أمانبال دوبار، رئيس قسم البيع بالتجزئة في تريدنس – سلسلة المقابلات

أمانبال دوباررئيس قسم التجزئة في شركة تريدنس هو قائدٌ متمرس في مجال تحليلات التجزئة والذكاء الاصطناعي، يتمتع بخبرة تزيد عن عشر سنوات في تصميم وتطوير حلول قائمة على البيانات تُقدّم رؤى قابلة للتنفيذ لصنّاع القرار في الشركات. طوال مسيرته المهنية، قاد عمليات تحوّل استراتيجية في مجال التحليلات لكبار المديرين التنفيذيين في كبرى شركات التجزئة، ووضع خرائط طريق لمنتجات الذكاء الاصطناعي لتحقيق مؤشرات أداء رئيسية قابلة للقياس، ووسّع فرق التحليلات من مراحلها الأولى إلى عمليات واسعة النطاق، مُظهِرًا بذلك عمقًا تقنيًا ومهارة قيادية فائقة.

تريدينس هي شركة متخصصة في حلول علوم البيانات والذكاء الاصطناعي، تركز على مساعدة المؤسسات على إطلاق قيمة أعمالها من خلال التحليلات المتقدمة، والتعلم الآلي، واتخاذ القرارات المدعومة بالذكاء الاصطناعي. تتعاون الشركة مع علامات تجارية عالمية، لا سيما في قطاعي التجزئة والسلع الاستهلاكية، لحل التحديات المعقدة في مجالات التسويق، وسلسلة التوريد، والتسعير، وتجربة العملاء، وعمليات التسويق، وتحويل الرؤى إلى تأثير ملموس، ومساعدة العملاء على تحديث قدراتهم التحليلية والاستخبارية.

كثيراً ما تُجري شركات البيع بالتجزئة عشرات التجارب على الذكاء الاصطناعي، لكن القليل منها فقط ينتقل إلى مرحلة التطبيق الكامل. ما هي أبرز الأخطاء التنظيمية التي تحول دون تحقيق نتائج ملموسة في مجال الأعمال من خلال الذكاء الاصطناعي؟

أظهرت دراسة حديثة أجرتها كلية سولان بمعهد ماساتشوستس للتكنولوجيا أن 95% من المشاريع التجريبية للذكاء الاصطناعي تفشل في الوصول إلى مرحلة النشر الكامل. والواقع أن المشاريع التجريبية سهلة، لكن الإنتاج الفعلي صعب. في شركة تريدنس، حددنا أربعة أسباب تنظيمية محددة وراء هذه الفجوة.

أولاً، يكمن الخلل في عدم فهم سير عمل المستخدم النهائي. فغالباً ما يُدخل تجار التجزئة الذكاء الاصطناعي في عمليات معيبة قائمة بدلاً من التساؤل عن كيفية إعادة تصميم سير العمل نفسه مع وضع الذكاء الاصطناعي في صميمه.

ثانياً، هناك غياب نهج المنصة للذكاء الاصطناعي الوكيل. فبدلاً من التعامل مع الوكلاء كتجارب لمرة واحدة، تحتاج المؤسسات إلى تبسيط دورة الحياة بأكملها - من تصميم الوكيل وتطويره إلى نشره ومراقبته وإدارته - على مستوى المؤسسة.

ثالثًا، هناك ضعف في بنية البيانات. من السهل إنشاء نموذج تجريبي على ملف بيانات نظيف، لكن التوسع يتطلب بنية قوية وفورية حيث تكون البيانات الدقيقة متاحة باستمرار لنماذج الذكاء الاصطناعي.

أخيرًا، نلاحظ وجود تضارب بين متطلبات قسم تقنية المعلومات ومتطلبات قطاع الأعمال. لا يتحقق النجاح إلا عندما ينظر قادة الأعمال إلى الذكاء الاصطناعي كقيمة مضافة مرتبطة بتأثير قابل للقياس، وليس كعامل تشتيت تفرضه تقنية المعلومات. في تريدنس، لطالما انصب تركيزنا على "الخطوة الأخيرة"، حيث نعمل على سد هذه الفجوة بين توليد الرؤى وتحقيق القيمة.

