收益：
- 能够区分人工智能在零售工作流程中哪些地方可以实时节省时间（预测、分析、内容、报告），以及哪些地方由人类来决定价格、订单和客户决策，具体取决于任务风险级别。
- 能够应用一门学科，通过将每个人工智能输出链接到源、重新计算和商业过滤的步骤来验证每个人工智能输出。
- 在 KVKK/隐私范围内对客户和销售数据进行匿名处理，并养成选择安全车辆的习惯
零售业是一个每天都要做出数以千计的小决定的行业：订购多少件哪种产品、哪种产品将给予多少折扣、将向哪个客户发送哪些消息、将什么放在过道的哪个位置。其中许多决策都是基于数据，但都是在时间压力下做出的，通常是凭直觉做出的。这就是人工智能发挥作用的地方：它快速总结数据、生成预测、草稿和分析。但人工智能并不是灵丹妙药。我们将在整个模块中重复一句话：人工智能产生建议，负责任的人做出决定。
在第一个单元中，您将学习如何安全、高效且合乎道德地在零售业务中部署人工智能。首先，我们先来明确一下什么是人工智能。
人工智能（AI）：它是通过从数据中学习来执行人类所做的一些脑力任务（文本编写、总结、预测、分类）的软件的总称。我们最常使用的类型是处理文本的生成人工智能（生成文本和回答问题的工具；例如基于聊天的助手）和根据数值数据生成预测的分析工具。
人工智能在零售业中可以在哪些方面节省时间？
人工智能最强大的地方是重复性、数据密集型和通风任务。零售业有很多类似的情况：
- 根据过去的销售情况起草需求预测
- 为数百种产品编写产品描述
- 从原始销售图表生成执行摘要和 KPI 评论
- 建立细分客户群体的逻辑
- 生成活动创意和消息草稿
- 为通道布局提供基于数据的建议
这些作品的共同特点是输出是草稿，可以很容易地由专家验证。
人工智能无法做出决策的地方
有些决策直接涉及金钱、客户权利或法律责任。这些应该留给人类：
- 最终价格确定：必须综合考虑利润、竞争和道德界限。
- 订单数量确认：现金流和仓库容量发挥作用。
- 影响客户的自动操作：将客户标记为“有风险”并限制服务可能具有歧视性。
- 活动主张：误导性广告会产生法律后果。
注意：应用未经验证的人工智能输出与向供应商发送未经确认的采购订单一样有风险。无论输出看起来多么流畅，责任仍然在您身上。
按任务风险级别划分
将您的工作分成三个盒子。这决定了你释放人工智能的程度。
风险等级
样本任务
人工智能的作用
人类的认可
低
产品描述草稿、电子邮件文本
制作人/起草人
快速审核
中等
需求预测、细分定义、报告摘要
分析师/顾问
数值验证
高
价格决定、订单确认、客户限制
仅建议
强制性的、签署的决定
验证纪律：三步
在发布或实施任何 AI 输出之前，请遵循以下三个步骤：
- 来源链接：输出基于什么数据？预测来自哪个时期的销售？该声明来自哪个产品功能？如果没有来源，请不要相信它。
- 重新计算：手动或使用表格仔细检查数字输出（保证金、折扣金额、订单数量）。人工智能可能会在算术中犯错误。
- 通过商业过滤：“这个提案是否符合我们商店的现实、预算和道德？”问问题。
迷你箱
案例 1 — 虚假功能：电子商务编辑让 AI 编写 500 个产品的描述。对于蓝牙耳机来说，AI说的是“40小时续航”；而实际值为 20 小时。由于编辑跳过了链接到来源的步骤，因此出现错误，出现 30 次退款和负面评论。教训：每项技术声明都必须与产品数据相匹配。
案例 2 — 算术错误：品类经理说：“对于 40 里拉的产品，建议一个具有 35% 利润的价格。” AI 建议 61.54 TL 而不是 54 TL（将百分比应用于错误的碱基）。由于经理没有重新计算，因此该产品与竞争对手相比仍然昂贵，并且销售额连续两周下降。教训：始终验证号码。
