在此过程中，我们可能会看到预测人工智能的民主化，因为新的自动化机器学习工具将使这些功能为中小型企业和零售巨头所用。一个例子是Northstar，这是麻省理工学院和布朗大学的研究人员开发的交互式预测工具。借助 Northstar 的拖放式图形界面，用户可以在任何触摸屏设备上导入数据集并生成预测机器学习模型。这些工具可以让任何规模的公司从预测人工智能中受益，而无需大量的内部数据科学专业知识。例如，小企业主可以使用 Northstar 根据历史数据预测销售额并决定库存哪些产品，而只需有限的手动输入。
实体零售商迫切需要打造在速度、便利性和个性化方面可与在线购物相媲美的店内客户旅程。Forrester 的 2018 年白皮书《数字商店的现状》总结了这一情况：“在客户时代，零售店现在必须提供相关且差异化的客户体验，否则将面临淘汰。”
由物联网支持的新一代软件系统正在兴起，通过创建数字化增强型商店并为乌克兰whatsapp 数据 购物者提供个性化体验，帮助零售商缩小差距。
线上线下强大的数据解决方案与越来越多的智能系统相结合，将帮助零售店模拟客户期望的无缝、轻松的在线购物体验。此外，下一代人工智能将帮助实体零售商充分利用线下购物的独特优势。人工智能系统可以更好地了解购物者的个人偏好，提供建议并引导他们做出更快、更令人满意的选择。而人工智能驱动的对话界面可能会让这种互动随着时间的推移变得更加轻松和自然。
为了优化未来的店内体验，实体零售商将需要像电子商务中那样进行详细的实时数据收集和分析。随着人工智能驱动的系统不断磨练解读摄像头和音频传感器数据、观察人类行为和从物理环境中获取见解的能力，这一目标将指日可待。
例如，结合机器学习和高级视频分析的智能系统可能能够发现并解释客户挑选和放弃不同商品的模式，就像电子商务系统目前跟踪和分析在线购物车放弃一样。人工智能的此类应用可以让零售商微调客户在其实体店的购物路径。同样，人工智能可以利用视频和音频的直接观察结果，为商店员工如何与客户互动提供新的见解。这可以带来更好的员工发展和培训决策，并增强人情味，让顾客在商店购物时有特别的体验。