تتعاون شركة تريدنس مع العديد من أكبر متاجر التجزئة في العالم، وتدعم إيرادات بمليارات الدولارات. بناءً على ما تراه في مختلف أنحاء القطاع، ما الذي يميز متاجر التجزئة التي تنجح في توسيع نطاق استخدام الذكاء الاصطناعي عن تلك التي لا تزال عالقة في مرحلة التجربة؟

في شركة تريدنس، أتاح لنا دعم تريليونات الدولارات من إيرادات التجزئة فرصةً فريدةً لمشاهدة انقسامٍ واضحٍ في القطاع: تجار التجزئة الذين يتعاملون مع الذكاء الاصطناعي كسلسلةٍ من التجارب المتفرقة، مقابل أولئك الذين يبنون "مصنعًا" متكاملًا للذكاء الاصطناعي. يكمن العامل الأساسي في الالتزام بأسس منصة الذكاء الاصطناعي الوكيل. تتوقف المؤسسات الأكثر نجاحًا عن البناء من الصفر، وتستثمر بدلًا من ذلك في نظام بيئي قوي يتميز بمكتبات مكونات قابلة لإعادة الاستخدام، وقوالب تصميم قياسية، وأنماط وكلاء جاهزة مصممة خصيصًا لحالات استخدام محددة في قطاع التجزئة. عند إضافة طبقات من عمليات إدارة دورة حياة التطبيقات (LLMOps) المتطورة، وإمكانية المراقبة الشاملة، وضوابط الذكاء الاصطناعي المسؤول (RAI) المدمجة إلى هذه الأسس، يكون التأثير تحويليًا - إذ نشهد عادةً تحسنًا في سرعة تحقيق القيمة لحالات الاستخدام الجديدة بنسبة 80%، نظرًا لأن الجزء الأكبر من العمل المعماري قد تم إنجازه بالفعل.

مع ذلك، لا تُقاس جودة أي منصة إلا بجودة البيانات التي تستخدمها، وهذا ما يقودنا إلى بنية البيانات الأساسية. يتطلب التوسع أكثر من مجرد الوصول المباشر إلى البيانات؛ فهو يستلزم طبقة دلالية غنية، حيث تُمكّن البيانات الوصفية القوية ونماذج البيانات الموحدة الذكاء الاصطناعي من "الاستدلال" حول العمل بدلاً من مجرد معالجة المدخلات. وأخيرًا، يُدرك القادة الحقيقيون أن هذا ليس مجرد تغيير جذري في التكنولوجيا، بل تغيير ثقافي أيضًا. فهم يُنجزون المهمة على أكمل وجه من خلال تجاوز الأتمتة البسيطة إلى التعاون بين الإنسان والآلة، وإعادة هندسة سير العمل لضمان ثقة الموظفين والتجار وتعاونهم مع نظرائهم الرقميين، وتحويل الإمكانات الخوارزمية إلى واقع عملي قابل للقياس.

لا تزال أكثر من 70% من حملات الترويج في قطاع التجزئة تفشل في تغطية تكاليفها. كيف يمكن للذكاء الاصطناعي أن يُحسّن بشكلٍ فعّال تخطيط حملات الترويج وقياسها وتحسينها في الوقت الفعلي؟

لا تزال نسبة الفشل البالغة 70% قائمة لأن تجار التجزئة غالبًا ما يعتمدون على تحليلات "الرؤية الخلفية" التي تخلط بين إجمالي المبيعات والزيادة التدريجية، ما يعني في جوهره دعم المتسوقين المخلصين الذين كانوا سيشترون على أي حال. لكسر هذه الحلقة المفرغة، نحتاج إلى التحول من التقارير الوصفية إلى نهج تنبؤي أكثر دقة. في مرحلة التخطيط، نستخدم الذكاء الاصطناعي السببي لمحاكاة النتائج وتحديد "الخطوط الأساسية الحقيقية"، ما يُحدد بدقة ما كان سيُباع بدون العرض الترويجي. وهذا يُتيح لتجار التجزئة التوقف عن دفع تكاليف الطلب العضوي والتركيز فقط على حجم المبيعات الجديد الصافي.

في مجال القياس، يحلّ الذكاء الاصطناعي معضلة "محفظة المنتجات" من خلال تحديد تأثيرات الهالة والتأثيرات السلبية المتبادلة. غالبًا ما يخطط التجار بشكل منفصل، بينما يوفر الذكاء الاصطناعي رؤية شاملة للفئة، مما يضمن عدم تأثير الترويج لمنتج معين على هامش ربح منتج آخر. يساعد هذا القياس الشامل تجار التجزئة على فهم ما إذا كانوا ينمّون حصة الفئة أم أنهم ببساطة يعيدون توزيعها.

