From Warehouses to Robot Shoppers: Jason Goldberg Talks Retail’s AI Makeover

Summary & Insights

Imagine a future where you don’t research sunscreen for a family vacation; instead, you simply tell an AI agent your destination and who’s traveling, and it instantly recommends the perfect reef-safe, kid-friendly product that can be delivered tomorrow. This shift from a search-box model to a conversational, agent-driven experience represents the most profound change AI is bringing to retail, transforming not just back-end efficiencies but the very “brain of the consumer” and their path to purchase.

The conversation frames AI’s impact on retail in two major branches. The first is optimization: using AI to make longstanding retail processes wildly more efficient. This includes supply chain and labor management, dynamic pricing, and even software development within retail tech teams. Walmart, for example, has used AI agents to streamline vendor onboarding for its marketplace, scaling from 120,000 to 400 million items, while AI-driven scheduling and task management has removed millions of hours of drudgery for store associates. The financial impact of AI to date is largely rooted in these operational gains.

The second, more transformative branch is the change in consumer behavior. AI shopping agents like Amazon’s Rufus and Walmart’s Sparky, introduced this past holiday season, are early examples. They convert browsing into a dialogue, handling complex, multi-criteria product research on the user’s behalf. Early data shows conversion rates for users engaging with these agents are roughly triple those of traditional site search. This points toward a future where shopping becomes less about browsing and comparing and more about delegating tasks to a trusted digital assistant.

Looking further ahead, this agent-driven model challenges the fundamental wholesale structure of retail. When an AI can efficiently source thirty different grocery items from thirty different producers and coordinate their delivery, the traditional value of a retailer as a physical aggregator of goods diminishes. The most significant obstacle to this future isn’t the technology—which is advancing at a breakneck pace—but organizational change management. Retail, led for decades by merchant princes with an instinct for what will sell, must now embrace data-driven AI recommendations, a cultural shift that many large organizations are struggling to navigate.

Surprising Insights

AI Shopping Agents Already Outperform Search: Early data from the latest holiday season shows that users who engaged with AI shopping assistants like Amazon’s Rufus and Walmart’s Sparky had conversion rates approximately three times higher than those using traditional on-site search.
Physical AI is Doing Double Duty: Robots in stores are being deployed for combined functions. For instance, autonomous floor cleaners equipped with computer vision cameras are not only mopping but also performing real-time inventory checks as they navigate aisles, eliminating the need for manual stock-taking.
The Biggest Cultural Hurdle Isn’t Tech, It’s the “Merchant Prince”: The primary barrier to AI adoption in major retailers is often the entrenched culture of merchant leadership—executives who built their careers on gut instincts for what will sell—now being asked to cede decision-making authority to data-driven algorithms.
The Pace of Change Makes Traditional IT Models Obsolete: The speed of AI innovation is so rapid that the classic retail IT process of a months-long vendor “shootout” and a multi-year software implementation is now a liability. Agility and the ability to integrate multiple, evolving tools (including open source) are critical.
Wholesalers Face Existential Risk: In a fully realized AI-driven retail future, the core value proposition of a wholesaler—aggregating diverse products in one place for consumer convenience—becomes less critical when an AI agent can seamlessly source items from a distributed network of manufacturers and arrange consolidated delivery.

