مايرون بورك، رئيس إدارة الحلول في Sensormatic Solutions – سلسلة المقابلات

يعمل مايرون بيرك، رئيس المنتجات والحلول العالمية في Sensormatic Solutions، على تحديد طرق جديدة لتسريع الابتكار وتنفيذها، وزيادة السرعة، وتقديم قيمة أكبر للعملاء من خلال خارطة طريق استراتيجية للحلول.

مايرون قائد متمرس يتمتع بخبرة تزيد على 25 عاماً في قطاع البيع بالتجزئة، بما في ذلك فترات عمله لدى Walmart (WMT ) وSam’s Club، حيث قدم الابتكار على نطاق واسع. وفي الآونة الأخيرة، أسس مايرون Divergent Technology Advisors، وهي شركة استشارية لتقنيات البيع بالتجزئة توجه كبار تجار التجزئة ومزودي التكنولوجيا والشركات الناشئة في مجالات استراتيجية التقنية والتخطيط لدخول السوق والتوسع في الأسواق الدولية وغيرها.

Sensormatic Solutions، وهي محفظة Johnson Controls الرائدة عالمياً لحلول البيع بالتجزئة، تدعم تجارب تسوق آمنة ومحمية وسلسة. وعلى مدى أكثر من 60 عاماً، ظلت العلامة في طليعة تبني التقنيات سريعة التطور في القطاع، وأعادت تعريف عمليات البيع بالتجزئة عالمياً وحولت الرؤى إلى إجراءات. وتقدم Sensormatic Solutions منظومة مترابطة من حلول منع الخسائر وذكاء المخزون وتحليلات حركة الزوار، إلى جانب خدماتها وشركائها، لتمكين تجار التجزئة حول العالم من الابتكار والارتقاء بدقة، وربط النتائج القائمة على البيانات التي تشكل مستقبل القطاع.

أمضيت أكثر من 25 عاماً عند تقاطع عمليات البيع بالتجزئة والتقنيات الناشئة، من قيادة استراتيجية RFID وابتكار المتاجر لدى Walmart وSam’s Club، إلى تطوير مفاهيم الجيل المقبل في Store No. 8، ثم قيادة المنتجات والحلول العالمية لدى Sensormatic Solutions. كيف صاغت هذه الخبرات فلسفتك بشأن طريقة نشر الذكاء الاصطناعي وتقنيات المستشعرات داخل بيئات البيع بالتجزئة الفعلية اليوم؟

أتبع نهجاً عملياً جداً في تطبيق الذكاء الاصطناعي، وأشجع فريقي وعملاء Sensormatic Solutions من تجار التجزئة على اتباع النهج نفسه. وقد أثبتت خبرتي على جانبي المعادلة مراراً أن البناء بهذه الطريقة هو مفتاح التحول الناجح.

عملت Sensormatic Solutions طوال السنوات الستين الماضية انطلاقاً من قناعة بسيطة للغاية: تنجح التكنولوجيا عندما تكون الفاعلية التشغيلية والتحديات الواقعية لتجار التجزئة في صميمها. وقد يبدو ذلك بديهياً، ولا سيما لمن يتابعون الأدوات الناشئة عن قرب، لكن هذا المبدأ الأساسي نُسي إلى حد ما وسط كل الضجة المحيطة بالذكاء الاصطناعي.

كان الضغط للتحرك بسرعة ومواكبة السوق، ولا يزال، كبيراً سواء في تطوير الحلول أو تبني العملاء لها، لكن بناء أدوات تسد فجوات حقيقية يحقق أثراً أكبر من محاولة إدخال وظائف الذكاء الاصطناعي في كل منتج بلا استثناء. نحن نركز بوضوح على المواضع التي يؤدي فيها تبسيط جمع البيانات ودمجها وتحليلها واتخاذ الإجراءات بناءً عليها إلى تحسينات قابلة للقياس. ويمتد هذا التركيز أيضاً إلى مجموعات البيانات التي سيستخدمها الذكاء الاصطناعي؛ فمجموعات البيانات المستهدفة والمنضبطة والمنقحة ضرورية لتقديم قيمة مستدامة من الذكاء الاصطناعي، ولا سيما عبر عملاء تختلف احتياجاتهم.