وأخيرًا، لتحقيق التحسين الفوري، يتجه القطاع نحو استخدام وكلاء الذكاء الاصطناعي لمراقبة الحملات الإعلانية أثناء تنفيذها. فبدلًا من انتظار تحليل ما بعد الحدث لأسابيع، يقترح هؤلاء الوكلاء تلقائيًا تعديلات على المسار، مثل تعديل الإنفاق على الإعلانات الرقمية أو تغيير العروض، لإنقاذ الأرباح قبل انتهاء الحملة. هذا النهج يحوّل التركيز من مجرد تصفية المخزون الإعلاني إلى تحقيق نمو مربح.

لا تزال أخطاء التنبؤ ونفاد المخزون تتسبب في خسائر كبيرة في الإيرادات. ما الذي يجعل أنظمة التسويق وسلاسل التوريد المدعومة بالذكاء الاصطناعي أكثر فعالية من أساليب التنبؤ التقليدية؟

يتمثل التحول الأول في التنبؤ، حيث ينقلنا الذكاء الاصطناعي من الاعتماد كلياً على البيانات التاريخية الداخلية إلى استيعاب البيانات الخارجية، مثل حالة الطقس المحلية والأحداث الاجتماعية والمؤشرات الاقتصادية. وعندما يستوعب التنبؤ هذا السياق الخارجي، لا تقتصر مكاسب الدقة على تحسين أرقام المبيعات فحسب، بل تمتد لتشمل جميع مراحل الإنتاج، مما يُحسّن إدارة المخزون وتخطيط الطاقة الإنتاجية وجداول العمل وعمليات المستودعات لتتوافق مع الطلب الحقيقي.

يتمثل التحدي الثاني في معالجة مشكلة نفاد المخزون، والتي لا يزال معظم تجار التجزئة يعجزون عن قياسها بدقة. يُعالج الذكاء الاصطناعي هذه المشكلة من خلال رصد أي خلل في أنماط المبيعات، وتحديد ما يُعرف بـ"المخزون الوهمي" حيث يعتقد النظام أن سلعة ما متوفرة، بينما توقفت المبيعات، ثم يُفعّل تلقائيًا عمليات جرد دورية لتصحيح البيانات. وبالإضافة إلى البيانات، نشهد استخدامًا متزايدًا لتقنية رؤية الحاسوب لتحديد الفجوات في رفوف العرض في الوقت الفعلي، وتتبع المخزون في المستودعات، مما يضمن أن المنتج ليس موجودًا فقط في المتجر، بل متاحًا للشراء من قِبل العميل.

أصبحت التجارة القائمة على الذكاء الاصطناعي موضوعًا رئيسيًا في ابتكارات قطاع التجزئة. كيف تُحدث أنظمة الذكاء الاصطناعي القائمة على الاستدلال تغييرًا جوهريًا في اكتشاف المنتجات وعمليات الشراء مقارنةً بتجربة التسوق الحالية القائمة على البحث؟

في عالم التسوق المعاصر الذي يعتمد على البحث، لا يزال المستهلكون يتحملون العبء الأكبر. إذ يتعين عليهم معرفة ما يبحثون عنه، ومقارنة الخيارات، وفهم النتائج الهائلة. تُحدث الأنظمة الذكية ثورة في هذا المجال من خلال إنشاء "ممرات اصطناعية" ديناميكية - وهي مجموعات مخصصة تجمع منتجات من فئات متعددة بناءً على غرض محدد. على سبيل المثال، بدلاً من البحث بشكل منفصل عن خمسة منتجات، يُعرض على المتسوق الذي يسعى إلى "بداية صحية" ممر متماسك ومؤقت يضم كل شيء من حبوب الإفطار الغنية بالبروتين إلى الخلاطات، مما يختصر عملية البحث من دقائق إلى ثوانٍ.

من ناحية التحويل، لا تعمل هذه الوكلاء كمحركات بحث بقدر ما تعمل كمرشدين شخصيين للتسوق. فهم لا يكتفون بعرض الخيارات، بل يبنون سلال التسوق بناءً على احتياجات العميل. فمثلاً، إذا طلب العميل "وجبة عشاء لأربعة أشخاص بأقل من 50 دولارًا"، يقوم الوكيل بتحليل المخزون والسعر والقيود الغذائية ليقترح باقة متكاملة. هذه القدرة على التحليل تُقلل من تردد العميل، فمن خلال شرح سبب ملاءمة منتج معين لنمط حياته أو هدفه، يُخفف الوكيل من حيرة اتخاذ القرار ويرفع معدلات التحويل مقارنةً بعرض صور المنتجات فقط.

