重點一： 零售 AI 進入「實現商業價值」階段，預估至 2033 年將創造 8,000 億美元經濟效益，全球零售業正快速邁向「適應式零售」。
重點二： LLM 等 AI 技術成為企業級智慧資產核心，如日本 7-ELEVEN 的 AI Library 或 Walmart 的 Wallaby，推進組織資料民主化。
重點三： 超商與超市量販業聚焦 AI 提升供應鏈與營運效率；百貨專賣業則著重精細顧客關係管理（CRM）與個人化行銷。
甫落幕的 2025 年 APEC 企業領袖高峰會指出，人工智慧技術在歷經 2023 年的技術驗證（聚焦 AI 技術的基礎知識、可行性與安全性）和 2024 年的活用階段（將 AI 整合進企業日常營運流程）後，2025 年正式邁入「實現商業價值」的階段。根據會議報告預估，至 2033 年，AI 導入零售業所創造的整體經濟效益將高達 8,000 億美元。
全球零售價值鏈近年正快速進入以 AI 技術與資料驅動為核心的「適應式零售」（Adaptive Retail）階段。適應式零售的概念自 2023 年由美國 Walmart 提出後獲得廣泛迴響，其核心價值在於藉由即時資料分析、生成式 AI、預測模型與自動化決策系統（代理式 AI）等技術解決方案，建構出能夠即時感應（Sense）、快速學習（Learn）並自動調整（Adapt）的零售系統。
值得注意的是，適應式零售的核心價值在於其即時性、預測性以及全企業敏捷性，因此對於 AI 算力、數據即時性與模型訓練深度具備更高需求標準，不僅提升了零售業的技術門檻，也推動產業進入更加資本密集與技術導向的競爭階段。
本次研究鎖定日本、南韓、美國、英國等海外先進市場的實體零售企業作為調查對象，選取近年導入 AI 技術應用後展現實質營運效益、並對台灣零售業者具備較高參考價值的代表性案例。目的為台灣零售業在面臨數位轉型、營運成本上升與人力短缺等挑戰時，提供可供參考與借鑒的技術藍圖與策略發展方向。
一、便利商店：AI 聚焦自動化、效率革命與智慧資產建構
便利商店的 AI 導入策略主要聚焦於四個面向：自動化與效率革命、促進銷售、精準預測與供應鏈優化，以及提升門市標準化與建構企業級智慧資產。
1. 自動化與效率革命：應對人力短缺，轉型營運節點
為應對高齡化社會下日益嚴重的人力短缺與營運效率挑戰，超商業者正大規模導入 AI 技術。
● 日本羅森（Lawson）： 2025 年推出的 「Real×Tech LAWSON 未來店型」，以實體店鋪內的全面自動化和提升顧客體驗品質為核心。導入 AI 影像辨識、服務型機器人、數位看板與電子標籤等，並整合外部數據進行交叉分析，以預測人流、優化商品陳列與強化庫存管理，目標是 2030 財年削減 30% 門店人員作業量，將超商店鋪轉型為以自動化與即時資料回饋為核心的營運節點。
● 南韓大型超商業者 GS25： 2024 年在全國門市實施 「AI 超商夥伴輔助經營系統」，為加盟主提供決策支援與營運輔助。該系統有助於縮短不同員工及加盟主間的經驗差距、提升門店營運績效與標準化管理。
羅森與 GS25 均透過大規模導入自動化技術與數據決策系統，致力於以更少人力、更高效能的模式維持便利商店在高密度都市區域的營運能力。
（延伸閱讀｜自助收銀後下一步！日本三大超商掀「AI 省人化」潮，除了機器人、虛擬客服，未來零售新商模長什麼樣？）
2. 促進銷售、精準預測與供應鏈優化：讓訂貨更智慧
AI 在庫存管理與供應鏈效率方面扮演核心角色，旨在降低報廢率與提升商品可得性。
● 日本 FamilyMart： 2025 年 6 月於 500 家門店導入 「AI 預測訂貨系統」。系統可識別並參考環境條件與銷售傾向相似且利潤額較高的「典範店鋪」數據，提供商品推薦與陳列優化方案。導入後每週可節省約 6 小時的作業時間。