Practical Takeaways

As a Shopper, Start Conversing: On major retail sites like Amazon and Walmart, look for and try their AI shopping assistants (Rufus, Sparky). Frame your product searches as natural language questions (e.g., “I need a durable backpack for a 10-year-old for school and weekend hikes”) instead of keyword strings to experience the efficiency gain.
As a Retail Leader, Prioritize Culture: Focus less on being the absolute first AI adopter and more on fostering an organizational culture that rewards experimentation and intelligent risk-taking. The “fast follower” with a adaptable team will likely outperform the first mover hampered by institutional resistance.
Embrace Open Source for Flexibility: Given the blistering pace of change, locking into a single, monolithic AI vendor is a risk. Building strategies and infrastructure that can incorporate open-source models provides the agility needed to swap in the best tool for the task as the landscape evolves.
Identify Tasks for “Auto-Replenishment”: Analyze your product catalog to identify low-engagement, routine purchase items (like paper towels, water filters, laundry detergent). Developing reliable AI-driven auto-replenishment for these goods can lock in customer loyalty and secure a steady revenue stream.
Deploy AI to Eliminate Employee Drudgery: Use AI to tackle high-friction, low-satisfaction tasks for staff, such as shift scheduling, answering routine benefits questions, and managing complex vendor data entry. This improves employee morale and frees up human talent for higher-value customer service and strategic roles.

Hãy tưởng tượng một tương lai nơi bạn không phải nghiên cứu kem chống nắng cho kỳ nghỉ gia đình; thay vào đó, bạn chỉ cần nói với một trợ lý AI điểm đến và thành viên gia đình, và nó lập tức đề xuất sản phẩm hoàn hảo, an toàn cho san hô, thân thiện với trẻ em, có thể giao ngay vào ngày mai. Sự chuyển dịch từ mô hình hộp tìm kiếm sang trải nghiệm đối thoại, dẫn dắt bởi tác nhân AI này đại diện cho thay đổi sâu sắc nhất mà AI đang mang lại cho ngành bán lẻ, biến đổi không chỉ hiệu quả hậu trường mà cả “bộ não của người tiêu dùng” và con đường họ dẫn đến quyết định mua hàng.

Cuộc thảo luận này đóng khai tác động của AI lên ngành bán lẻ thành hai nhánh chính. Thứ nhất là tối ưu hóa: sử dụng AI để làm các quy trình bán lẻ lâu đời trở nên cực kỳ hiệu quả. Điều này bao gồm quản lý chuỗi cung ứng và nhân lực, định giá động, và cả phát triển phần mềm trong các đội ngũ công nghệ bán lẻ. Ví dụ, Walmart đã sử dụng các tác nhân AI để đơn giản hóa việc tích hợp nhà cung cấp cho thị trường của mình, mở rộng từ 120.000 lên 400 triệu mặt hàng, trong khi lịch trình và quản lý công việc dựa trên AI đã loại bỏ hàng triệu giờ lao động nhàm chán cho nhân viên cửa hàng. Tác động tài chính của AI cho đến nay chủ yếu bắt nguồn từ những lợi ích vận hành này.

Nhánh thứ hai, mang tính chuyển đổi hơn, là thay đổi trong hành vi người tiêu dùng. Các tác nhân mua sắm AI như Rufus của Amazon và Sparky của Walmart, được giới thiệu vào mùa lễ hội vừa qua, là những ví dụ ban đầu. Chúng biến việc duyệt web thành một cuộc đối thoại, xử lý nghiên cứu sản phẩm phức tạp, đa tiêu chí thay mặt người dùng. Dữ liệu ban đầu cho thấy tỷ lệ chuyển đổi của người dùng tương tác với các tác nhân này cao gấp khoảng ba lần so với tìm kiếm truyền thống trên trang web. Điều này hướng tới một tương lai nơi mua sắm ít liên quan đến việc duyệt và so sánh hơn, mà thiên về việc ủy thác nhiệm vụ cho một trợ lý kỹ thuật số đáng tin cậy.

