总结
在巴西虚拟商店中，人工智能已在客户服务、内部搜索、推荐、需求预测及目录内容生成等领域交付成果，但在部分场景仍存在不足。
带来回报的使用方式是重复性的，而非戏剧性的
在巴西虚拟商店中，能产生可衡量结果的生成式AI主要承担高频、低变异任务，如每日数百次回答相同交货期疑问、产品正确分类、预测季节性商品采购量。从重复性案例入手的项目通常能在季度结束前收回投资；而从展示橱窗等复杂场景起步的项目往往止步于概念验证阶段。
使用率仍然偏低。据Cetic.br于2026年6月15日发布的《TIC Empresas 2025》研究（基于4,174家企业调查），巴西拥有10名及以上员工的企业中，17%使用了AI（2024年为13%）；10至49名员工企业从10%升至15%；250名及以上员工企业从38%升至50%。增长最快的应用领域是重复性任务：文本生成用于回复和沟通的比例从20%上升至30%。意图远高于实际使用：Sebrae与Anegepe开展的2024/2025年GEM调查显示，74%的初创期企业家将AI列为数字优先事项，而仅35%提及自有电商平台和网站。
快速测试：若任务可用几条规则描述、每天发生多次且错误易察觉，则是良好候选项；若每次情况不同、罕见或需判断例外，AI往往增加修订工作而非节省成本。
服务：解决问题，而非推诿
第一代客服机器人主要起分流作用，未真正解决问题，反而让客户困在菜单中。当前一代机器人在接入订单、追踪、退换货政策等运营系统时表现良好，能基于真实数据作答，并在置信度较低时立即转接人工。Decreto nº 7.962/2013规范电子商务，其第4条要求提供能解决疑问、投诉和取消请求的电子服务，确认需求接收并至少5天内回复——即使接待方是机器人。
| 应用 | 重要指标 | 主要风险 |
|---|---|---|
| 自动化服务 | 首次接触时的分辨率 | 关于交货期或价格的虚构答复 |
| 语义内部搜索 | 无结果搜索及搜索转化率 | 将客户的精确术语替换为近似词 |
| 产品推荐 | 每会话收入 | 推荐无库存或低毛利商品 |
| 需求预测 | 缺货与库存周转 | 因促销活动导致的历史记录过短或失真 |
| 目录文本 | 每篇发布内容的耗时 | 描述过于笼统，与竞争对手雷同 |
如何判断自动化客服是否有效解决问题
- Recontato：客户是否在几天内通过任何渠道再次询问相同问题？若是，说明之前的对话未能解决问题。
- Transferência：有多少对话转接给人工，以及在什么时机转接。在错误回答后立即转接比立即转接更糟糕。
- Amostra lida por gente：每周抽取一批对话样本，并将每条对话分类为已解决、部分解决或错误。
- Respostas sobre preço, prazo e troca：单独检查这些内容，因为它们最容易引发投诉并使商店承担责任。
站内搜索：收益提升最快的领域
在大型目录中，大部分收入来自搜索框，而许多搜索因拼写错误、同义词或地区术语而失败。语义搜索无需手动注册同义词即可纠正这些问题。需注意精度：输入型号代码的用户期望找到特定商品，而非相似商品。行之有效的做法是将精确搜索与近似搜索相结合，并每周审查无结果搜索报告。
需求与库存预测
基于历史数据的预测有助于优化采购并减少缺货，但需确保数据质量：黑五、母亲节等促销活动、缺货及价格变动都会扭曲时间序列。若未标记这些事件，模型会误以为销量下降是因为需求减少，而实际上只是产品暂时缺货。建议从贡献大部分销售额的A类商品入手，确保其拥有至少12个月的历史数据，同时在采购决策中保留人工审核环节。
目录内容：加速生成同时避免沦为通用模板式文本
大规模生成描述能解决拥有数千件商品的目录瓶颈。风险在于发布与其他竞争对手雷同的正确文本，这无法支撑搜索排名。折中方案是向模型注入只有本店拥有的信息，如实测尺寸、客服常见疑问、型号间对比，并在发布前进行复核。
发布前的审查清单
- 核对文本中的每一项数值（尺寸、重量、容量、电压）是否与系统录入信息或实物产品一致。
- 移除店铺无法兑现的承诺，例如未经测试的耐用性、效果或兼容性声明。
- 至少包含一项自有信息：客服收到的关于该商品的疑问，或它与目录中相邻型号的差异。
- 阅读竞争对手商品详情页旁的文本。如果两者可以互换，说明该商品详情页尚未准备就绪。