ومن الأمور التي نضعها في اعتبارنا أيضاً أن ذلك ينطبق على جميع المستخدمين المحتملين: صناع القرار في الشركات والمتسوقين والموظفين. ومع كل حل جديد أو تحديث، نسأل أنفسنا ما إذا كنا نقدم قيمة متساوية للأطراف الثلاثة، لأن كل مجموعة منها عنصر أساسي في نجاح تجارة التجزئة.

وتتحول هذه الروح الداخلية بصورة طبيعية إلى حلول تساعد تجار التجزئة على تبني الموقف نفسه، عبر أدوات تدعم التحسين الهادف من خلال تصميمات عملية ومخصصة للأنظمة. فنشر الذكاء الاصطناعي لا يناسبه حل واحد للجميع، وكذلك البرامج التي نبنيها مع العملاء.

تضع Sensormatic Solutions التحليلات المتقدمة بالذكاء الاصطناعي والتعلم الآلي بصورة متزايدة في صميم ذكاء العمليات الحديثة في تجارة التجزئة. كيف يعيد الذكاء الاصطناعي تعريف معنى «منع الخسائر» في عالم متعدد القنوات؟

أبسط إجابة هي الرؤية المقترنة بالسرعة. يساعد الذكاء الاصطناعي فعلاً في إزالة الغموض عن نقص المخزون وتقديم صورة كاملة لإجمالي خسائر البيع بالتجزئة. والحقيقة أنك لا تستطيع ملاحظة إلا الخسائر التي يمكنك رؤيتها، أليس كذلك؟ فعلى امتداد معظم تاريخ القطاع، لم تكن رؤية الخسائر ممكنة إلا على أبسط مستوى سطحي، إذ ركزت البرامج على السلع التي يفترض أن تكون متاحة للبيع لكنها غير موجودة. وقد تكون لديك فكرة ما عما إذا كانت السلعة قد سُرقت، أو كُسرت أثناء النقل، أو تضررت على الرف، لكن تتبع هذه الأمور على نطاق واسع كان صعباً، إن لم يكن مستحيلاً.

وسعت التحليلات المتصلة وأنظمة المستشعرات نطاق ما يستطيع تجار التجزئة رؤيته وتتبعه وقياسه. فكر مثلاً في إبراز نسبة الخطأ البالغة 3% والمختبئة داخل الأحجام الهائلة من البيانات المولدة اليوم. تكشف أنظمة المستشعرات ماهية الخسارة ومكانها ووقتها والمسؤول عنها، وهو ما يشعل بحد ذاته تحولاً في فهم نقص المخزون وينقل النموذج نحو مفهوم «إجمالي خسائر البيع بالتجزئة». ويتيح هذا النطاق الأوسع للتجار رؤية طبقة أخرى من العمليات ومجموعة جديدة تماماً من الأسباب المحتملة للخسائر المرتبطة بانحراف الإجراءات والفجوات فيها، فضلاً عن الوقت والموارد والجهد المهدرة.

وعندما تُحدد كل هذه العوامل وتُصنف، يصبح بالإمكان تغييرها. وهنا يأتي دور الذكاء الاصطناعي؛ إذ يربط هذه «النقاط» الجديدة، غالباً في الوقت الفعلي، ليكشف طبقة مختلفة تماماً من البيانات. ويمكن للذكاء التنبؤي والنمذجة العالية الدقة قياس آثار الهدر في المراحل السابقة، وموازنة القيمة النسبية للتعديلات الممكنة، وإظهار تكلفة عدم اتخاذ إجراء. وبهذا يمكّن تجار التجزئة من الانتقال من رد الفعل إلى الاستباق، ويساعدهم على إعادة النظر في الخسائر بوصفها فرصاً للتحسين.