Nhìn xa hơn, mô hình dẫn dắt bởi tác nhân này thách thức cấu trúc bán buôn nền tảng của ngành bán lẻ. Khi một AI có thể hiệu quả tìm nguồn ba mươi mặt hàng tạp hóa khác nhau từ ba mươi nhà sản xuất khác nhau và phối hợp việc giao hàng, giá trị truyền thống của một nhà bán lẻ với tư cách là nơi tập hợp vật lý hàng hóa sẽ giảm đi. Trở ngại lớn nhất cho tương lai này không phải là công nghệ—thứ đang tiến bộ với tốc độ chóng mặt—mà là quản lý thay đổi tổ chức. Ngành bán lẻ, được dẫn dắt hàng thập kỷ bởi những “ông hoàng thương mại” với bản năng về thứ sẽ bán được, giờ phải chấp nhận các đề xuất AI dựa trên dữ liệu, một sự thay đổi văn hóa mà nhiều tổ chức lớn đang vật lộn để vượt qua.

Những Thông Tin Đáng Ngạc Nhiên

Trợ Lý Mua Sắm AI Đã Vượt Trội Hơn Tìm Kiếm: Dữ liệu ban đầu từ mùa lễ hội gần đây cho thấy người dùng tương tác với trợ lý mua sắm AI như Rufus của Amazon và Sparky của Walmart có tỷ lệ chuyển đổi cao gấp khoảng ba lần so với những người sử dụng tìm kiếm truyền thống trên trang web.

AI Thực Thể Đang Đảm Nhận Nhiều Vai Trò: Robot trong cửa hàng đang được triển khai cho các chức năng kết hợp. Ví dụ, máy lau sàn tự động trang bị camera thị giác máy tính không chỉ lau dọn mà còn thực hiện kiểm tra tồn kho thời gian thực khi di chuyển qua các lối đi, loại bỏ nhu cầu kiểm kê thủ công.

Rào Cản Văn Hóa Lớn Nhất Không Phải Công Nghệ, Mà Là “Ông Hoàng Thương Mại”: Rào cản chính đối với việc áp dụng AI tại các nhà bán lẻ lớn thường là văn hóa lãnh đạo thương mại đã ăn sâu—các giám đốc điều hành xây dựng sự nghiệp dựa trên bản năng mách bảo về thứ sẽ bán được—giờ đang được yêu cầu nhường quyền ra quyết định cho các thuật toán dựa trên dữ liệu.

Tốc Độ Thay Đổi Khiến Mô Hình IT Truyền Thống Lỗi Thời: Tốc độ đổi mới AI nhanh đến mức quy trình IT bán lẻ cổ điển với việc “đấu thầu” nhà cung cấp kéo dài hàng tháng và triển khai phần mềm nhiều năm giờ trở thành một gánh nặng. Tính linh hoạt và khả năng tích hợp nhiều công cụ đang phát triển (bao gồm mã nguồn mở) là yếu tố then chốt.

Nhà Bán Buôn Đối Mặt Rủi Ro Sinh Tồn: Trong một tương lai bán lẻ dẫn dắt bởi AI hoàn thiện, giá trị cốt lõi của nhà bán buôn—tập hợp nhiều sản phẩm đa dạng ở một nơi cho tiện lợi người tiêu dùng—trở nên ít quan trọng hơn khi một tác nhân AI có thể liền mạch tìm nguồn hàng từ mạng lưới phân tán các nhà sản xuất và sắp xếp giao hàng hợp nhất.

Điểm Rút Ra Thực Tiễn

Với Tư Cách Người Mua Hàng, Hãy Bắt Đầu Trò Chuyện: Trên các trang bán lẻ lớn như Amazon và Walmart, hãy tìm và thử các trợ lý mua sắm AI của họ (Rufus, Sparky). Đặt các tìm kiếm sản phẩm của bạn dưới dạng câu hỏi ngôn ngữ tự nhiên (ví dụ: “Tôi cần một ba lô bền cho đứa trẻ 10 tuổi đi học và đi bộ đường dài cuối tuần”) thay vì chuỗi từ khóa để trải nghiệm sự gia tăng hiệu quả.

