Η Agentic Commerce επαναλαμβάνει ένα παλιό λάθος δεδομένων επιχείρησης

Για πολύ καιρό, ο B2B εμπόριο λειτουργούσε υπό μια απλή υπόθεση: Οι άνθρωποι περιηγούνται.

Διαβάζουν σελίδες προϊόντων, σαρώνουν φύλλα προδιαγραφών και ανέχονται ασαφείς εκφράσεις επειδή ξέρουν πώς να κάνουν ερωτήσεις follow-up. Όταν κάτι είναι ασαφές, στέλνουν email σε έναν εκπρόσωπο πωλήσεων. Όταν ένας κανόνας είναι θαμμένος σε μια υποσημείωση, η εμπειρία γεμίζει το κενό.

Τα δεδομένα προϊόντων B2B εξελίχθηκαν εξ ολοκλήρου γύρω από αυτή τη συμπεριφορά. Δεν έπρεπε ποτέ να σταθούν μόνα τους· έπρεπε μόνο να είναι ερμηνεύσιμα από έναν άνθρωπο. Με τον AI, αυτή η υπόθεση δεν ισχύει πλέον.

Έχουμε Ξαναβρεθεί Εδώ με Δεδομένα Επιχείρησης

Εάν αυτό σας φαίνεται οικείο, πρέπει να είναι. Πριν από μια δεκαετία, οι επιχειρήσεις είχαν μια πολύ παρόμοια συζήτηση για τα δεδομένα. Τα αποθήκες ήταν γεμάτες, τα data lakes ήταν υπερχείλιση και τελικά κάθε σύστημα εξήγαγε κάτι. Σε χαρτί, οι εταιρείες ήταν πλούσιες σε δεδομένα. Στην πράξη, τίποτα δεν κινούνταν γρήγορα επειδή οι επιχειρηματίες δεν μπορούσαν να απαντήσουν βασικές ερωτήσεις χωρίς αναλυτές ως μεταφραστές. Το SQL έγινε ένα σημείο πνίγησης.

Τα δεδομένα επιχείρησης οργανώθηκαν γύρω από τον τρόπο με τον οποίο τα συστήματα αποθήκευαν πληροφορίες, όχι γύρω από τον τρόπο με τον οποίο οι άνθρωποι συλλογίζονταν την επιχείρηση. Οι σειρές και οι στήλες υπήρχαν, αλλά οι έννοιες δεν υπήρχαν. Η είσπραξη ζούσε σε τρεις πίνακες. “Πελάτης” σήμαινε πέντε διαφορετικά πράγματα ανάλογα με το ποιος σας ρωτούσε και πότε. Οι μετρήσεις συζητήθηκαν ατελείωτα επειδή κανείς δεν είχε ορίσει σαφώς.

Η đột pháση στα δεδομένα επιχείρησης προήλθε από την αποδοχή της πολυπλοκότητας και την περικύκλωσή της. Σημασιολογικοί επίπεδοι είναι ένα παράδειγμα, αλλά ήταν μέρος μιας ευρύτερης μετατόπισης. Οι επιχειρήσεις σταμάτησαν να υποκρύπτουν ότι τα сыρα δεδομένα ήταν χρησιμοποιήσιμα από προεπιλογή και άρχισαν να κατασκευάζουν στρώματα μετάφρασης που ταιριάζουν με τον τρόπο με τον οποίο λειτουργούσε η επιχείρηση στην πραγματικότητα.

Μοντέλα μετρήσεων έκαναν αυτό ορίζοντας υπολογισμούς μια φορά αντί να τους ξαναπαράγουν σε κάθε αναφορά. Η είσπραξη σήμαινε το ίδιο πράγμα παντού επειδή κάποιος είχε πάρει τον χρόνο να το κωδικοποιήσει. Τα μοντέλα δεδομένων και τα σχήματα διαστάσεων έκαναν το ίδιο πράγμα cấu trúc. Μετέτρεψαν τους πίνακες λειτουργίας σε έννοιες όπως πελάτης, προϊόν, παραγγελία και χρόνος. Οι επιχειρηματίες δεν έπρεπε πλέον να κατανοήσουν πόσες ενώσεις απαιτούνταν για να απαντήσουν μια βασική ερώτηση. Οι σχέσεις ήδη υπήρχαν.

