طبقة البيانات التي لا يمكن للتجارة الوكيلية تجاهلها

لقد انتقلت وكلاء الذكاء الاصطناعي من مساعدي البحث إلى مشترين مستقلين. وتتنافس المنصات الكبيرة الآن على امتلاك تلك الطبقة التجارية، وتجعل آخر خطوة من أمازون ذلك حقيقة واضحة. يعتمد أليكسا للتسوق، الذي تم بناؤه من اندماج روفوس وأليكسا+، على تتبع الأسعار وتذكر السياق عبر الأجهزة. ثم، مع تشغيل التطبيق الآلي، يُكمل عملية الشراء في اللحظة التي يصل فيها المنتج إلى سعر مستهدف، دون مراجعة عربة التسوق أو تسجيل خروج يدوي.

تُقدر سوق التسوق الوكيلي أن يصل إلى أكثر من 5 تريليونات دولار في حجم التجارة العالمية بحلول عام 2030. وليس أمازون وحده في محاولة حصد جزء من هذا القطاع – لقد انتقلت جوجل وOpenAI وPerplexity بشكل عدواني إلى التسوق الوكيلي. كما أن هذا الدفع يزيد من راحة المستهلك مع参加 الذكاء الاصطناعي في процесات الشراء، مع زيادة حركة المرور التي يحركها الذكاء الاصطناعي إلى المواقع التجارية في الولايات المتحدة بنسبة 393% على أساس سنوي في الربع الأول من 2026.

من السهل فهم تجربة المستهلك. ما هو أقل وضوحًا هو البنية التحتية التي تجعل ذلك ممكنًا. عندما يتعامل وكيل الذكاء الاصطناعي بشكل مستقل، فإنه يثق بالكامل في بيانات المنتج. لا يُرفع أي علم بشأن المتغير الخاطئ أو المنتج الخاطئ. هذا يجعل طبقة البيانات الجزء الأكثر أهمية في التجارة الوكيلية.

أساس التجارة الوكيلية

المحادثة حول التجارة الوكيلية تتعلق في الغالب بالوكيل – النموذج أو الواجهة أو التجربة. لكن المحدد الحقيقي للنجاح ليس الوكيل نفسه، بل طبقة البيانات التي تدعم التجارة الإلكترونية.

عندما يطلب المستهلك من الوكيل إعادة طلب منعم الغسيل أو شراء أقل سعر لكابل HDMI يمكن أن يصل غدًا، فإن العملية تبدو بسيطة. ومع ذلك، في الخلفية، يجب على الوكيل اتخاذ سلسلة من القرارات. يحتاج إلى تحديد المنتج بالضبط الذي يُطلب، والتحقق من سمات المنتج ومتاحيته، ومقارنة الخيارات عبر منصات متعددة، وربط الشراء بالinventory والشبكة الصحيحة للشحن.

على عكس مشتري بشري، لا يستطيع وكيل الذكاء الاصطناعي الاعتماد على الحدس لملء الفجوات أو حل التناقضات. كل خطوة في العملية تحتاج إلى وقود من البيانات التي هي منظمة ومستمرة عبر الأنظمة المشاركة. إذا كان أي جزء من تلك الأساس مفقود أو منقسم، فإن الوكيل لا يتوقف للتحقيق. بدلاً من ذلك، يعمل بما لديه ويتعامل بشكل مستقل، أو يفشل في إكمال العملية برمتها، مما يخلق تجارب مستخدم غير متسقة وغير موثوقة في كثير من الأحيان.

حيث تنهار أساس البيانات

وفقًا لميراكل، تصل不到 1% من صفحات المنتجات الإلكترونية حاليًا إلى المعايير الدنيا للتوصية بواسطة وكلاء الذكاء الاصطناعي. تختلف معرفات المنتج بين أنظمة الموردين والأنظمة الداخلية، بينما ي落خ حالة Inventory عن الواقع. كما أن بيانات الموقع تفتقر إلى التوحيد عبر شبكة الشحن.

عندما يكون البشر في الحلقة، فإن البيانات السيئة قابلة للإدارة. يلاحظ المشتري المتغير الخاطئ، أو يعرف مدير المستودع أن نظام Inventory يعمل خلف الركب. الناس يملأون الفجوات من الخبرة؛ المشكلة هي أن وكيل الذكاء الاصطناعي لا يملك مثل هذا الحدس. يقرأ البيانات التي قدمت له ويكمل العملية، أو يفشل في إكمالها برمتها.

عندما تكون البيانات خاطئة، تكون العملية خاطئة. عملية شراء مكتملة لمنتج خاطئ، يتم توجيهه إلى موقع خاطئ، بسعر خاطئ. أدى الوكيل بالضبط كما صمم، لكن البيانات التي تحتها لم تكن كذلك.