Với Tư Cách Lãnh Đạo Bán Lẻ, Ưu Tiên Văn Hóa: Tập trung ít hơn vào việc trở thành người áp dụng AI đầu tiên tuyệt đối và nhiều hơn vào việc nuôi dưỡng một văn hóa tổ chức đề cao thử nghiệm và chấp nhận rủi ro thông minh. Người “theo đuổi nhanh” với một đội ngũ thích ứng có khả năng sẽ vượt trội hơn người tiên phong bị cản trở bởi sự kháng cự thể chế.

Chấp Nhận Mã Nguồn Mở Để Linh Hoạt: Với tốc độ thay đổi chóng mặt, việc cam kết với một nhà cung cấp AI đơn lẻ, nguyên khối là một rủi ro. Xây dựng chiến lược và cơ sở hạ tầng có thể kết hợp các mô hình mã nguồn mở mang lại sự linh hoạt cần thiết để thay thế bằng công cụ tốt nhất cho nhiệm vụ khi bối cảnh phát triển.

Xác Định Các Nhiệm Vụ Cho “Tự Động Bổ Sung”: Phân tích danh mục sản phẩm của bạn để xác định các mặt hàng mua theo thói quen, ít tương tác (như khăn giấy, lọc nước, nước giặt). Phát triển khả năng tự động bổ sung dựa trên AI đáng tin cậy cho những mặt hàng này có thể khóa chặt lòng trung thành của khách hàng và đảm bảo một dòng doanh thu ổn định.

Triển Khai AI Để Loại Bỏ Công Việc Nhàm Chán Cho Nhân Viên: Sử dụng AI để giải quyết các nhiệm vụ gây nhiều ma sát, ít thỏa mãn cho nhân viên, như lập lịch ca làm, trả lời các câu hỏi phúc lợi thường lệ và quản lý nhập dữ liệu nhà cung cấp phức tạp. Điều này cải thiện tinh thần nhân viên và giải phóng nhân tài con người cho các vai trò dịch vụ khách hàng và chiến lược có giá trị cao hơn.

想像一個未來：你不必為了家庭旅行而搜尋防曬乳；只要告訴AI助手目的地與同行者，它便能立即推薦一款完美適合兒童、不傷珊瑚礁的產品，並於隔日送達。這種從搜尋框模式轉向對話式、由智能代理驅動的體驗，代表了AI為零售業帶來的最深刻變革——不僅提升後端效率，更重塑了「消費者的大腦」及其購買路徑。

這場變革可從兩大面向理解AI對零售的影響。首先是優化：運用AI大幅提升既有零售流程的效率，包括供應鏈與人力管理、動態定價，甚至零售科技團隊內的軟體開發。例如，沃爾瑪運用AI代理簡化供應商入駐流程，使其平台商品數量從12萬擴增至4億；AI驅動的排班與任務管理系統，則為店員節省了數百萬小時的繁瑣工作。迄今AI帶來的財務影響，主要根源於這類營運效益。

第二個更具變革性的面向是消費者行為的改變。去年節慶購物季推出的AI購物助手（如亞馬遜的Rufus與沃爾瑪的Sparky）即為初期案例。它們將瀏覽轉為對話，代用戶處理複雜、多條件的產品研究。早期數據顯示，使用這些助手的用戶轉換率約為傳統網站搜尋的三倍。這預示著未來購物將不再側重於瀏覽比較，而是將任務委託給可信賴的數位助手。

展望未來，這種代理驅動模式將挑戰零售業傳統的批發結構。當AI能高效從三十家不同生產商採購三十項雜貨並協調配送時，零售商作為實體商品聚合者的傳統價值便會削弱。實現此未來的主要障礙並非技術（其正飛速發展），而是組織變革管理。數十年來由憑直覺選品的「商業巨擘」主導的零售業，如今必須擁抱數據驅動的AI推薦——許多大型企業正艱難應對這一文化轉型。