بفضل تقنيات مثل Re-ID وتحليلات حركة الزوار المدعومة بالذكاء الاصطناعي، يستطيع تجار التجزئة الآن تجاوز مجرد عد الأشخاص إلى فهم أعمق لسلوك المتسوقين والعمليات. ما أكثر حالات الاستخدام التحويلية التي ترونها تنشأ عن هذا التحول؟

تمثل Re-ID بالنسبة إلي مثالاً قوياً على تعديلات صغيرة ومحددة تحقق أثراً هائلاً في فهم العمليات.

تقوم Re-ID في الواقع بمهمة واحدة: تحسين قياسات الحركة. وبالطبع، فإن جعل التقنية تميز بدقة بين المتسوقين الفريدين والزيارات المتكررة والموظفين وفئات الزوار الأخرى أمر معقد، لكن النتيجة هي تغيير بسيط جداً في مجموعات البيانات يؤدي إلى تحسن كبير في الفهم.

لا تزال بيانات الحركة أساساً لمجموعة واسعة من المقاييس في القطاع، ولعل معدل التحويل أبرز مثال على ذلك. ومجرد تنقية السجلات كي تعكس عدداً أدق للزوار الأفراد يمكن أن يغير التفسيرات بصورة جذرية، مما يمكّن تجار التجزئة من تحسين توزيع الموظفين ومخططات الطوابق والرسائل وعدد لا يحصى من الممارسات الأخرى للمساعدة في تحسين تجارب العملاء والنتائج المالية.

وهذا يجسد الروح التي ناقشناها سابقاً باعتبارها جوهر نجاح Sensormatic Solutions على مدى السنوات الستين الماضية. فنحن نستخدم الذكاء الاصطناعي لإجراء تعديلات محددة وعالية القيمة تعود بالنفع على جميع أطراف المعادلة.

قدمت Sensormatic Solutions مؤخراً Orbit AI وVideo AI ضمن قدراتها لفهم سلوك زوار المتاجر. ما الفجوة الاستراتيجية التي يعالجها هذا الحل لتجار التجزئة، وكيف يختلف عن منصات ذكاء البيع بالتجزئة الأخرى؟

نتعامل مع كل حل جديد واضعين تحدياً محدداً في الاعتبار. وفي Orbit AI وVideo AI، ركزنا على فصل «الإشارة عن الضوضاء» لتزويد تجار التجزئة ببيانات موثوقة ومحددة ومرتبطة بالسياق تزيل التخمين من عملية اتخاذ القرار.

تمكّن تقنية التعرف المبتكرة على العناصر في Re-ID كلاً من Orbit AI وVideo AI من مساعدة تجار التجزئة على:

• فهم أنماط مدة بقاء الزوار في مختلف أنحاء المتجر.
• التمييز بين المتسوقين والمارة.
• تتبع رحلات المتسوقين لتحديد اتجاهات تساعد في تخطيط توزيع البضائع والعروض الترويجية والإعلانات.
• استخدام الخرائط الحرارية لتتبع المواضع التي يقضي فيها الزوار أطول وقت.

لكن Orbit AI وVideo AI يذهبان إلى أبعد من ذلك، إذ تتكيف نماذج التعلم الآلي المخصصة فيهما مع تطور العمليات. يتعرف النظام بمرور الوقت على كل مؤسسة وكل موقع، ويضبط المعايير باستمرار، ويحدد مصادر التحيز، ويعمل على إزالة البيانات المكررة أو غير المكتملة التي تحرف النماذج. ويضمن هذا التحسين المستمر أن تعكس كل رؤية واقع المتجر الآن؛ لا بالأمس ولا الأسبوع الماضي، بل كما هي الأوضاع اليوم. وهذا أمر بالغ الأهمية لأن اتجاهات تجارة التجزئة وضغوطها وظروفها تتغير بسرعة كبيرة.