وأخيرًا، نشهد امتداد هذا المفهوم إلى المحتوى شديد التخصيص. فبدلًا من عرض نفس الشعار على الصفحة الرئيسية للجميع، يمكن للذكاء الاصطناعي التفاعلي إنشاء صفحات هبوط ورسومات ديناميكية تعكس مهمة التسوق الحالية للعميل. مع ذلك، ولضمان توسع نطاق هذا النظام، يجد تجار التجزئة أنفسهم بحاجة إلى ربط هذه الأنظمة بنموذج بيانات موحد مع حوكمة صارمة للعلامة التجارية ومعايير السلامة، لضمان عدم تحريف "إبداع" الذكاء الاصطناعي للمنتجات أو انتهاك هوية العلامة التجارية.

يعاني العديد من تجار التجزئة من بنى بيانات قديمة. كيف يمكن للمؤسسات تحديث قواعد بياناتها لكي تتمكن نماذج الذكاء الاصطناعي من تقديم توصيات موثوقة وقابلة للتفسير؟

إنّ أكبر عائق أمام نجاح الذكاء الاصطناعي ليس النماذج نفسها، بل "مستنقع البيانات" الكامن وراءها. ولتحديث عمليات البيع بالتجزئة، يجب عليها التوقف عن مجرد جمع البيانات والتوجه نحو بناء طبقة دلالية موحدة. وهذا يعني تطبيق "نموذج بيانات" معياري، حيث تُعرّف منطق الأعمال (مثل كيفية حساب "صافي الربح" أو "معدل التوقف عن الشراء") مرة واحدة وتكون متاحة للجميع، بدلاً من أن تكون مخفية في نصوص SQL مجزأة في جميع أنحاء المؤسسة.

ثانيًا، تحتاج المؤسسات إلى تبني عقلية "منتج البيانات". فبدلًا من التعامل مع البيانات كمنتج ثانوي لتقنية المعلومات، يتعامل تجار التجزئة الناجحون معها كمنتج ذي ملكية محددة، واتفاقيات مستوى خدمة، ومراقبة جودة صارمة (قابلية مراقبة البيانات). وعندما تجمع بين هذا "السجل الذهبي" النظيف والمنظم مع بيانات وصفية غنية، فإنك تفتح آفاقًا جديدة للتفسير. لا يكتفي الذكاء الاصطناعي بتقديم توصيات مبهمة، بل يمكنه تتبع منطق عمله وصولًا إلى الطبقة الدلالية.

لطالما اعتمد التعاون بين تجار التجزئة وشركات السلع الاستهلاكية على بيانات مجزأة ومقاييس غير متسقة. كيف يمكن لنماذج البيانات الموحدة ومنصات الذكاء الاصطناعي المشتركة أن تُحسّن أداء الفئات لكلا الطرفين؟

حتى الآن، كان تجار التجزئة وشركات السلع الاستهلاكية ينظرون إلى العميل نفسه من زوايا مختلفة، مستخدمين بياناتهم وحوافزهم الخاصة. تُغير نماذج البيانات الموحدة هذا الوضع من خلال توفير مصدر واحد موثوق للبيانات عبر سلسلة القيمة، سواءً كان ذلك أداء المنتجات على الرفوف أو سلوك المتسوقين.

عندما يعمل الطرفان على نفس منصة الذكاء الاصطناعي، يمكنهما معًا تحديد العوامل المحركة للنمو أو التسرب على مستوى الفئة. قد يكون أي شيء - التسعير، أو الترويج، أو تشكيلة المنتجات، أو نقص المخزون. هذا يحوّل النقاش من "بياناتي مقابل بياناتك" إلى "فرصتنا المشتركة".

والنتيجة هي اتخاذ قرارات أكثر ذكاءً، وتجربة أسرع، وفي النهاية، نمو أعلى في الفئة يفيد كلاً من تجار التجزئة والعلامات التجارية.

