AI 購物助手在哪些垂直領域的專業知識不足，成為其發展的瓶頸？

AI購物助手在垂直領域專業知識的不足之處

OpenAI 和 Perplexity 近期推出的 AI 購物助手，雖然旨在提升消費者的購物效率，但在許多垂直領域的專業知識不足，成為其發展的瓶頸。儘管這些 AI 強調能根據對話進行個人化推薦，但在高度專業化的領域（如時裝和家居用品）的表現仍有待加強。

缺乏專業知識導致的挑戰

Onton 的執行長指出，這些基於大型語言模型的工具主要依賴現有的搜尋引擎，如 Google 和 Bing，因此回覆的品質取決於搜尋結果的品質。若沒有對數十萬種商品進行分類，並使用更優質的專門資料訓練模型，AI 購物助手很難在市場上脫穎而出。Daydream 創辦人也認為，時裝是一個非常細緻且強調情感的領域，需要特定的數據和商品資訊，才能掌握影響消費者選擇的關鍵因素，如服裝的輪廓、用料、適合的場合以及搭配潮流等。

現有AI購物助手的局限性

業界人士普遍認為，OpenAI 和 Perplexity 的服務本質上只是搜尋引擎結果的換皮版本，缺乏真正獨到的數據和專門訓練的模型。要使 AI 購物助手真正在特定領域提供有價值的建議，需要更深入的專業知識和數據支持，而不僅僅是依賴通用的搜尋引擎結果。