我們與 Adobe AI 的歷程已從預測情報發展到生成式建立，現在則發展到有意圖的代理式系統。在此過程中，我們改變了擴展個人化、釋放生產力及推動創新的方式。以下是我們學到的經驗、達成目標所付出的努力以及後續步驟。

簡介

AI 不再是數位體驗中的未來流行語；它是推動現代個人化、生產力和擴充的引擎。在精確度和規模都十分關鍵的旅遊業、餐旅業和娛樂業，許多組織一開始便使用 Adobe Analytics 和 Adobe Target 中的預測性 AI 功能。從這一步開始，採用已透過 Adobe Experience Platform AI 助理等工具擴展到生成式 AI，並且現在正逐步邁向 Adobe Experience Platform 內外的代理式 AI 功能。在此過程中，關於採用、治理和創新的重要經驗教訓湧現出來。這些見解對於任何組織而言都日益重要，足以影響其 AI 支援的數位體驗策略。

AI 基礎

Adobe Analytics 和 Adobe Target 是我們進入 AI 驅動行銷的入口。Analytics 透過異常偵測、貢獻度分析和預測來提供預測性洞察，而 Target 則透過自動化目標市場選擇、個人化和建議讓個人化變得實用。

這些功能為信任 AI 奠定了基礎，並以多種方式展示 ROI：

• 提高效率：減少發掘見解或最佳化內容所需的手動工作。
• 提升收入：透過個人化體驗大幅改善轉換率和平均訂單價值。
• 客戶體驗影響：實現更快速、更相關的互動，以改善參與度和滿意度。

這些成果共同顯示預測性 AI 的切實商業價值，並幫助建立利害關係人的信心，以擴展至更進階的使用案例。

做法：在 Adobe Analytics 和 Adobe Target 中開始運用 AI 的 3 個步驟

1. 從 Adobe Analytics 中的異常偵測和貢獻度分析開始，驗證 AI 驅動的洞察。
2. 運用 Adobe Target 中的 Automated Personalization，為每位訪客提供最佳的內容變化版本，並透過預測性 AI 進行動態最佳化。
3. 透過自動鎖定目標和推薦追蹤提升度和 ROI，以及早展示實際的業務影響。

借助 Adobe Experience Platform AI 助理飛躍至生成式 AI

真正的轉折點出現在我們採用 Adobe Experience Platform (AEP) 並開始使用由生成式 AI 支援的 Adobe AI 助理時。助理很快就證明自己不僅是個新事物，還成了一種跨團隊的日常生產力工具。

我們採用 AI 助理的原因

使用 AI 助理的決定源於三個需求：

1. 快速獲得洞察：分析師和企業使用者需要從複雜的資料集中快速獲得答案，而無需手動編寫查詢。
2. 可存取性：Adobe Experience Platform 功能強大，但非技術使用者會感到害怕。透過對話式查詢更自然地與資料和洞察互動有助於減少障礙。
3. 入門：由於有新員工和角色輪換，在 Adobe Experience Platform 中讓團隊保持生產力相當耗時。AI 助理可作為互動式「指導」來引導探索。

初始使用案例及其發展方式

• 入門與啟用：新使用者會利用 AI 助理作為「引導式指導」，以探索資料集、瞭解 XDM 結構描述並在實作中學習平台應用程式功能 (Real-Time CDP、Customer Journey Analytics 和 Adobe Journey Optimizer)。他們可以問「哪些量度可用於行銷活動績效？」或「如何分析客群參與趨勢？」，而不是被動閱讀文件。此互動式方法可將入門時間從幾個月縮短到幾週。
• 疑難排解和資料探索：在早期，AI 助理可以協助使用者瞭解缺少的欄位或不一致的資料定義。如今，它還會驗證查詢、顯示異常情況並提供建議，以取得更準確的洞察。

搭配自然語言查詢使用 AI 助理的最佳做法提示

• 鼓勵新使用者將 AI 助理視為一線指南，協助他們以互動方式探索資料並學習平台功能。
• 準備一組入門提示以示範典型查詢和最佳做法。
• 將 AI 助理的使用與結構化的啟用工作階段相結合，這種配對可促進最快採用並建立信心。

關鍵成果

• 分析師和企業使用者更快獲得可操作的洞察，將查詢和報告時間從數天縮短為幾分鐘。
• 非技術使用者可以放心地直接使用 Adobe Experience Platform，不必過於依賴分析師。
• 新員工入門速度加快 2 至 3 倍，減輕了資深團隊成員的升級負擔。

其好處顯而易見：團隊變得更加有效率，Adobe Experience Platform 變得更加容易使用，而自然語言查詢讓各個職能的使用者能夠探索資料並獲得洞察，同時最大限度地減少摩擦。