案例 3 — 侵犯隐私：CRM 经理将 12,000 名客户的姓名、电话号码和购物历史粘贴到在线工具中，并说“对他们进行细分”。个人数据流向不受控制的第三方；这是 KVKK 违规行为。教训：请勿在未匿名的情况下向任何工具提供个人数据。
隐私和 KVKK 基础
KVKK（个人数据保护法）：该法律规范如何处理姓名、联系方式和购物等个人数据。我们的经验法则是数据最小化：使用完成工作所需的最少数据量。
在使用工具之前，请按如下方式准备客户/销售数据：
- 删除姓名、电话、电子邮件、卡号、TR ID 等直接标识符或将其转换为“Customer_001”等代码。
- 仅保留分析所需的字段（例如年龄范围、城市、购物车金额、类别）。
- 选择不会在教育中使用您的数据的安全企业工具。
提示：“我可以在屏幕上向陌生人显示这些数据吗？”问。如果答案是否定的，请先将其匿名。
弱提示/强提示
提示（命令）：是你给人工智能的书面指令。它的质量直接决定了产出的质量。
弱提示：
分析我的销售情况。
这还不清楚；不清楚哪个数据、哪个时期、哪个问题。人工智能会产生一个通用的、无用的答案。
强力提示：
您的角色：您是零售销售分析师。任务：检查下面的匿名每周销售图表。数据：[类别、数量、营业额、退货数量列] 我想要：(1) 营业额最高和最低的 3 个类别，(2) 与上周相比有 2 个显着变化，(3) 每项发现的一句话可能原因。规则：仅依赖数据中的数字，不要猜测。如果您不确定，请标记“必须验证”。格式：文章文章，最多200字。
可复制的提示模板
1）任务风险分类
将以下零售任务分类为低/中/高风险。任务：[编写任务]对于每一类：人工智能应该发挥什么作用，需要哪些人类批准？用 3 行给出答案。
2）匿名化控制
检查下面的表格标题。哪些列包含个人数据，在将其提供给人工智能工具之前应将其删除或编码？指定为列表。标题：[粘贴列名称]
3）输出验证列表
我会给你一个AI输出。回答这三个问题：1）这个输出基于什么来源/数据，有来源吗？2）列出其中的数字声明，其中哪些应该被验证？3）在道德/立法方面是否存在风险声明？输出：[粘贴]
4) 安全摘要生成
您的角色：助理零售经理。从下面的匿名数据中提取执行摘要。只使用数据中的信息，不添加外部信息。将不确定性标记为“假设”。最多150字。数据：[粘贴]
常见错误
- 按原样实现输出：流利的语言并不能保证正确性。始终验证。
- 以原始形式粘贴个人数据：首先匿名。
- 编写模糊的提示：未指定角色、任务、数据、规则和格式的提示会产生较差的输出。
- 不检查数字：手动验证关键数字，例如保证金、折扣、订单数量。
- 将高风险决策留给人工智能：价格、订单和客户约束是人类的决定。
综上所述
人工智能在零售业的预测、分析、内容和报告方面节省了大量时间，但它不是决策者。根据风险级别分离任务，使用源-重新计算-商业过滤步骤验证每个输出，并确保对个人数据进行匿名化。良好的提示；包括角色、任务、数据、规则和格式。
应用任务
列出您自己企业的五项日常任务（例如每周订单、营销活动文案、销售报告）。将每个风险分类为低/中/高风险，并在其旁边写下“人工智能的作用”和“需要人类同意”。然后在实际打印输出上尝试“3) 输出验证列表”提示。
清单
- [ ] 我将任务分为低/中/高风险。
- [ ] 我将高风险决策与人类批准联系起来。
- [ ] 我在将个人数据提供给车辆之前将其匿名化。
- [ ] 我重新计算每个数字输出。
- [ ] 我的提示包含角色、任务、数据、规则和格式。
- [ ] 我从不直接实现未经验证的输出。