مع نضوج شبكات الإعلام في قطاع التجزئة، ما هو الدور الذي سيلعبه الذكاء الاصطناعي في تحسين الاستهداف والقياس ونسب النتائج مع الحفاظ على ثقة المستهلك؟

سيُحدث الذكاء الاصطناعي تحولاً في أربعة مجالات رئيسية مع نضوج شبكات الإعلام في قطاع التجزئة.

أولاً، في مجال الاستهداف، يتطور القطاع من شرائح الجمهور الثابتة إلى التنبؤ بالنية الشرائية. فمن خلال تحليل الإشارات الآنية - مثل سرعة التصفح أو مكونات سلة التسوق - لتحديد اللحظة الدقيقة التي يحتاج فيها المتسوق إلى الشراء، يضمن الذكاء الاصطناعي عرض الإعلانات المناسبة في الوقت المناسب بدلاً من مجرد استهداف فئة ديموغرافية عامة.

ثانيًا، فيما يخص القياس، يتحول المعيار الذهبي من العائد البسيط على الإنفاق الإعلاني (ROAS) إلى العائد الإضافي على الإنفاق الإعلاني (iROAS). وباستخدام الذكاء الاصطناعي السببي، يمكننا قياس الأثر الحقيقي للإنفاق الإعلامي من خلال تحديد المتسوقين الذين قاموا بالشراء فقط بسبب الإعلان، مقابل أولئك الذين كان من الممكن أن يحدث ذلك بشكل طبيعي.

ثالثًا، أصبحت الكفاءة التشغيلية بالغة الأهمية، لا سيما في العمليات الإبداعية. لدعم التخصيص الفائق، يستخدم تجار التجزئة الذكاء الاصطناعي التوليدي ليس فقط لتوليد الأفكار، بل لتوسيع نطاق الإنتاج. وهذا يُمكّن الفرق من توليد آلاف النسخ الديناميكية والمخصصة لكل قناة تلقائيًا في دقائق بدلًا من أسابيع، ما يحل معضلة "سرعة المحتوى".

وأخيرًا، يعتمد الحفاظ على الثقة على الانتشار الواسع لغرف البيانات النظيفة. تتيح هذه البيئات لتجار التجزئة والعلامات التجارية مطابقة مجموعات بياناتهم بشكل آمن لضمان تحديد المصدر بشكل كامل، مما يضمن عدم خروج المعلومات الشخصية الحساسة من جدران الحماية الخاصة بهم.

بالنظر إلى المستقبل، ما هي القدرات التي ستحدد الجيل القادم من تجار التجزئة الذين يعتمدون على الذكاء الاصطناعي، وما الذي يجب على القادة البدء في بنائه اليوم للبقاء قادرين على المنافسة على مدى السنوات الخمس المقبلة؟

سيتم تعريف العصر القادم لتجارة التجزئة من خلال التحول من "التحول الرقمي" إلى "التحول الوكيل". نحن ننتقل إلى مستقبل "التنسيق الذاتي"، حيث تتعاون شبكات من وكلاء الذكاء الاصطناعي لتشغيل عمليات معقدة - مثل وكيل سلسلة التوريد الذي يخبر وكيل التسويق تلقائيًا بإيقاف عرض ترويجي مؤقتًا بسبب تأخر الشحنة.

وللاستعداد لذلك، يجب على القادة البدء في بناء ثلاثة أشياء اليوم.

أولاً، نموذج بيانات موحد. لا يمكن للوكلاء التعاون إذا لم يتحدثوا نفس اللغة؛ يجب أن يتطور أساس بياناتك من مستودع تخزين إلى "نظام عصبي" دلالي.

ثانياً، هناك إطار حوكمة للوكلاء. يجب تحديد "قواعد الاشتباك" - ما يُسمح للذكاء الاصطناعي بفعله بشكل مستقل مقابل ما يتطلب موافقة بشرية - قبل التوسع.

أخيرًا، باتت أيام لوحات المعلومات الثابتة التي تقدم تحليلات "الرؤية الخلفية" معدودة. نحن نتجه نحو تحليلات تفاعلية توفر رؤى فورية وشخصية. تتجاوز هذه الواجهات مجرد الإبلاغ عن "ما حدث"؛ فهي تستفيد من الذكاء الاصطناعي الفعال للإجابة على أسئلة "لماذا" المعقدة وتقديم توصيات محددة حول "الخطوة التالية"، مما يساهم في سد الفجوة بين الرؤى والتنفيذ.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا تريدينس.