但是，採用並非沒有挑戰：

• 恐懼和誤解：法律和合規團隊起初擔心，如果 AI 模型使用了訪客資料，可能會將其暴露於外部或供其他公司重複使用。解決這些問題需要清楚的資料使用說明文件、架構的透明度，以及持續的教育。
• 信任和採用障礙：在組織內，許多人擔心 AI 可能會取代人類判斷或降低他們的控制力。我們必須強調 AI 只會發揮促進作用，而不會取代。我們一開始是以 AI 作為助理，而不是替代者。
• 資料整備困境：我們的技術團隊面臨這樣的現實：生成式 AI 的品質取決於它所使用的資料。乾淨、精心安排的 360° 資料是取得準確輸出和值得信賴的洞察的關鍵。AEP 的統一輪廓層和集中式資料平台有助於克服此挑戰。

一旦這些障礙得到承認和解決，其好處就變得顯而易見了。

代理式 AI 的新興時代

雖然生成式 AI 功能強大，但代理式 AI 代表下一個前沿。代理式 AI 可讓多步驟工作流程自主執行和協調，從策略開發到區段建立、個人化執行和資料品質檢查，而不只回應提示。這是從「輔助」到「協作自動化」的轉變：生成式 AI 會回應問題並產生內容，而代理式 AI 會協調多項工作、管理相依性，並根據定義的目標執行複雜的工作流程。

我們目前正在探索使用：

1. Adobe Experience Platform Agent Orchestrator - 可讓代理程式在多步驟行銷工作流程中協同合作。
2. 專門建立的 Adobe Experience Platform 代理程式 - 用於細分、啟用和洞察的專業代理程式。
3. Adobe GenStudio 和 Firefly - 大規模產生個人化、品牌安全的內容。

除了 Adobe 的平台，我們也在針對資料品質、身分解析和個人化策略評估代理式 AI，以確保 AI 在整個客戶歷程中運作。

現今，建立行銷活動通常涉及多項移交：資料工程準備客群、行銷設計內容，以及營運管理啟用。在不久的將來，一組協調的代理式 AI 流程可以順暢地執行這些步驟，減少手動來回移交。這種轉變讓團隊能夠更專注於策略和創意決策，並將上市時間從幾個月大幅縮短到幾天。

做法：準備使用代理式 AI 的 3 個步驟

1. 及早參與法律與安全性工作：記錄架構、工作流程和資料使用情況，並展示已建立的合規性、隱私權及安全性護欄。
2. 定義代理程式角色和責任：指定每個代理程式要管理的流程或工作流程 (例如，細分、內容產生、最佳化和驗證)，以確保符合業務目標。
3. 先建立有限工作流程的雛型：先從小型受控實驗開始，再擴展至全企業的協調流程，並分享早期結果，以建立信心和瞭解。

生成式 AI 與代理式 AI：有何差異？

重點提要：GenAI 可協助您更快速完成工作；代理式 AI 可協助您完成以前無法完成的工作。

經驗教訓與後續步驟

我們的歷程重點說明幾個經驗教訓：

• 從小型且低風險的試行方案開始：AI 作為助理，而不是替代者，讓人類繼續處於迴圈和控制中。
• 從 AI 基礎開始建立信任，展示企業級 AI 如何維持資料安全及隱私權保護；然後展開至生成式 AI 和代理式 AI。在擴充之前透過可衡量的成果建立信心。
• Adobe Target 中的 Automated Personalization 是我們最強的 ROI 驅動因素之一，持續提供可衡量的提升，同時減少手動工作。此外，它還能快速展現實際成果，也有助於建立與企業利害關係人的信任。
• 清楚記錄架構、資料使用情況與共用做法，以及法律和安全性團隊的安全核准。在擴充至敏感使用案例之前，建立合規性護欄，包括隱私權、IP 和資料治理。
• 廣泛測量 ROI：不只以美元計算，還有 AI 工具帶來的生產力提升、上市速度以及創意產出。

瞭解 AI 功能的演化

• GenAI 可加速內容建立、細分和分析等工作。
• 代理式 AI 不只能加速，還能實現自主協調、處理多步驟工作流程、協調代理程式及持續最佳化行銷活動。此轉變讓團隊能夠專注於策略、創意和創新，同時將上市時間從幾個月縮短到幾天。

展望未來，我們看到代理式 AI 不只改變了生產力，也改變了體驗的設計、協調和交付方式。協調的代理程式可順暢地管理客群、內容和啟用，讓行銷團隊有更多時間進行策略規劃和創意創新。

我對同行和從業人員的建議很簡單：將 AI 視為合作夥伴，而不僅僅是一種工具。從小處著手，分享勝利，為代理程式驅動的未來做好準備。