صُمم Orbit AI وVideo AI لسهولة التكامل مع مراعاة أبرز عوائق التبني. ويتيح التصميم المتكامل للمستشعرات، ونهج المعالجة عند الحافة، وقدرات Re-ID لتجار التجزئة اكتساب هذه الرؤى باستخدام أجهزة أقل، مما يسهل النشر ويجعل أدوات التحليل متاحة للشركات من جميع الأحجام. وهذا امتداد لعقود من عملنا الهادف إلى إتاحة الرؤى الذكية لقطاع البيع بالتجزئة بأكمله.

شددت على أن الاستخدام المبسط للبيانات ودمج المستشعرات عنصران أساسيان لإعادة ابتكار تجارة التجزئة. كيف يؤدي الجمع بين مدخلات عدة مستشعرات إلى ميزة تنافسية مقارنة بأدوات التحليل المنعزلة؟

تساعد التحليلات السحابية على ربط العمليات وإزالة العزلة بينها، لكنها تتضمن أيضاً مجموعة من مسببات الهدر وعدم الكفاءة، وكثير من تجار التجزئة لا يدركون حتى وجودها داخل أنظمتهم. وينقل دمج المستشعرات عملياً مهام المعالجة والتكامل الأولية إلى الجهاز نفسه عند الحافة، مما يقلل حجم البيانات التي ينبغي إرسالها إلى الخوادم المركزية ويتيح الاستجابة في الوقت الفعلي عبر المنظومة.

لنأخذ التحليلات السلوكية مثالاً. ففي بيئة سحابية تقليدية، تؤدي المستشعرات مهام الجمع الأساسية وترسل البيانات الخام باستمرار، أو دورياً، إلى نظام الحوسبة المركزي لمعالجتها وتحليلها واتخاذ الإجراء. ولنفترض أن التحليل كشف مؤشرات إلى سلوك مريب في صالة المبيعات، مما يطلق سلسلة من بروتوكولات الاستجابة. حسناً، يجب إرسال هذه المعلومة أيضاً، أي الحاجة إلى الاستجابة. ومع أن العملية كلها سريعة بمقاييس البشر، فإنك تكون قد أضعت وقتاً بالفعل في إرسال المعلومات واستقبالها من النقطة أ إلى ب ثم إلى ج والعودة إلى ب، وهكذا.

وبفضل قدرات الدمج في Video AI وOrbit AI، نستطيع حذف تلك الخطوات الإضافية. فتحلل أدوات الذكاء الاصطناعي والتعلم الآلي المدمجة البيانات الخام أثناء جمعها، وتحدد أولوية الخطوات التالية بناءً على النتائج، مما يتيح اتخاذ الإجراء في وقت أنسب. وإضافة إلى ذلك، يقلل الدمج القائم على الحافة الطلب على الطاقة والضغط على النظام المركزي، لأنه يلغي الحاجة إلى عمليات النقل المستمرة إلى الأنظمة الأكبر.

على مستوى المؤسسات، يشتهر دمج الأجهزة والبرمجيات ومنصات البيانات العالمية بتعقيده. ما المبادئ المعمارية أو مناهج هندسة الأنظمة الضرورية لجعل بنية البيع بالتجزئة المدعومة بالذكاء الاصطناعي قابلة للتوسع فعلاً؟

من الضروري البدء ببنية أنظمة SAFe / Lean-Agile. ويتيح هذا الأساس تفكيراً وتطويراً تصميمياً آمناً وذكياً من الناحية الاقتصادية ومرناً وقابلاً للتخصيص عند الحاجة. وأؤمن أيضاً بالعمل على تبني نهج محايد تجاه منظومات الشركاء، بما يسمح لنا بمقابلة الشركاء عند المرحلة التي بلغوها في رحلتهم الرقمية. وهذا يمكّننا من تحقيق قيمة على مستوى الحساب، ويفتح أيضاً مسارات لدعم الشركات التي تحتاج إلى عرض أقرب إلى نموذج البرمجيات كخدمة، وكذلك المؤسسات الأكثر تميزاً التي تريد الاحتفاظ بجميع الأنظمة والبيانات في الموقع. يتيح نهجنا مسارات متعددة للتمكين، ويدعم أيضاً مجموعة واسعة من خيارات الأجهزة.