● 南韓大型超商業者 CU ：2023 年啟動的 「智慧訂貨 2.0 系統」，利用 AI 深度學習技術，將單店歷史銷售實績、促銷活動與外部環境因素納入演算法考量後，自動生成個店化訂貨建議方案。根據 CU 統計，系統導入後缺貨率大幅降低 20.8%、銷售額增長 4.8%，且每日可縮減 0.5-1 小時的訂貨時間。
3. 提升門市標準化與建構企業級智慧資產：資料民主化
將 AI 內化為組織運作的核心文化，是提升市場反應速度與營運效率的關鍵。
● 日本 7-ELEVEN： 2025 年正式向員工推廣由母公司打造的中樞型人工智慧應用架構「多模型生成式 AI 平台：AI Library」。該平台由 13 種大型語言模型（LLM）組成核心運算基礎，串聯集團內部龐大的營運、銷售、物流、人力、顧客行為資料，同時整合外部數據來源，支援門市營運、商品企劃、顧客服務及內部管理等多元場景。AI Library 透過生成式 AI 介面降低非技術人員的操作門檻（資料民主化），使基層人員能夠即時取得 AI 分析成果並應用於日常決策。該平台的推出，象徵超商競爭戰場已正式延伸至數據反應速度與員工生產力等嶄新領域。
二、超市量販：供應鏈效率優化、門市智慧化與員工支援
超市量販業的 AI 聚焦於三大方向：供應鏈與營運效率優化、門市智慧化與顧客體驗升級，以及企業級數據資產建構與員工支援。
1. 供應鏈與營運效率優化：從採購到倉儲的全鏈智慧化
從生鮮採購到物流排程，AI 提升了供應鏈的效率與靈活性。
● 日本 Life 超市： 2024 年全面導入 「AI-Order Foresight 需求預測與自動訂貨系統」，應用深度學習模型預測數千項商品未來需求，並自動生成最佳訂貨建議，可計算長達 3 週的採購週期。
● 英國 Tesco： 近年與多家技術夥伴合作推動 AI 導向的供應鏈轉型，包括導入 Roambee 的實時貨物追蹤與可視化方案、採用 Satalia 的中程與末端 AI 路線優化與車隊排程系統、並與瑞士工控及物流自動化業者 Swisslog 合作，導入具高存儲密度及高吞吐量的機器人倉儲系統等。
● 美國 Sprouts Farmers Market： 2019 年導入 RELEX 的 AI 供應鏈優化系統，將供應鏈規劃轉變為自動化決策流程，並建立可隨門市與產品線增長、具備高擴展性的預測及補貨系統。
日本伊藤洋華堂： 2024 年於門市中全面導入 「AI 智慧空調系統」，透過感測裝置蒐整人流、溫度等環境數據後，由 AI 即時解析並自動執行空調系統運行計畫，提升能源利用率。
2. 門市智慧化與顧客體驗升級：智慧購物車成移動數據節點
AI 技術正改變實體門市的互動模式，提升購物效率與客製化服務。
● 日本 TRIAL： 為少數同時擁有強大 IT 開發能力與實際門市營運經驗的日本零售企業，近年陸續成立子公司 Retail AI 及 Retail-CIX（與 NTT AI-CIX 共同成立），貫徹其實體店鋪營運與零售科技開發的一體化推進商業模式。2015 年 TRIAL 推出搭載可掃描商品平板電腦的 「SkipCart® 智慧購物車系統」。購物車成為移動的數據採集節點，提供商品導航與即時客製化促銷建議。截至 2025 年 6 月，SkipCart® 已累積導入 258 家門市（含 6 家外部企業）、共計 21561 台，平均使用率達 25.1%、月均使用量達 450 萬人次，結帳速度為人工結帳的 15.9 倍，每小時處理商品量達13.6倍。
