交货承诺只能基于库存信息，且该信息不得超出商家规定的期限。如果信息过时或与另一来源冲突，系统将不提供有约束力的日期，并将案例转交人工处理。
正确的阈值取决于具体业务，必须明确界定。仅以“良好的数据质量”作为要求，无法控制日常运营。
试点项目必须能够容忍矛盾
只要某个 AI 应用场景的操作空间未以书面形式确定，我就不会将其投入实际运营。产品推荐可以更加宽松，而自动退款则不然。同样，在启动之前必须明确在发生冲突时哪个来源具有优先权，否则在存疑情况下将由技术默认设置而非业务需求来决定。
许多试点项目是根据回答是否显得合理以及操作体验是否令人信服来评估的。但对于后续的实际运营，我更关心另一个问题：当来源之间出现矛盾时会发生什么？
试点项目应有意识地制造此类情况，例如预留库存、延迟的价格变更、重复的客户档案或缺少审批。测试中必须展示系统是否能识别冲突、应用何种规则以及在何时引入人工介入。在此过程中，通常会发现各个业务部门对“可用”、“最新”或“已批准”等术语有不同的理解。澄清这些术语是管理层的职责。
因此，每个应用场景都必须指定一名负责人，他不仅限于处理错误列表。他必须能够屏蔽某一数据源、更改阈值或中止流程。为此我不需要额外的委员会。关键在于，这名负责人在存疑时确实有权叫停。
信任需要一个责任人
商家在使用 AI 之前不必完全修复其所有数据。但对于每一项自动化决策，都必须明确哪些信息有效，以及在发生矛盾时由谁做出决定。
一个令人信服的演示对我来说还不够。如果商店系统、ERP 系统和营销活动系统提供不同的答案，我需要知道谁拥有最终决定权并承担责任。如果不存在这样的人，我不会批准该试点项目投入实际运营。