成本、数据与责任
在决策过程中，通常有三点被忽视。第一点是可变成本：按使用量计费会随着流量增长而增加，必须计入订单利润率。第二点是个人数据：购买历史和客服对话属于受《第13.709/2018号法律（LGPD）》保护的客户数据，需遵守目的、保留和安全方面的义务；第20条赋予客户要求审查仅由自动化处理做出的决定的权利，第52条规定最高可达营业额2%的罚款，每项违规行为上限为5,000万雷亚尔。第三点是责任：根据《消费者保护法》（第8.078/1990号法律）第30条，对产品提供足够准确信息的供应商——即使是由机器人报出的错误价格、期限或保修——需承担由此产生的问题，而非技术供应商。
巴西境外也有先例。2024年2月14日，加拿大不列颠哥伦比亚省民事解决法庭裁定加拿大航空向一名乘客支付812.02加元（包括赔偿金、利息和费用），该乘客遵循了公司聊天机器人提供的错误费率规则（Moffatt v. Air Canada, 2024 BCCRT 149）；法庭驳回了机器人应对其自身回答负责的辩护理由。
可变成本的假设示例。一家假设的商店为AI处理的每通对话支付0.20雷亚尔，每月有3,000通对话，总计600雷亚尔。在一次使流量翻倍并将对话量增至6,000次的活动中，当月费用将升至1,200雷亚尔。如果这额外的3,000通对话没有以相同比例转化为订单，那么在利润承受最大压力的时期，每个订单的成本就会上升。因此，值得监控的是工具成本除以订单数量，而不仅仅是月度账单。
向人工智能供应商提出的问题
- 费用如何计算（按对话、按消息、按文本量、按用户）？在流量高峰期价格会发生什么变化？
- 该工具是否实时查询商店系统，还是基于可能已过时的已加载文本回答问题？
- 当系统不知道答案时，它会怎么做？是否可以配置转接至人工客服？
- 客户数据和对话数据存储在哪里、存储多久，以及是否用于训练第三方模型？
- 商店能否查看对话历史记录，并在更换供应商时导出这些数据？
- 有哪些报告可用于衡量问题解决率，而不仅仅是服务量？
在商店采用人工智能时的常见错误
- 从工具开始，而不是从流程开始。
- 仅衡量数量：对话或生成的文本无法反映销售、成本或满意度。
- 连接无订单和追踪访问权限的客服，迫使AI以通用或虚构的方式回答。
- 过早移除人工审核，即在指标稳定之前。
- 未在部署后明确项目负责人，导致规则和文本过时。
何时不应使用人工智能
在某些情况下，简单的规则能更便宜且更好地解决问题，例如订单状态消息（包括第7.962/2013号法令第4条第III款要求的购买即时确认）、运费计算、库存可用通知。也不应在错误成本高且频率低的决策中使用AI，如与供应商谈判或对正式投诉做出回应。如果基础数据混乱——注册信息不一致、库存未核对、每次情况都不同的退货政策——那么首要投资是整理运营。
如何在没有大型项目的情况下开始
一个为期90天的计划能让项目保持精简。在前30天，选择一个高流量且错误成本高的流程，并测量两周的基线（时间、成本和错误率）。到第60天，并行运行试点项目，并对所有输出进行人工审核。到第90天，如果数据表现良好，将审核减少为抽样；否则终止试点并记录原因。
若要了解自动化如何与内部流程衔接，建议参考中型企业自动化相关素材，运营成本主要体现在运费和转化率上。更多关于运营、渠道和行业数据的报道见电子商务版块。
推荐阅读：企业中的AI错误：6个已记录案例及每个案例对中小企业的启示 · 电商需求预测：在自动化补货前如何进行测试
常见问题
小型商店值得部署自动化客服吗？
当同一类问题（如交货期和物流追踪）频繁重复时，系统应核实订单详情，并在不确定时转交人工客服处理。
哪项应用通常能更快见效？
站内搜索与客户服务。在商品目录庞大的情况下，优化无结果搜索会直接影响转化率，且无需调整业务流程。
可以在产品详情页使用自动生成文本吗？
可以，但文本需包含店铺特有信息并经人工审核。通用描述无法在搜索中保持排名，因为其内容与数十家竞争对手完全相同。
预测需求需要哪些数据？
至少一个完整年度周期的销售历史，并标注促销活动和无货时段。否则模型会将缺货误判为需求下降。
谁对自动化系统的错误负责？
由商家负责。官方渠道提供的价格、交期或保修信息有误，责任在于销售方，因此人工审核是流程的必要环节。