Κατάλογοι δεδομένων και διακυβερνημένες ορισμοί χειρίστηκαν ένα άλλο μέρος του προβλήματος. Καταγράφηκαν οι έννοιες που ζούσαν στο μυαλό των ανθρώπων. Τι αντιπροσωπεύει αυτό το πεδίο; Πότε πρέπει να χρησιμοποιηθεί; Ποια είναι τα όριά του; Ο контекστός σταμάτησε να είναι φυλή και έγινε μέρος του συστήματος.

Μαζί, αυτά τα στρώματα απορρόφησαν την πολυπλοκότητα και την έκαναν λειτουργική. Δημιούργησαν σταθερές αφαίρεσεις που επέτρεψαν σε περισσότερους ανθρώπους — και σε περισσότερα συστήματα — να συλλογιστούν σωστά χωρίς να ξαναερμηνεύουν τον κόσμο από την αρχή κάθε φορά. Αυτό είναι ακριβώς αυτό που λείπει σήμερα από το B2B εμπόριο.

Η Ανακάλυψη με Ηγέτη Προκαλεί την Ιδία Αναταραχή

Η Agentic εμπόριο αναγκάζει τα δεδομένα προϊόντων B2B να περάσουν από τον ίδιο έλεγχο. Οι κατασκευαστές και οι διανομείς δεν είναι φτωχούς σε πληροφορίες προϊόντων. Ήδη αποθηκεύουν τεράστιες ποσότητες από αυτά: από προδιαγραφές σε ρυθμίσεις σε λογική τιμολόγησης σε συμβατικές περιορισμοί.

Το πρόβλημα είναι ότι σχεδόν όλα αυτά τα δεδομένα構造ρίστηκαν για τους ανθρώπους. Οι προδιαγραφές ζουν σε αρχεία PDF. Οι κανόνες εξηγούνται σε ένα φυσικό κατάλογο προϊόντων που δεν έφτασε ποτέ online. Οι εξαιρέσεις υπονοούνται σε μια διαδικασία πωλήσεων back-office, αντί να κωδικοποιηθούν. Πολύ περισσότερα εξαρτώνται από τη μνήμη θεσμών όταν ο контекστός ζει στο μυαλό των ομάδων πωλήσεων.

Ένας πράκτορας AI δεν σαρώνει ένα αρχείο PDF και “καταλαβαίνει την ιδέα”. Δεν ξέρει ποια πρόταση είναι ένας σκληρός κανόνας και ποια είναι γλώσσα πωλήσεων. Δεν μπορεί να συναγάγει ασφαλώς κανόνες από μορφοποίηση ή τόνο. Εάν η σημασία δεν είναι ρητή, ο πράκτορας την αντιμετωπίζει ως άγνωστη.

Αυτό Δεν Σχετίζεται με το Ότι τα Μη Δομημένα Δεδομένα Είναι Κακά

Αξίζει να είναι σαφές κάτι. Τα μη δομημένα δεδομένα δεν είναι ο εχθρός. Ποτέ δεν ήταν.

Στις επιχειρηματικές αναλύσεις, τα μη δομημένα δεδομένα δεν εξαφανίστηκαν όταν εμφανίστηκαν οι σημασιολογικοί επίπεδοι. Έγιναν στρωμένα επάνω από τη δομή. Η δομή χειρίστηκε τους κανόνες και τις σχέσεις. Το μη δομημένο περιεχόμενο χειρίστηκε τη νюανς, την εξήγηση και το контекστός.

Το ίδιο μοτίβο ισχύει εδώ.

Οι πράκτορες χρειάζονται δομή για να συλλογιστούν. Χρειάζονται ρητούς κανόνες, σχέσεις, περιορισμοί και καταστάσεις. Χρειάζονται να ξέρουν τι είναι συμβατό, τι είναι ρυθμιζόμενο, τι είναι επιτρεπτό και υπό ποιες συνθήκες κάτι εφαρμόζεται. Το μη δομημένο περιεχόμενο μόνο δεν μπορεί να παρέχει αυτό με αξιοπιστία.

Αλλά η δομή μόνο δεν είναι αρκετή. Οι πράκτορες δεν ανακτούν μόνο ιδιότητες. Συγκρίνουν επιλογές. Αξιολογούν συμβιβασμούς. Αποφασίζουν και τι είναι κάτι και πότε πρέπει να συνιστώνται.

