亞馬遜的 AI 無人超市，背後卻是千名印度「工人智慧」？

說起無人商店，莫名想抬頭看看日曆，2017 年前後短暫風潮後，留下的只有一地雞毛，但當時人們都說這就是零售業的未來。

無人其實只是概念性無人，原來負責收銀的店員轉去負責機器無法操作的業務，如現做熱食、補充貨架，那還能稱為「無人收銀」嗎？也不準確，巨頭亞馬遜最近曝光「收銀員」不是消失，而是幕後默默做工。

當你拿完就走，有人為你負重前行

亞馬遜無人超市智慧收銀技術 Just Walk Out（拿完就走），2016 年首次於體驗店亮相，2018 年開店。當時驚豔眾人，提前註冊綁定帳戶後，只需掃碼走進門市，拿起想要的東西，不用排隊，不用收銀員一件件掃描商品，走出店即可，之後銀行帳戶會自動扣款。為了感測顧客拿走的商品，Just Walk Out 使用鏡頭、感測器、計算機視覺、深度學習等技術。

幾年過去，漸漸褪去光環的「老」技術又掀起波瀾。4 月 2 日亞馬遜宣布，40 多家亞馬遜生鮮商店的 27 家，將 Just Walk Out 換成智慧購物車服務 Dash Cart。亞馬遜解釋，調整是因顧客需求變了，Just Walk Out 無需排隊當然很好，但顧客也希望購物時就知道花了多少錢。

Just Walk Out 缺點是顧客離店後收到帳單時間不定，短則幾分鐘，長則數小時，消費者心裡沒底。Dash Cart 可在購物時掃描商品，螢幕即時看到消費總額，也無需顧客排隊結帳，挑好東西、穿過車道、走出超市即可。

部署 Just Walk Out 時，硬體安裝成本，雲端計算成本都不低，現場還需要員工上架商品，所以新技術更適合機場等小型商店。亞馬遜沒有想到，Just Walk Out 合理下台，順帶脫離科技外衣，讓外界注意到幕後人工。來去如風的顧客可能覺得 Just Walk Out 就是自動化，但依然離不開人工和標籤員。

外媒 The Information 去年曝光，截至 2022 年中期，亞馬遜超過千名印度員工參與 Just Walk Out，工作主要兩項，一是看邊看影片邊核查訂單，使帳單正確，二是幫圖片上標籤，訓練機器學習模型。甚至到了 2022 年，每千筆訂單仍需 700 次人工核查，遠高於亞馬遜預估 20~50 次。

亞馬遜發言人回應確實有開徵人工核查員，但爆料數字不正確，拒絕透露真實數字，可說「收銀員」依然存在，只是改成遠端作業。這次趁著亞馬遜撤下 Just Walk Out，質疑聲又起，甚至有人拿 ATM 裡其實有個人的哏圖取笑，亞馬遜只得再次回應，如果大家把 Just Walk Out 人工想成印度員工圍坐著看顧客購物直播，那就大錯特錯了。

（Source：Joseph Racknitz, Public domain, via Wikimedia Commons）

人類員工應稱為「機器學習助理」，主業是標記圖片，改進底層機器學習模型，但偶爾做副業，檢查影片片段，幫忙確認少部分 AI 無法確認的訂單，畢竟人類買東西多會挑三揀四、意外頻出，無法像 AI 照規矩行事。其實 AI 業有很多標註員非常常見，但放在無人超市等強調智慧的功能，就有點反直覺。Just Walk Out 給人的驚豔不是假的，但人類參與度或多或少被淡化，這也是 AI 炒作熱潮的通病之一。

每個成功 AI 模型背後，都有一群性價比高的員工

AI 業有個灰色地帶：人類智慧。亞馬遜旗下 Mechanical Turk 外包平台，將資料標註、圖片辨識等外包給全球工作力，幫企業訓練和操作 AI 系統。這些任務對人類很簡單，但計算機難獨立完成，所以又叫「人類智慧任務」（HITs）。

「Mechanical Turk」之名出自 18 世紀下棋裝置，因能和人類下西洋棋轟動一時，還至世界各地展出，後來揭露是騙局，其實是人類躲在裡面。透過一樣的名字，現代和當年騙局構成微妙的循環，人類智慧在看似自動化的外表下，依然扮演重要角色。

