美國零售與電子商務2024 – 進行中沃爾瑪
運用生成式AI處理商品目錄資料
沃爾瑪運用大型語言模型，建立或改善逾8.5億筆商品目錄資料
問題
隨著平台賣家及商品增加，沃爾瑪線上商品目錄持續擴大。商品屬性資料缺漏或品質不佳，影響顧客尋找商品，也影響門市儲放及配送商品的作業。
做法
公司運用多個大型語言模型，包括外部供應商提供及自行開發的模型，填入商品屬性並改善商品頁面。整理後的資料也供門市員工的行動工具使用，在揀貨或補貨上架時顯示包裝圖片及商品位置。
主要數據
850M+以大型語言模型建立或改善的商品目錄資料筆數
~100x執行長估計，若無生成式AI，在相同時間完成相同工作所需的人力
啟示
沃爾瑪將改善後的目錄資料，同時用於商品頁面及供員工尋找、補放商品的工具。「100倍」的人力比較屬於估計，公司未揭露錯誤率或成本。
分類
來源
來源摘要
[1]Modern Retail2024年8月15日
沃爾瑪執行長Doug McMillon在會計年度第二季法說會表示，多個語言模型已建立或改善逾8.5億筆目錄資料。他估計，在相同期間完成相同工作，原本需要接近目前100倍的人力。沃爾瑪美國業務負責人John Furner補充，AI已為數億項商品補上屬性資料。兩名外部分析師認為，目錄整理是範圍有限、定義明確的工作，適合交由AI處理。
[2]Retail Dive2024年8月20日
Retail Dive報導，大型語言模型已建立或改善逾8.5億筆商品資料。沃爾瑪主管估計，若無AI，這項工作約需100倍的人力。目錄品質影響搜尋、庫存儲放及配送，員工則在行動工具中使用整理後的資料，尋找商品及查看包裝圖片。
詳細內容請參閱原始資料。
收錄日期 2026年10月25日 · 更新日期 2026年10月25日