يواجه كثير من تجار التجزئة صعوبة في تحويل التحليلات إلى عائد استثمار قابل للقياس. كيف تساعدون المؤسسات على ربط رؤى الذكاء الاصطناعي المتقدمة مباشرة بالنتائج المالية والكفاءة التشغيلية؟

ساعد هذا السؤال في دفع تطوير Shrink Analyzer. فبعد الدفعة الأولى من الاستثمار في الرقمنة، أصبحت لدى تجار التجزئة جبال من بيانات المخزون والخسائر وغيرها، لكنهم افتقروا إلى أداة تساعدهم على فهمها جميعاً.

مع أن هدف Shrink Analyzer الأساسي هو التحسين المستمر، فإن مهمته الأولى دائماً هي وضع معيار مرجعي عند بدء التطبيق. وتلك هي الخطوة الأولى التي تجعل كل التحسينات اللاحقة ممكنة، كما توفر نقطة مرجعية لتتبع ذلك التقدم بالمصطلحات التي تهم النشاط التجاري. وهذه هي الخطوة التي أغفلها كثير من القادة وسط ضجة الذكاء الاصطناعي، ولذلك كان تتبع العائد على الاستثمار تحدياً كبيراً في مختلف القطاعات.

ومن خلال كشف «ماهية الهدر والخسارة ووقتهما ومكانهما» منذ البداية، يستطيع Shrink Analyzer تحويل كل ذلك إلى شيء لم يتوفر فعلاً لتجار التجزئة من قبل: صورة واضحة وقابلة للقياس عن كيفية حدوث الخسائر على نطاق واسع.

فهو يبين أين تحدث الخسائر فعلاً، وما الفجوات ذات الأثر الأكبر في الأداء، وأي فرص التغيير قد تساعد في خفض ذلك الرقم. ومن هناك، يستطيع تجار التجزئة بدء اختبار حالات الاستخدام وتتبع التقدم وإجراء التعديلات خلال العمل، لجمع أدلة مقنعة تثبت أن استثماراتهم في الذكاء الاصطناعي والتقنيات الأخرى تحقق فرقاً ملموساً.

تعد الخصوصية والثقة من الشواغل الأساسية مع تزايد أجهزة القياس داخل المتاجر. كيف تتعامل Sensormatic Solutions مع النشر المسؤول للذكاء الاصطناعي مع الاستمرار في تقديم معلومات تشغيلية عالية الدقة؟

أنظر إلى هذه المسألة باعتبارها جزءاً مما ناقشناه سابقاً: البناء للقادة والمتسوقين والموظفين بالقدر نفسه. نعم، تجار التجزئة هم من يشترون حلولنا، لكننا لا نستطيع النجاح إذا لم يقبل الموظفون والمتسوقون هذه الأنظمة. رضاهم ضروري لعملائنا ولنا.

وهذا يدفع نهجنا القائم على دمج الخصوصية في التصميم ضمن جميع عمليات البحث والتطوير. وبعبارة أخرى، ندمج ضوابط حماية المستهلك داخل الحل منذ البداية، مما يبقينا فضوليين ومبدعين.

يجسد تصميم Re-ID ذلك. إذ تستخدم قدراته لرسم مسار الرحلة وعد حركة الزوار اختلافات وتوليفات من تفاصيل فردية لا تكشف الهوية، مثل تسريحة الشعر ولونه وتصميم الملابس والإكسسوارات، لإسناد معرفات فريدة إلى الزوار. وقد تعتقد أن هناك تشابهاً كبيراً في الملابس أو الأسلوب يمنع فاعلية ذلك، لكننا وجدنا أن هذه المؤشرات، عند النظر إليها مجتمعة، تكون فريدة بما يكفي للقول بثقة: «هذا الشخص يعمل هنا» أو «هذا الشخص زار المكان قبل ساعة».

