电子商务巨头越来越多 使用人工智能 为客户体验提供动力，优化定价和简化物流。但是，该领域的一位专家说，扩展AI解决方案来处理大量数据和大型平台的实时需求，提出了一组复杂的建筑，数据管理和道德挑战。
安德烈·克罗特基（Andrey Krotkikh）是一名具有Aliexpress CI经验的机器学习专家，强调了在动态的电子商务环境中实施AI的复杂性。
Krotkikh说：“扩大规模的主要挑战之一是实时推断模型。” “您需要在短时间内为用户提供信息，而不会损害用户体验。”
他以交付时间预测为例，其中每个用户的数据都是唯一的，并且取决于许多因素，从而排除了预访。这需要一个可靠的系统设计，以说明数据收集，模型培训，推断和适应不断发展的条件。
Krotkikh说：“要创建一个经受时间考验的系统，有必要定性地收集所有可能影响模型推理和设计项目的信息，包括如何培训，推断并根据数据迁移而适应新条件。”
他还强调了考虑未来的项目和公司计划的重要性，主张简单，资源有效的模型，以最大程度地减少优先级的潜在损失。
数据管理是另一个关键领域。 Krotkikh描述了一种典型的情况，其中在不同域中收集具有不同标准的不同领域的数据，从而导致不一致和过时的信息。
他说：“通常情况下，情况是由不同的领域以不同的方式收集的数据，每个人都在命名惯例上达成不同的协议。” “加上数据的问题已经过时了，数据停止更新的情况很普遍。”
他建议功能店可以帮助管理预处理的数据并促进跨团队使用，而集中式数据仓库（DWH）域则可以统一数据准备和迁移。
“从数据侧来看，这是通过使用DWH（数据仓库）域的集中数据制备解决的，” Krotkikh说。 “该团队以统一的方式准备桌子和仪表板，启动数据迁移，并在跨队互动中充当主动的一面。”
部署高级AI技术 强化学习用于动态定价 建议系统还提出了挑战，尤其是在与业务需求保持一致时。
“通常，问题可以分为三个部分：业务需求，模型培训和数据，” Krotkikh说。 “（根据我的经验）最具挑战性的问题是考虑业务需求并学习适应它们。”
他强调有必要考虑AI解决方案对其他公司产品的影响，并确保团队之间的协同合作。
Krotkikh说：“您的开发不是孤立的，而是在公司产品的整体’气氛中存在，也不可能认为它不会影响其他产品。” “因此，在大多数情况下，您需要考虑如何验证解决方案对其他公司产品的影响以及如何确保项目与其他项目的协同工作。”
道德考虑至关重要，特别是关于价格歧视。 Krotkikh警告说，对用户既非法又不公平的做法。
他说：“所有公司都应该考虑的最重要的一点是没有对用户的价格歧视。” “这种做法在许多国家都受到惩罚，总的来说，对用户不公平。”
他建议在机器学习和业务团队之间进行积极的讨论，以确保公平性并防止意外后果，例如销售期间的价格变化。
Krotkikh说：“ ML和企业应该事先讨论这些事情，例如如何确保’公平’。” “一个类似的例子是销售期间没有价格变化； ML可以分析如何最好地’与这种限制的模型’吸引’模型，从而在整个销售中取得良好的成绩。”
随着AI的继续转换电子商务，公司必须应对这些挑战，以建立有益于企业和消费者的可扩展，可靠和道德解决方案。通过优先考虑数据质量，建筑鲁棒性和道德考虑，电子商务平台可以利用AI的全部潜力，同时减轻潜在风险。