● 美國 Amazon Fresh ：類似的 「Dash Cart 智慧購物車系統」 也標誌著這類技術在提高購物便利性上的價值。
3. 企業級數據資產建構與員工支援：零售專用 LLM
大型語言模型（LLM）的應用，正協助零售業快速建構企業知識與提升員工生產力。
● 美國 Walmart ：2024 年發佈零售專用 LLM 系統 「Wallaby」。Wallaby 以自然語言處理（NLP）為核心，應用大量內部專屬知識進行訓練（如產品資訊、顧客互動紀錄、物流資料、內部術語、企業文化價值等）進行訓練並具備多模態能力，可作為即時識別顧客與理解意圖的個人化客服助理、驅動內容決策平台為購物者生成專屬首頁、同時支援供應鏈管理優化與門市營運等作業。
● 南韓樂天超市： 2025 年與 Naver 合作展開 「Agentic Enterprise」 轉型計畫，規劃於購物、商品企劃/採購、營運、經營支援領域中分階段開發四種流通領域專屬的代理式AI技術，並透過樂天內部的龐大數據進行訓練，將AI升級為能夠自主執行複雜任務的數位代理人，以大幅提升企業整體營運效率與決策敏捷性。
三、百貨公司與專賣零售：聚焦精細關係管理與決策支持
百貨與專賣零售業的 AI 導入策略，主要聚焦於精細顧客關係管理與個人化行銷、內部流程自動化，以及企業決策支持與知識管理。
1. 精細顧客關係管理與個人化行銷：鎖定 VIP 價值
由於百貨業營收與利潤高度集中於少數 VIP 客群，AI 用於實現精細且個人化的會員服務。
● 南韓新世界百貨： 2017 年導入 AI 顧客分析系統 「S-Mind」，並於 2025 年與首爾大學合作開發進階版的 S-Mind 4.0。S-Mind 以機器學習與深度數據分析技術為核心，整合會員量化數據及非交易性資訊，將消費者細分為更精細且更具實時意義的群體，並自動生成個性化促銷建議或專屬活動邀請名單、優惠券發放策略或專屬活動邀請名單，同時能夠預測潛在流失顧客與消費者下一次購買行為。
● 美國美妝巨擘 Ulta Beauty： 旗下Ulta Beauty Rewards忠誠度計畫被視為美國零售業界最具價值的忠誠度計畫之一。Ulta Beauty 於 2019 年開始積極投資開發數據科學能力與 AI 技術棧，其代表性成 「Quazi™」專門為其龐大會員資料與全通路營運開發的 AI 個人化推薦引擎，導入後客戶留存率增至 95%、平均訂單價值增長 40%、轉換率提升 60%、顧客獲取成本亦成功降低 35%。
2. 內部流程自動化與企業決策支持：敏捷供應鏈與一體化營運
AI 不僅優化對外服務，也顯著提升內部管理效率與決策速度。
● 日本近鐵百貨： 為加速店鋪結構改革（強化租賃型櫃位進駐），2025 年導入 Sansan 株式會社開發的「AI 合約系統 Contract One」，能自動讀取大量紙本及電子租賃合約，自動生成結構化數據庫，並主動預警租約到期日或條款變動，大幅縮減製作租賃清單的工時，同時，確保數據的準確性並降低因人工疏忽導致的財務和法律風。
● 迅銷集團（UNIQLO） ：2023 年 UNIQLO 啟動 「Management Cockpit 平台」，員工可透過單一平台查閱全球門市與電商業務各項營運數據，包括以 SKU 為單位的銷售明細、線上銷售表現、倉庫與門市即時庫存水準、物流與訂單進度、員工生產力、損益指標及未來營運預測等。該系統亦全面彙整歷史銷售數據、行銷活動與超過 3000 萬筆消費者回饋與產品評論數據，藉由演算法預測需求並即時連動至工廠生產端，提高供應鏈敏捷性，改善獲利表現與資金周轉效率，確立 Management Cockpit 作為 UNIQLO 數據化經營與全球營運一體化的關鍵中樞。
本文授權轉載自《未來流通研究所》