驚人洞察

AI購物助手表現已超越搜尋功能：最新節慶購物季數據顯示，使用AI購物助手（如亞馬遜Rufus、沃爾瑪Sparky）的用戶轉換率，約為傳統站內搜尋用戶的三倍。

實體AI機器人肩負雙重任務：店內機器人正被部署執行複合功能。例如配備電腦視覺攝影機的自動地板清潔機，不僅拖地，還能在巡邏走道時即時盤點庫存，無需人工清點。

最大文化障礙非技術，而是「商業巨擘」心態：大型零售商採用AI的主要阻礙，常是根深蒂固的商業領導文化——高階主管憑直覺判斷銷售的職業生涯，如今卻須將決策權讓給數據驅動的演算法。

變革速度使傳統IT模式過時：AI創新速度極快，傳統零售IT流程（數月的供應商評比、多年的軟體實施）已成負擔。敏捷性與整合多種進化工具（包括開源）的能力至關重要。

批發商面臨生存風險：在AI驅動的零售未來，批發商的核心價值主張（為消費者便利而聚合多樣產品）將因AI代理能無縫從分散製造商網絡採購並安排整合配送，而顯得不那麼關鍵。

實用建議

消費者：開始嘗試對話式購物在亞馬遜、沃爾瑪等大型零售平台尋找並試用AI購物助手（Rufus、Sparky）。以自然語言提問進行產品搜尋（例如：「我需要一個10歲孩子上學和週末徒步用的耐用背包」），而非輸入關鍵字串，以體驗效率提升。

零售領導者：優先改變文化與其爭當AI先行者，不如著力培育鼓勵實驗與智慧風險承擔的組織文化。擁有適應性團隊的「快速跟隨者」，很可能勝過受制度阻礙的先行者。

擁抱開源以保持靈活鑒於變革速度驚人，鎖定單一大型AI供應商存在風險。建立能整合開源模型的策略與基礎設施，才能在環境演變時靈活換用最適合的工具。

識別適用「自動補貨」的產品分析產品目錄，找出顧客參與度低、屬常規購買的商品（如紙巾、濾水器、洗衣精）。為這些商品開發可靠的AI驅動自動補貨功能，可增強客戶忠誠度並確保穩定收入流。

運用AI消除員工繁瑣工作以AI處理員工反感的高摩擦、低滿意度任務，如排班、回答例行福利問題、管理複雜供應商數據輸入。這能提升員工士氣，釋放人力從事更高價值的客戶服務與策略性工作。

Imagine un futuro en el que no tenga que investigar protectores solares para unas vacaciones familiares; en su lugar, simplemente le dice a un agente de IA su destino y quiénes viajan, y este recomienda al instante el producto perfecto, seguro para los arrecifes y apto para niños, con entrega para mañana. Este cambio de un modelo basado en una caja de búsqueda a una experiencia conversacional impulsada por agentes representa la transformación más profunda que la IA está llevando al comercio minorista, al cambiar no solo la eficiencia de las operaciones internas, sino también el propio “cerebro del consumidor” y su recorrido de compra.

La conversación plantea el impacto de la IA en el comercio minorista en dos grandes ramas. La primera es la optimización: usar la IA para hacer mucho más eficientes procesos tradicionales del retail. Esto incluye la cadena de suministro y la gestión laboral, la fijación dinámica de precios e incluso el desarrollo de software dentro de los equipos tecnológicos del sector. Walmart, por ejemplo, ha utilizado agentes de IA para agilizar la incorporación de proveedores a su marketplace, escalando de 120.000 a 400 millones de artículos, mientras que la programación de turnos y la gestión de tareas impulsadas por IA han eliminado millones de horas de trabajo tedioso para los empleados de tienda. El impacto financiero de la IA hasta la fecha se basa en gran medida en estas mejoras operativas.

