Uniphore 在 2026 年 8 月 17 日宣布推出 Marketing AI，將數碼孿生、custom small language models 和 campaign simulation 放在營銷工作流內。產品公告的出發點是：當營銷由 CDP 和 dashboard 走向預測及自動化，企業需要的不只是保存客戶資料，而是預測每位客戶下一步可能做甚麼，並在花費預算前比較不同方案。
Uniphore 描述的核心單位是每位客戶一個「living digital twin」。它會根據互動和行為持續更新，再由針對個人行為微調的 SLM 讀取。Uniphore 特別強調，模型把行為模式放進較小的 weights，而不是每次都把完整客戶歷史塞進 live context tokens，供應商因此聲稱可以降低 enterprise inference 成本。這仍是產品方的架構和成本主張，實際效果取決於資料稀疏度、更新頻率和模型保留的資訊。
另一個部分是 simulation。Marketing AI 會比較預測 revenue、conversion 和 journey 每個節點的 drop-off，讓團隊在投放前先模擬不同 campaign、audience、offer 或渠道。實際活動完成後，系統再比較預測和結果，更新 digital twin 和 simulation。這個 flywheel 比傳統一次性的 campaign report 更接近決策支援，但也更需要保留 holdout、版本和可追溯的假設。
「預測下一步」不等於「證明下一步由 campaign 造成」。如果使用者本身就會轉換，模型可能把自然轉換誤算成 campaign uplift；如果不同客群收到不同 treatment，selection bias 也會讓模擬看似準確。採用時應至少檢查 calibration、uplift 對照組、分群差異、漂移、成本和人工覆核，而不是只看預測畫面是否流暢。
Uniphore 亦把產品放進 Sovereign AI 方向，表示可用 open-weight model、企業資料 fine-tune，並支援 cloud、on-premises 或 hybrid。公司聲稱資料不會搬到 shared inference，並以 GDPR、HIPAA 和 data residency 作為部署考量。這些是供應商的產品聲明，不應直接當成合規證明；企業仍要逐項核對資料流、子處理商、保留期、刪除流程、權限和所在地。
對 AI marketing workflow，較穩妥的第一步不是把所有預算交給模型，而是讓它做可回溯的 decision support：顯示使用了哪些事件、哪些假設、預測信心和反事實比較，再由營銷人員批准 audience、offer 和上限。對缺少歷史資料的新客群，也要有冷啟動、人工 override 和 opt-out 路徑，避免模型把資料不足誤讀成個人偏好。
Marketing AI 的價值最後要由增量結果和營運成本證明。團隊可以先選一個渠道和一個明確轉換事件，固定 holdout，記錄預測、實際結果、人工修改、模型重算和每次推理成本，再與原有 CDP 或 marketing automation 基線比較。數碼孿生是一種組織資料和模擬的方式，不是自動生成真相的客戶身份。
