电商进入人工智能（以下简称“
AI”
）时代。AI赋能电商不仅提高用户的购物体验，降低商家经营门槛，更加速产业供给和需求的良性循环，实现了用户、商品、消费场景的深度密切链接。
本文梳理了电商场景下的四类典型问题，介绍企业的应对措施，以及大模型技术应用于电商场景伦理治理方面的发展与完善。
应有效发挥数据作用，将商家和消费者间的供需有效连接，使数据推动电商平台智能化发展，为商家和用户提供更好的服务。在需求侧，电商平台通过用户画像和行为数据的分析，了解不同类型客户群体的需求，包括对商品风格、款式的偏好，进而推荐定制化商品。在供给侧，聚合后的偏好可以被用于反向优化供应链和库存管理系统，实现“以销定产”“小单快返”与“柔性制造”。电商连接消费与制造，利用数字技术有效匹配供需，带来消费新增量。
2021年，国务院发展研究中心课题组“高水平消费和供给动态平衡的研究”课题发现，我国每100元网络实物商品零售额中，有36元是纯新增消费。
实践发现，AI的应用对商家和用户都带来了积极影响。目前，商家主要应用生成式人工智能降低经营门槛和运营成本。就宣传素材而言，AI生成场景图、模特图、白底图，为商家节省模特、拍摄、美工后期等成本，AI文案提供智能创作能力，带来更多营销创意，让内容创作更高效。就经营代理而言，智能体（AI Agent）为商品上新、店铺管理、消费者运营等细分场景提供AI代管服务。例如，AI支持快速发品，自动生成商品主图与详情，并根据商品风格自动生成店铺Logo与名称，在5分钟内完成新店创建与商品售卖。就数据分析而言，AI可以提供智能化的趋势分析、周报总结、文档解读、咨询解答，让运营更简单。此外，AI客服还可实现智能接待、智能导购、智能解答，提升接待能力，降低运营成本。
在用户侧，运用
生成式人工智能
，提升用户体验，深刻洞察用户需求，结合搜索和推荐，利用大模型的推理能力，从而更精准预测用户的真实需求。通过AI生成高质量和个性化的导购内容，提升用户体验。比如，AI试衣功能让消费者体验一键上身试穿效果。
从使用者角度看，AI在电商中的应用正处于技术快速扩散的发展期。通过对淘宝平台活跃商家进行调研，超过7000份的问卷结果显示：生成式
人工智能
在电商各环节均呈现一定效果，内容生成工具更受青睐。在已使用AI的商家中，超过50%的商家认为：生成式
人工智能
在开店、发品、内容直播、广告营销、客服均产生作用，“一键生成”功能对减轻经营负担有较好帮助。
从经营成效看，大模型在电商各个环节的应用尚处于初级阶段，暂未引发经营模式的变革。约74%受访商家认为生成式
人工智能
的应用效率相当于1个人的工作产出，64%的受访商家认为使用AI工具后节约的成本大概在5000元/月。
因此，AI帮助商户降本增效与提升供给质量，智能化运营帮助从业者（特别是中小商家）大幅度降低经营成本，促进更有创意的良性竞争。在用户端提升消费者体验，不断释放消费潜力。在产业侧，加速供需的良性循环，使人-货-场链接更有效、更多元、更便捷。
技术应用带来便捷生活的同时，还要从消费者角度考虑技术的伦理问题。如何应对用户信任挑战，进一步提升用户体验，仍值得深入探讨。
目前，数据驱动下电商场景的伦理问题主要体现在四个方面。一是隐私数据过度收集，随着数据收集技术的成熟，用户对于个人隐私数据被过度收集的担忧也日益加剧；二是推荐商品重复，出现“看了又看、买了又买”的信息茧房；三是价格公平性和透明度不足，用户在购物时会有“大数据杀熟”的顾虑；四是客服的回应速度和对问题的解答中会出现不能让用户完全满意的情况，影响购物体验。
在数据智能（DT）时代，电商平台通过实施负责任的技术和产品方案回应上述挑战。首先，为缓解用户对隐私数据收集的顾虑，在技术应用中兼顾个人信息保护，落实以人为本的目标，包括获得用户同意，允许用户对个人数据进行控制，尊重用户限制和退出算法决策的需求。其次，在推荐领域积极开展技术和机制创新，不断提升结果的多样性和新颖性，并为用户提供退出个性化推荐的选择。再次，在价格上保障用户的知情权，以清晰、易于理解的方式展示并说明价格、优惠的计算逻辑，并在专门页面中向用户告知平台不参与商品定价，不涉及大数据杀熟。最后，在客服响应的速度和质量方面，建立人机协同的用户投诉申诉反馈机制。
随着AI在电商领域应用的日益深入，电商平台在原有架构基础上，为解决用户的伦理担忧带来了更完善的解决方案。
一是数据利用方式更负责任、更符合伦理。大模型对数据的合理利用可以有效缓解用户对隐私安全的顾虑。模型训练并不依赖个人信息等原始数据，会采用技术手段主动减少对用户个人信息的采集，降低个人信息在训练数据中的比例和真实性。在训练阶段，大模型模拟人的思维活动方式生成人类可以理解的内容，而训练数据也是基于知识性语料库。在应用阶段，用户-模型的交互数据也并不作为训练语料的直接和主要来源。
二是推荐结果更符合用户预期、可解释性更强。在推荐系统中可以利用大模型对规律的理解，挖掘用户的真实需求。在不降低推荐精准性的前提下，可以提升消费者浏览时的惊喜感，从“猜你喜欢”走向“懂你喜欢”。同时，合成数据通过差分隐私等方法给个人信息建立隐私墙，在提升推荐效率的同时更好保护消费者隐私。
三是价格生成机制更透明。大模型凭借强大的数据处理与学习能力，能够深入分析商品定价逻辑，解析复杂的促销和优惠规则，并用易于理解的方式呈现给消费者。例如，AI助手可以根据用户的购买历史和当前浏览商品，即时计算出最佳优惠组合，极大提升了价格机制的透明度。
四是服务响应更智能。基于生成式
人工智能
的客服系统正成为提升消费者响应速度、优化购物体验的关键力量。通过引入电商领域专业知识和规则，将基于实际场景的问题和答案用于模型优化，配合检索增强技术，使模型能够更精准地回答消费者的提问。当遇到超出AI处理范畴的复杂伦理问题时，智能客服又能无缝转接至人工客服，确保问题得到恰当处理，维护消费者权益。
根据技术接受模型，“建立信任”是提高用户对新技术“使用意图”认知的重要因素。因此，对正处于AI应用技术扩散关键阶段、与用户密切交互的电商平台来说，应主动从技术和产品研发、内部组织架构和流程设计以及外部监管协同等多方面，不断完善对伦理问题的应对方案，让用户更放心。
作者：
王峥系阿里研究院数据经济研究中心副主任；
傅宏宇系阿里研究院数据经济研究中心主任。
在全球化背景下，科技的快速发展也带来了前所未有的治理挑战。本板块内容依托阿里巴巴集团先进的AI科技能力、丰富的应用场景与负责任的技术生态，聚焦于AI风险、AI大模型安全、AI大模型开闭源生态、AI大模型出海等AI治理政策研究，基于技术理性的风险观，为大模型发展与安全平衡与取舍提供独到见解。同时，我们致力于收集和分享海内外AI治理先进理论与经验，为构建合理的科技治理体系提供智慧与灵感。
