OpenAI 7 月 30 日放出一個很有意思的零售案例：日本家電量販龍頭山田電機（Yamada Denki）的線上商店，上了一台用講的就能對話的 AI 導購，兩週公開實測約 3 萬人用過、92% 的問卷回覆給正面評價。真正的重點不是它回答得多快，而是它會主動問你問題——而客人回饋居然是「比跟真的店員講話還輕鬆」。
這件事是誰做的？
來源是 OpenAI 官方 2026 年 7 月 30 日發的客戶故事〈How avatarin built a 24/7 retail agent with GPT-Realtime〉。
做這件事的公司叫 avatarin，是從日本 ANA 控股（ANA Holdings）分拆出來的 AI 客服公司。它跟 Yamada Holdings 合作，把資深銷售人員腦袋裡的東西，變成一台 24 小時、多語言的購物 agent，名字叫 Kurashi-Marugoto AI Agent，跑在 OpenAI 的 GPT-Realtime 上。
avatarin 執行長 Akira Fukabori 給了一句定調的話：
「這不是傳統聊天機器人的延伸。這是在嘗試擴張『客戶服務』這件事的邊界。我們把它看成零售業『介面革命』的開始。」
（“This is not an extension of the conventional chatbot... We see it as the beginning of an ‘interface revolution’ in retail.”）
順帶一提，avatarin 不是第一次碰 OpenAI。在山田電機這個案子之前，他們就已經用 OpenAI API 做語音辨識、客訴分析、員工訓練。那些前面的工夫，是這次能直接端到客人面前的底氣。
為什麼家電門市特別需要這個？
原文開頭就講白了：日本家電零售面對一個一直解不掉的難題——想把資深店員的專業延伸到營業時間以外，可是人力又一直很緊。
這句話台灣的門市也完全聽得懂。晚上 10 點客人躺在床上滑手機比價，最想問的那句「我家廚房很小，四口人，冰箱要買哪一台」，沒有人可以問。隔天到店裡，又常常是另一種尷尬：怕被推銷、怕自己問的問題很蠢、怕講了預算就被帶去看更貴的。
Fukabori 用的例子就是這一題：
「客人要的不是聊天機器人，是『智慧』。『我要買一台四口之家用的冰箱，可是我廚房很小，該選哪一台？』——能回答這個問題，才叫真正的客戶服務。」
他們怎麼做的：3 個設計重點
1. 答案要有根據，但不能拖慢對話
底層接了一套 RAG（檢索增強生成），簡單講就是讓 AI 回答前先去翻商品資料，不是憑印象講。這件事最怕的是「準了但變慢」，語音對話只要停頓兩秒就很尷尬。GPT-Realtime 的角色就是把互動撐在夠即時的節奏上，讓客人可以順順地用講的，同時拿到有依據的商品資訊。
2. 把店員的「問法」寫進對話設計
這段是我覺得最值錢的。原文寫得很清楚：不同品類，銷售人員需要問到的資訊差很多。賣冰箱要問人數、廚房尺寸、開門方向；賣洗衣機要問陽台、乾衣需求、家裡有沒有小孩。avatarin 做的事，是把山田電機的服務 know-how 拆解成 agent 的對話流程跟提示詞。
他們還處理了兩個很現實的狀況：客人中途改需求（本來想買冰箱突然聊到洗衣機）、客人聊到題外話。系統設計成可以跟著轉，同時用護欄（guardrails）把對話拉回購物這件事上。
3. 會問，不是只會答
傳統聊天機器人在等關鍵字，你不講對詞它就給你罐頭答案。這台 agent 反過來——它聽的是脈絡，而且會主動追問，把對話從一問一答，推進到「幫你把需求想清楚」。
OpenAI 在這個案子裡也不是只丟 API：他們協助 avatarin 組複雜的提示詞、把「一直開著的語音服務」的 API 成本壓下來、分享實作經驗。這點很重要，語音 agent 最容易死在成本上。
兩週的成績單
山田電機線上商店的兩週公開活動，官方公布的數字是：
- 約 30,000 人使用過這個 agent
- 92% 的問卷回覆是正面的
- 24 小時、多語言，語音跟文字都能用
但 avatarin 自己認為最重要的發現不是「多少人用」，而是每一段對話都在告訴你，客人在乎什麼、為什麼猶豫、什麼話能讓他決定。Fukabori 說，以前在傳統網購裡，這些訊號幾乎看不到；有了 AI agent，它就直接長在對話裡。
還有兩個回饋我看了很有感：
- 客人說這台「比跟真的店員講話還好開口」，而且可以重複問同一件事而不會有壓力