La segunda rama, más transformadora, es el cambio en el comportamiento del consumidor. Los agentes de compra con IA, como Rufus de Amazon y Sparky de Walmart, presentados durante la pasada temporada navideña, son ejemplos tempranos. Convierten la navegación en un diálogo y se encargan, en nombre del usuario, de investigaciones complejas de productos con múltiples criterios. Los primeros datos muestran que las tasas de conversión de los usuarios que interactúan con estos agentes son aproximadamente tres veces mayores que las de la búsqueda tradicional dentro del sitio. Esto apunta hacia un futuro en el que comprar consistirá menos en navegar y comparar, y más en delegar tareas a un asistente digital de confianza.

Mirando más allá, este modelo impulsado por agentes cuestiona la estructura mayorista fundamental del comercio minorista. Cuando una IA puede abastecer de forma eficiente treinta productos de alimentación distintos de treinta productores diferentes y coordinar su entrega, el valor tradicional del minorista como agregador físico de bienes disminuye. El obstáculo más importante para este futuro no es la tecnología —que avanza a un ritmo vertiginoso— sino la gestión del cambio organizacional. El retail, liderado durante décadas por “príncipes mercaderes” con instinto para saber qué se venderá, ahora debe adoptar recomendaciones de IA basadas en datos, un cambio cultural que muchas grandes organizaciones están teniendo dificultades para gestionar.

Ideas sorprendentes

Los agentes de compra con IA ya superan a la búsqueda: Los primeros datos de la última temporada navideña muestran que los usuarios que interactuaron con asistentes de compra con IA como Rufus de Amazon y Sparky de Walmart tuvieron tasas de conversión aproximadamente tres veces más altas que quienes usaron la búsqueda tradicional en el sitio.

La IA física cumple una doble función: Los robots en tienda se están desplegando para funciones combinadas. Por ejemplo, los limpiadores autónomos de suelos equipados con cámaras de visión por computadora no solo friegan, sino que también realizan verificaciones de inventario en tiempo real mientras recorren los pasillos, eliminando la necesidad de hacer recuentos manuales de existencias.

El mayor obstáculo cultural no es la tecnología, sino el “príncipe mercader”: La principal barrera para la adopción de la IA en los grandes minoristas suele ser la cultura arraigada del liderazgo comercial: ejecutivos que construyeron sus carreras sobre corazonadas acerca de lo que se venderá y a quienes ahora se les pide ceder autoridad en la toma de decisiones a algoritmos basados en datos.

La velocidad del cambio vuelve obsoletos los modelos tradicionales de TI: El ritmo de la innovación en IA es tan rápido que el proceso clásico de TI en retail —una “competencia” de proveedores que dura meses y una implementación de software de varios años— es ahora un lastre. La agilidad y la capacidad de integrar múltiples herramientas en evolución (incluido el código abierto) son fundamentales.

Los mayoristas enfrentan un riesgo existencial: En un futuro del retail plenamente impulsado por IA, la propuesta de valor central de un mayorista —agrupar productos diversos en un solo lugar para comodidad del consumidor— pierde relevancia cuando un agente de IA puede abastecerse sin fricciones de una red distribuida de fabricantes y organizar una entrega consolidada.

Conclusiones prácticas

Como comprador, empiece a conversar: En grandes sitios minoristas como Amazon y Walmart, busque y pruebe sus asistentes de compra con IA (Rufus, Sparky). Plantee sus búsquedas de productos como preguntas en lenguaje natural (por ejemplo: “Necesito una mochila resistente para un niño de 10 años para la escuela y excursiones de fin de semana”) en lugar de cadenas de palabras clave para experimentar la ganancia de eficiencia.

Como líder del retail, priorice la cultura: Concéntrese menos en ser el primer adoptante absoluto de IA y más en fomentar una cultura organizacional que recompense la experimentación y la asunción inteligente de riesgos. El “seguidor rápido” con un equipo adaptable probablemente superará al pionero frenado por la resistencia institucional.