儘管 AI 已經殺遍象棋和圍棋，經大量資料學會辨別五官和交通號誌，但很多新領域 AI 仍需人類智慧打底，雖然這些事聽起來非常基礎，門檻很低。去年有新聞，為了不讓 ChatGPT 滿口暴力、性別歧視和種族主義，OpenAI 另訓練檢測有害內容的 AI，再當作檢測器放入 ChatGPT，以檢測和過濾輸出內容，就需要標記員，這由肯亞勞工負責，幫暴力、仇恨和性虐等有害內容上標籤。他們領微薄薪水養家糊口，並因網路最黑暗的角落承受心靈創傷。

人類想像力無窮無盡，AI 也無法完全預測，將來 AI 能什麼地方有用，又哪裡需要人類輔助。

連成人內容也來蹭熱度，AI 可模仿某個當紅創作者的口吻，發送曖昧簡訊給粉絲；省時省力同時和幾百個粉絲聯絡，創作者自然樂意使用。有些成人內容 MCN 機構，特聘員工檢查 AI 產生內容，避免被平台發現作弊。

每個成功 AI 模型背後，都站著一群性價比高的人類。AI 犯錯，人類糾錯，AI 等待投餵，人類處理大量數據。Google DeepMind 聯合創辦人兼首席執行長 Demis Hassabi 最近接受採訪時說，數十億美元投入生成式 AI 新創和產品，造成很多泡沫，AI 應當作「科學的終極工具」，如預測蛋白質結構的 AlphaFold 模型，人類即將迎接科學界新文藝復興，但人們更想炒股和討論假消息。

不知道他是否影射 Google 對手 OpenAI，但他的話確實很有啟發性。

AI 是否每個領域都表現出色或提高效率，還需要詳細分析，同時過度炒作和期待，AI 也掀起服務廉價外包勞工的新浪潮，不少企業為了沾 AI 的光，忽略產品細節和消費者體驗；打開某個 AI 產品，可能覺得像體驗魔法，但巨大黑箱背後，聚集了全世界最聰明的腦袋，也有沉默不語的無名氏，就像當年下棋裝置裡的人。

讓人類和 AI 做各自擅長的事

說起自動化，如無人商店，總有種說法是員工效率更高，讓系統自動追蹤貨架及時補貨，有更多時間和顧客互動，服務更好。但 AI 不是完全智慧時，現實當然不太豐滿。

AI 語音點餐服務就是又一個反面例子。「得來速」點餐在國外非常普遍，開車顧客無需下車或進店，直接在車上點餐、付款和領取食物。如果請 AI 服務員站檯，人類只在廚房工作，速度會否更快？

但實際狀況更偏向 AI 拖人類後腿。北美知名漢堡品牌 Wendy′s 去年高調宣布，6 月新員工聊天機器人上工，簡化訂單流程，減少車道排隊狀況。2021 年開始 Wendy′s 和 Google 合作，因 Wendy′s 統計發現，AI 可將訂單時間縮短 22 秒，準確率達 86%，但反面想錯誤率有 14%，等於每七張訂單就有一張有錯，必須請人類員工收爛攤子。

如果一個人類員工犯這麼多錯，可能早就捲鋪蓋回家了，但這是 AI，企業能忍就忍，因證明他們有跟上時代。AI 錯誤率高很簡單，因顧客不是機器人，不會按程式執行，可能反悔、重複說話或有特別要求，導致 AI 容易誤解。另口音、汽車噪音等都是干擾。

彭博社去年 12 月報導，某點餐機器人供應商在菲律賓等地徵助理，工作是檢查超過 70% 訂單，確保 AI 系統沒出錯。中國優衣庫使用基於 RFID 標籤的自助掃描結帳系統，當衣服放入框內，價格就出來了，再掃碼支付，雖沒有 Just Walk Out 一步到位，但結帳速度更快，窗口更多，但高峰期仍需排隊，旁邊也有人類店員打包和結帳。

同樣零售業想趕上 AI 熱潮，吸引媒體和大眾目光，不一定非要在終端下工夫。便利商店 7-11 另闢蹊徑，不是請 AI 和消費者直接打交道，而是讓 AI 從事「腦力活動」：2024 年春季開始，7-11 用 AI 分析銷售數據和社群媒體回饋，為新產品產生文字和圖像，甚至產生新產品提案。近九千名 7-11 員工約千名管理人員開始使用 AI 系統，再逐步擴大到產品開發和行銷員工。

這順序剛好和無人商店相反，但加速消費者調查、縮短產品開發時間，甚至少開幾次會，同樣也降本增效。