- 店打烊之後也能問，可以坦白講預算跟猶豫，不用擔心被推銷
另外一個小設計很聰明：每段對話結束時接一段簡短的語音問卷，讓「給回饋」變成購物體驗的自然延伸，而不是又跳出一個問卷視窗。
傳統聊天機器人 vs 這台 agent，差在哪
- 觸發方式：舊的等你講出關鍵字；這台聽的是整段脈絡。
- 對話角色：舊的被動回答；這台主動追問、幫你收斂需求。
- 資料來源：舊的照 FAQ 腳本走；這台接 RAG 去翻真正的商品資料。
- 輸入方式：舊的只有打字；這台語音、文字、看圖在同一段對話裡。
- 對公司的價值：舊的是省客服人力；這台順便把「客人為什麼不買」這件事變成可以看的資料。
我自己的感觸：這根本是「單向的課」跟「交流」的差別
我上禮拜上了一整天原廠的講師培訓，講的是 Mac 跟整個生態圈。原廠講師講了三個關鍵字我一直記到現在：Delight（愉悅）、Connection（連結）、Surprise（驚喜）。他說，不要把課當成一場單向的講述，要把它當成一場交流。
他還說了一句更狠的：一堂課有沒有成功，是看每個人的眼神跟回饋。我自己也真的有這個經驗——我每次下課後都會有一堆人跑來問問題。這件事我以前覺得是成就感，那天之後我才想通另一面：為什麼他們上課的時候不問，要等到下課才問？
因為在那個當下，開口是有壓力的。怕問了顯得自己笨、怕打斷全班、怕問題太基本。
山田電機這個案子講的完全是同一件事，只是換到門市。客人說「跟 AI 講比跟店員講好開口」，不是因為店員不好，是因為面對面的那一層壓力真實存在。AI 剛好補上了這一段：把「不好意思問」的那些問題先接住。
另一個我很有共鳴的點是「把 know-how 寫下來」。我做課程的時候一直在做同一件事——如果只讓 AI 去整理網路上的內容，產出永遠是那種很通用、沒有靈魂的教材；但只要我把自己的想法、我實際怎麼教、我踩過什麼坑寫進去，再讓 AI 幫我收斂，出來的東西就貼近我真正想講的。
avatarin 做的是同一招，只是對象換成銷售流程：先把老手的問法寫下來，AI 才有東西可以學。你的專業越清楚，AI 放大出來的成果就越好；你什麼都不寫，它就只能給你一個誰都能講的罐頭答案。
所以如果你也在門市第一線，我會這樣看這則新聞：
- 會問比會答值錢。能被 AI 取代的是背規格、報價格；不能取代的是問對問題。真的想保值，練「問」。
- 老手的問法要寫下來。你們店裡一定有一個賣什麼都很準的同事，他的厲害不在話術，在他問的那三句。把那三句寫下來，那是資產，不是直覺。
- 分工要重新畫。AI 顧 24 小時、顧那些「客人不好意思問」的問題；真人顧臨門一腳、顧信任、顧那個要簽下去的瞬間。
套用之前，有幾點要先講清楚
- 這是日本的案子，台灣還沒有。官方沒有提到任何台灣上線的時程，別直接拿去跟客人說我們也要有。
- 「兩週活動」的數字要看清楚。約 3 萬人、92% 正評，是一次為期兩週的公開活動成績，不是長期營運數據，也沒有公布成交轉換率。用得起勁可以，別把它當成「AI 導購一定會賣」。
- 問卷正評 ≠ 買單。客人覺得好聊，跟客人真的下單，中間還有一大段。這也是真人存在的價值。
- 語音 agent 的成本是真的。原文特別提到 OpenAI 協助優化「一直開著的語音服務」的 API 成本——這代表這件事不便宜，導入前要先算得清楚。
- 它有護欄不是裝飾。把對話拉回購物範圍、避免亂答，是這種對外 agent 能上線的前提。自己公司要做，護欄一定要先想。
小結
avatarin 的願景是「One Intelligence. One Brand. Every interface.」——同一個 AI 在網頁、電話、實體店都能接得住同一位客人的脈絡，而不是每個通路各養一套系統。Yamada Holdings 的事業橫跨家電、住宅、金融，這個想法對他們特別有價值。
但拉回我們自己身上，我覺得這篇最實用的一句話是 Fukabori 講的：與其要人去適應機器的規則，不如讓技術去適應人溝通的方式。
這句話拿來看 AI 工具也一樣。你不用先變成很懂 AI 的人，你只要把你本來就會的東西講清楚——AI 會來配合你，而不是你去配合它。
本文整理改寫自 OpenAI 官方 2026 年 7 月 30 日發布的客戶故事〈How avatarin built a 24/7 retail agent with GPT-Realtime〉。文中所有數字與引述均來自該篇原文，個人觀點與門市應用建議為本站補充。
留言
張貼留言