ولم نكن لنعرف ذلك لو لم نضطر إلى التفكير خارج المألوف منذ البداية. ومع تغير اللوائح وتزايد مخاوف المستهلكين بشأن الخصوصية، يُرجح أن تتصدر الابتكار المؤسسات التي تتبنى هذا المنظور مبكراً، لأنها اعتادت بالفعل حل المشكلات بصورة إبداعية.

يواجه تجار التجزئة اضطراباً مستمراً، من تقلب سلاسل التوريد والجريمة المنظمة في المتاجر وضغوط العمالة إلى المنافسة الرقمية. كيف يمكن للبنية التحتية المدعومة بالذكاء الاصطناعي أن تكون قوة للاستقرار بدلاً من أن تصبح مجرد طبقة أخرى من التعقيد؟

توفر الأنظمة القائمة على البيانات الاستقرار عبر توحيد المؤسسة حول حقيقة واحدة وهدف مشترك. وإضافة الذكاء الاصطناعي تعزز هذا اليقين.

فالبيانات وحدها تظل قابلة للتفسير، وتتأثر استنتاجات أصحاب المصلحة بأولويات كل منهم. ويمكن للذكاء الاصطناعي تخفيف هذه المشكلة لأنه يحلل البيانات عبر العملية كلها من دون الانحياز إلى وجهة نظر واحدة. وإذا عمل النظام على النحو المطلوب، يستطيع القادة ذوو الأولويات الشخصية المتنافسة أن يثقوا بأن التحليلات والتوصيات والنماذج التنبؤية تعكس واقع عمليات النشاط التجاري. وهذا يحقق تكافؤاً في الرؤية، فتتصدر أفضل خطوة تالية لأن قيمتها تكون واضحة للجميع.

بالنظر إلى السنوات الخمس أو العشر المقبلة، كيف ستبدو بيئة بيع بالتجزئة فعلية محسنة بالكامل بالذكاء الاصطناعي، وما الخطوات الاستراتيجية التي ينبغي للقادة اتخاذها الآن للاستعداد لذلك المستقبل؟

لا توجد خارطة طريق واحدة تناسب الجميع يمكنني الإشارة إليها لتحقيق الجاهزية للذكاء الاصطناعي، لأن الأمر يتعلق فعلاً ببناء أنظمة تناسب كل تاجر تجزئة على حدة. ومع ذلك، فإن الأساس اللازم عالمي إلى حد ما. يحتاج كل تاجر تجزئة إلى:

• قاعدة بيانات موحدة توفر سجلاً شاملاً لجميع مجالات العمليات. ومن دونها، لن تتمكن حتى أكثر النماذج قدرة وتقدماً من تقديم رؤى مفيدة، لأنها تحتاج إلى السياق كي تحقق النتائج.
• معايير مرجعية موثوقة تستند إلى بيانات النشاط التجاري ذات الصلة. وهذا يوفر نقطة انطلاق للاستثمارات ومرجعاً يمكن قياس التقدم بالاستناد إليه.
• خطط للتدريب ورفع المهارات. الذكاء الاصطناعي ليس جهة فاعلة مستقلة. يمكنه فعل الكثير، لكن الأشخاص الذين يستخدمونه يحتاجون إلى فهم وظائفه وحدوده. وينبغي لتجار التجزئة البدء بالتخطيط للتقنية والتواصل بشأنها مبكراً وباستمرار، حتى يكون الموظفون والعاملون مستعدين عندما يحين الوقت.
• قادة ملتزمون. التحول مشروع طويل الأجل، وينبغي للقادة أن يكونوا مستعدين لتخصيص الموارد للمبادرة على المدى الطويل، ومتحمسين لتوجيه المؤسسة خلاله.

شكراً على هذه المقابلة الرائعة. يمكن للقراء الراغبين في معرفة المزيد زيارة Sensormatic Solutions أو Divergent Technology Advisors.