Apueste por el código abierto para ganar flexibilidad: Dado el ritmo vertiginoso del cambio, quedar atado a un único proveedor monolítico de IA es arriesgado. Diseñar estrategias e infraestructura que puedan incorporar modelos de código abierto proporciona la agilidad necesaria para sustituir la mejor herramienta para cada tarea a medida que evoluciona el panorama.

Identifique tareas para el “reabastecimiento automático”: Analice su catálogo de productos para identificar artículos de compra rutinaria y de baja implicación (como toallas de papel, filtros de agua o detergente para la ropa). Desarrollar un reabastecimiento automático fiable impulsado por IA para estos bienes puede afianzar la fidelidad del cliente y asegurar un flujo constante de ingresos.

Despliegue IA para eliminar tareas tediosas para los empleados: Use la IA para abordar tareas de alta fricción y baja satisfacción para el personal, como la programación de turnos, responder preguntas rutinarias sobre beneficios y gestionar entradas complejas de datos de proveedores. Esto mejora la moral de los empleados y libera talento humano para funciones de mayor valor en atención al cliente y roles estratégicos.

Imagine um futuro em que você não pesquisa protetor solar para as férias em família; em vez disso, você simplesmente informa a um agente de IA seu destino e quem vai viajar, e ele recomenda instantaneamente o produto perfeito, seguro para recifes e adequado para crianças, com entrega já no dia seguinte. Essa mudança de um modelo baseado em caixa de busca para uma experiência conversacional, orientada por agentes, representa a transformação mais profunda que a IA está trazendo ao varejo, mudando não apenas as eficiências de bastidores, mas o próprio “cérebro do consumidor” e sua jornada de compra.

A conversa apresenta o impacto da IA no varejo em dois grandes ramos. O primeiro é a otimização: usar IA para tornar processos tradicionais do varejo drasticamente mais eficientes. Isso inclui cadeia de suprimentos e gestão de mão de obra, precificação dinâmica e até desenvolvimento de software dentro das equipes de tecnologia do varejo. O Walmart, por exemplo, usou agentes de IA para simplificar a integração de fornecedores em seu marketplace, escalando de 120 mil para 400 milhões de itens, enquanto o agendamento orientado por IA e a gestão de tarefas eliminaram milhões de horas de trabalho repetitivo para os associados das lojas. O impacto financeiro da IA até o momento está amplamente enraizado nesses ganhos operacionais.

O segundo ramo, mais transformador, é a mudança no comportamento do consumidor. Agentes de compras com IA, como o Rufus da Amazon e o Sparky do Walmart, apresentados na última temporada de fim de ano, são exemplos iniciais. Eles transformam a navegação em um diálogo, conduzindo em nome do usuário pesquisas complexas de produtos com múltiplos critérios. Dados iniciais mostram que as taxas de conversão de usuários que interagem com esses agentes são aproximadamente três vezes maiores do que as da busca tradicional no site. Isso aponta para um futuro em que comprar deixará de ser tanto sobre navegar e comparar, e passará a ser mais sobre delegar tarefas a um assistente digital de confiança.

Olhando mais adiante, esse modelo orientado por agentes desafia a estrutura atacadista fundamental do varejo. Quando uma IA consegue obter com eficiência trinta itens diferentes de supermercado de trinta produtores diferentes e coordenar sua entrega, o valor tradicional do varejista como agregador físico de mercadorias diminui. O obstáculo mais significativo para esse futuro não é a tecnologia — que avança em ritmo vertiginoso — mas a gestão da mudança organizacional. O varejo, liderado por décadas por “príncipes mercadores” com um instinto apurado para o que vai vender, agora precisa adotar recomendações de IA baseadas em dados — uma mudança cultural que muitas grandes organizações estão tendo dificuldade para conduzir.

Percepções Surpreendentes

Agentes de Compras com IA Já Superam a Busca: Dados iniciais da mais recente temporada de fim de ano mostram que usuários que interagiram com assistentes de compras com IA, como o Rufus da Amazon e o Sparky do Walmart, tiveram taxas de conversão aproximadamente três vezes maiores do que aquelas dos usuários da busca tradicional no site.