طبقة الهوية التي يعتمد عليها كل وكيل

تكلف جودة البيانات الرديئة المنظمات بمبلغ لا يقل عن 12.9 مليون دولار سنويًا. هذا الرقم يأتي من بيئات حيث لا يزال البشر في الحلقة. في التجارة الوكيلية، ينمو هذا الرقم فقط. كل معاملة آلية يخطئها الوكيل يزيد التكلفة.

زوج من الأحذية الرياضية المسجلة باسم “الجري على الطرق الوعرة” على منصة واحدة و “أحذية رياضية لجميع التضاريس” على منصة أخرى هو نفس المنتج، لكن وكيل الذكاء الاصطناعي لا يستطيع التأكد من ذلك بدون معرفة عالمية.

هذا ما تساعد معرفة المنتج المضمنة في شفرة الباركود على حلها. يمكن أن تحمل هذه الإشارات القابلة للمسح GTIN (رقم تعريف العنصر العالمي)، وهو جزء من نظام عالمي من المعايير يستخدمه أكثر من 2 مليون شركة لتحديد المنتجات بشكل فريد في سلسلة التوريد العالمية. تعطي GTIN القابلة للمسح للمنتجات هوية واحدة وموثقة عبر كل بائع و مستودع و منصة تلمسها. عندما يقارن وكيل الأسعار على تلك الأحذية عبر أمازون وتارغيت، فإن GTIN هو ما يؤكد أنها تقارن بالفعل نفس المنتج.

توفر المعايير، مثل تلك التي قدمتها GS1 US، لغة مشتركة لتحديد المنتجات والمواقع والكيانات، نفس اللغة التي يحتاجها وكلاء الذكاء الاصطناعي للتواصل والتنسيق واتخاذ القرارات الدقيقة. مع دخول المزيد من وكلاء الذكاء الاصطناعي إلى سلسلة التوريد — واحد لإدارة المشتريات، وآخر لمراقبة Inventory، وثالث لتتبع اللوجستيات — يحتاجون إلى مشاركة البيانات عبر الأنظمة التي بناها شركات مختلفة. تجعل المعرفات الموحدة ذلك ممكنًا.

GTIN هو جزء من هذا الإطار الأوسع.对于 وكلاء الذكاء الاصطناعي، فإن اللغة المشتركة التي توفرها هي الفرق بين معاملة تكتمل بدقة ومعاملة لا تكتمل.

البيانات غير الكاملة للمنتج لها القدرة على إزالة المنتج من مجموعة اختيار الوكيل تمامًا.对于 العلامات التجارية الصغيرة، هذه مشكلة وجودية.

بيانات الوكيل الجاهزة مقابل ما تمتلكه معظم الشركات

الوصول إلى بيانات الوكيل الجاهزة يعني ضمان أن كل منتج في الفهرس لديه معرف فريد وموثق عالميًا. يعني ذلك أيضًا أن السمات كاملة ومستمرة عبر كل نظام يلمسه شريك تجاري. كما يعني ذلك أن بيانات Inventory والأسعار متزامنة في الوقت الفعلي، وليس يتم تحديثها بشكل دوري. البيانات المبنية للتصفح البشري لا تصل إلى هذا الحد.

تضفي المزيد من الذكاء الاصطناعي على بيانات منقسمة إجابات خاطئة أسرع وأكثر ثقة. يجب أن تكون الأساس صحيحة أولًا.

تتنبأ جارتنر أن أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيلية سوف يتم إلغاؤها بحلول عام 2027، مستشهدةً بتكلفة متزايدة، وعدم وضوح العائد على الاستثمار، وسيطرة مخاطر غير كافية. جودة بنية البيانات هي مدخلات مباشرة لجميع هذه العوامل. الشركات التي تبني تجارة وكيلية بدون مراجعة طبقة البيانات تحل مشكلة خاطئة.

أين يجب على البائعين والعلامات التجارية البدء

1. مراجعة معرفات المنتج عبر كل نظام. كل منتج في الفهرس يحتاج إلى معرف فريد وموثق عالميًا. المعرفات المفقودة أو المكررة هي السبب الأكثر شيوعًا لمرور الوكلاء على المنتجات تمامًا.
2. توحيد تسمية السمات. الحجم والوزن والمتغير والمتاحية تحتاج إلى أن تعني نفس الشيء عبر كل نظام يلمسه شريك تجاري. التسمية غير المتسقة غير مرئية للبشر وقاتلة للوكلاء.
3. مزامنة البيانات عبر شركاء التجارة في الوقت الفعلي. معظم الشركات تحديث Inventory والأسعار بعد تأخير — كل ساعة، كل ليلة، أو يدويا. وكيل يُ