AI辅助整理：本文基于下方列出的公开原始来源改写，不代替原文。
核心摘要： Coach 母公司 Tapestry 用 Amazon Bedrock 搭生成式 AI 引擎，造出收集一线员工反馈的 Tell Rexy 与可查询洞察的 Ask Rexy。北美 Coach 门店全面部署后，一年收集近 3 万条反馈，让分散在门店的客户偏好与库存观察变成可查询的商业情报。
业务背景
Tapestry 是总部位于纽约的奢侈品时装零售商，母公司旗下拥有 Coach、Kate Spade New York 与 Stuart Weitzman 等品牌，全球员工约 1.8 万，其中不少是直面顾客的门店一线员工。这些员工对客户偏好、产品表现和门店运营有第一手观察，是企业最宝贵的现场情报。
要解决的问题
公司过去缺少规模化收集与利用这些信息的手段，只能靠团队定期巡店，收集到的信息零散，难以在整个零售网络中统一扩展与分析。门店与总部决策者之间存在明显的信息断层，导致总部难以依据一线真实需求做库存调配和商品企划。
AI 怎么落地
Tapestry 基于近 20 项 AWS 服务构建了一个生成式 AI 引擎，以 Amazon Bedrock 托管大语言模型为核心，先后开发了两个应用：Tell Rexy 用于一线员工反馈采集，部署在门店平板与销售点系统上，支持语音转写和多语言自动翻译；Ask Rexy 是内部问答机器人，让分析师用自然语言查询反馈数据、提取洞察。
实施步骤
团队先把核心数据系统建在 AWS 上，随后用 Amazon Bedrock 搭建生成式 AI 底座，并将能力模块化成一项可复用服务。
先做 Tell Rexy 采集端（语音转写＋翻译＋集中存储），再构建 Ask Rexy 问答入口打通分析与查询。
在北美的 Coach 门店试点并全面铺开后，计划把同样引擎推广到 Kate Spade New York 门店及其他业务单元。
结果证据与边界
官方案例披露：北美 Coach 门店一年内收集近 3 万条反馈，Ask Rexy 约 8 周联建完成，依托引擎开发 AI 应用的时间缩短到约 1/10。
关于库存损失减少、员工归属感提升、客户服务提升等表述为方案商的定性描述，来源未披露具体数值；这些数字均由厂商发布，尚未见独立的第三方审计。
可复制动作
对拥有大量门店、一线员工分散的企业，可先建立低成本、低门槛的反馈采集入口（语音＋多语言），再用翻译与结构化处理消除语言和格式壁垒，随后加一层企业内知识问答界面，让非技术人员也能自助取数。
最关键的是把这一能力抽成模块化引擎，让总部可以在不同品牌和业务线快速复用，而非每次从零开发。
证据与边界
- 官方案例披露：北美 Coach 门店一年内收集近 3 万条反馈。
- 官方案例披露：Ask Rexy 约 8 周联建完成。
- 官方案例披露：依托引擎开发 AI 应用的时间缩短到约 1/10。
- 库存损失减少、员工归属感提升等为方案商定性描述，来源未披露具体数值。
- 所有数字均由厂商发布，尚未见独立的第三方审计。
企业今天可以做什么
把一线反馈采集做成可随时用的移动工具：店员用语音或文字随时提交观察，经语音识别（Amazon Transcribe）与自动翻译（Amazon Translate）统一转成英文集中处理，再配一个可供内部分析师自然语言提问的问答入口（Ask Rexy），并把整套能力模块化成可复用引擎，方便后续复制到其他门店、其他业务单元甚至品牌。