A IA Física Está Cumprindo Dupla Função: Robôs nas lojas estão sendo implantados para funções combinadas. Por exemplo, limpadores de piso autônomos equipados com câmeras de visão computacional não apenas passam pano, mas também realizam verificações de inventário em tempo real enquanto percorrem os corredores, eliminando a necessidade de contagem manual de estoque.

O Maior Obstáculo Cultural Não É a Tecnologia, É o “Príncipe Mercador”: A principal barreira à adoção de IA nos grandes varejistas costuma ser a cultura arraigada da liderança comercial — executivos que construíram suas carreiras com base no instinto sobre o que venderia — e que agora estão sendo convidados a ceder autoridade decisória a algoritmos orientados por dados.

O Ritmo da Mudança Torna os Modelos Tradicionais de TI Obsoletos: A velocidade da inovação em IA é tão rápida que o processo clássico de TI no varejo, com uma “disputa” entre fornecedores que dura meses e uma implementação de software de vários anos, agora se tornou um passivo. Agilidade e capacidade de integrar múltiplas ferramentas em evolução (incluindo código aberto) são essenciais.

Atacadistas Enfrentam Risco Existencial: Em um futuro do varejo totalmente orientado por IA, a proposta central de valor de um atacadista — agregar produtos diversos em um só lugar para conveniência do consumidor — se torna menos relevante quando um agente de IA pode obter itens de forma fluida em uma rede distribuída de fabricantes e organizar uma entrega consolidada.

Conclusões Práticas

Como Comprador, Comece a Conversar: Em grandes sites de varejo como Amazon e Walmart, procure e teste seus assistentes de compras com IA (Rufus, Sparky). Faça suas buscas de produtos como perguntas em linguagem natural (por exemplo, “Preciso de uma mochila resistente para uma criança de 10 anos para a escola e trilhas de fim de semana”) em vez de sequências de palavras-chave, para experimentar o ganho de eficiência.

Como Líder do Varejo, Priorize a Cultura: Foque menos em ser o primeiro a adotar IA a qualquer custo e mais em promover uma cultura organizacional que recompense experimentação e tomada de risco inteligente. O “seguidor rápido” com uma equipe adaptável provavelmente superará o pioneiro travado pela resistência institucional.

Adote Código Aberto para Ter Flexibilidade: Dado o ritmo alucinante das mudanças, prender-se a um único fornecedor monolítico de IA é arriscado. Construir estratégias e infraestrutura que possam incorporar modelos de código aberto oferece a agilidade necessária para trocar pela melhor ferramenta para cada tarefa conforme o cenário evolui.

Identifique Tarefas para “Reposição Automática”: Analise seu catálogo de produtos para identificar itens de compra rotineira e de baixo engajamento (como papel-toalha, filtros de água, detergente para roupa). Desenvolver uma reposição automática confiável, orientada por IA, para esses produtos pode consolidar a fidelidade do cliente e garantir uma fonte constante de receita.

Use IA para Eliminar Tarefas Repetitivas dos Funcionários: Use IA para enfrentar tarefas de alta fricção e baixa satisfação para a equipe, como escala de turnos, respostas a perguntas rotineiras sobre benefícios e gestão de entrada complexa de dados de fornecedores. Isso melhora o moral dos funcionários e libera o talento humano para atendimento ao cliente de maior valor e funções estratégicas.

Jason “Retailgeek” Goldberg, Chief Commerce Strategy Officer at Publicis Groupe, discusses how AI is optimizes retail operations and is rewriting the consumer shopping experience. Learn why AI acceleration is able to reimagine the retail pipeline — from supply chain to personalized robot shoppers that could streamline the flow of goods starting at the warehouse and ending on your doorstep.

More AI Podcast: ai-podcast.nvidia.com