Η αφήγηση είναι το στρώμα που εξηγεί την πρόθεση, τη θέση και τις περιπτώσεις χρήσης. Είναι η διαφορά μεταξύ “αυτό το προϊόν υπάρχει” και “αυτό είναι όταν πρέπει να το επιλέξετε”. Στο κόσμο των επιχειρηματικών δεδομένων, αυτό εμφανίστηκε ως ορισμοί, τεκμηρίωση και επιχειρηματικός контекστός. Εδώ, εμφανίζεται ως μια εξήγηση προϊόντος που οι πράκτορες μπορούν να μάθουν από αυτήν. Ενώ τα δομημένα δεδομένα προϊόντων λέει στον πράκτορα τι είναι αλήθεια, η αφήγηση βοηθά να αποφασίσει τι έχει σημασία.

Το Εμπόριο Έχει Βελτιωθεί για Παρουσίαση, Όχι για Συλλογισμό

Αυτό είναι το άβολο μέρος. Η υποδομή εμπορίου δεν έκανε ποτέ το άλμα που έκανε η επιχείρηση δεδομένων. Κτίσαμε καλύτερα PIM. Κτίσαμε πλουσιότερους καταλόγους. Κτίσαμε ομορφότερες σελίδες προϊόντων. Αλλά δεν κτίσαμε ποτέ einen αληθινό σημασιολογικό επίπεδο για προϊόντα· βελτιώσαμε την παρουσίαση.

Όσο οι άνθρωποι μεσολάβησαν στην αγορά B2B, αυτό ήταν εντάξει. Οι εκπρόσωποι πωλήσεων εξήγησαν τις περιπτώσεις άκρης. Οι αγοραστές ανέχθηκαν την αμφιβολία και όλοι ήξεραν πώς να δουλέψουν γύρω από το σύστημα.

Οι πράκτορες αφαιρούν αυτό το буφέρ. Στο B2B, οι ρωγμές εμφανίζονται αμέσως. Οι τιμές ποικίλλουν ανάλογα με το λογαριασμό. Η διαθεσιμότητα αλλάζει ανάλογα με την περιοχή. Η συμβατότητα εξαρτάται από τη ρύθμιση. Οι συμβάσεις αντικαθιστούν τις προεπιλογές. Τα δικαιώματα έχουν σημασία. Τίποτα από αυτά δεν είναι ασφαλώς εύκολο να μαντέψουν.

Όταν ένας πράκτορας αξιολογεί ένα προϊόν, δεν εντυπωσιάζεται από μια καλά γραμμένη περιγραφή. Θέλει να ξέρει τι ταιριάζει, τι είναι επιτρεπτό, τι είναι συμβατό και τι συμβαίνει επόμενο. Εάν αυτή η πληροφορία δεν είναι ρητή, ο πράκτορας δεν ζητάει διευκρίνιση· απλώς προχωράει.

Τι πρέπει να Κάνουν τώρα οι Εταιρείες Εμπορίου

Αυτό είναι ο σημείο καμπής. Οι εταιρείες εμπορίου μπορούν να συνεχίσουν να αντιμετωπίζουν τα δεδομένα προϊόντων ως περιεχόμενο που οι άνθρωποι ερμηνεύουν. Ή μπορούν να αρχίσουν να τα αντιμετωπίζουν ως υποδομή που οι μηχανές συλλογίζονται.

Αυτό σημαίνει ότι οι προδιαγραφές πρέπει να γίνουν ιδιότητες με ορισμένο νόημα. Η συμβατότητα πρέπει να κωδικοποιηθεί ως σχέσεις, όχι να εξηγηθεί σε παραγράφους. Η τιμολόγηση πρέπει να εκφραστεί ως λογική. Τα δικαιώματα πρέπει να είναι ρητά. Η διαθεσιμότητα πρέπει να είναι κατάσταση και ακριβής.

Αυτό είναι ακριβώς η ίδια κίνηση που έπρεπε να κάνουν οι επιχειρήσεις με τις αναλύσεις. Όταν τα сыρα δεδομένα και οι πίνακες δεν ήταν αρκετά, η σημασία έπρεπε να οριστεί. Και όταν υπάρχει αυτό το δομημένο πυρήνα, η αφήγηση σταματά να είναι η μόνη πηγή αλήθειας για τον AI και γίνεται το στρώμα που διδάσκει τους πρακτόρες πώς να εφαρμόσουν αυτή την αλήθεια σε πραγματικές καταστάσεις.

Οι κατασκευαστές και οι διανομείς που το κάνουν αυτό θα γίνουν αναγνώσιμοι για τους πρακτόρες. Τα προϊόντα τους θα είναι πιο εύκολα να αξιολογηθούν, πιο εύκολα να συνιστώνται και πιο εύκολα να εμπιστεύονται. Αυτοί που δεν θα το κάνουν θα έχουν ακόμη “δεδομένα”, αλλά θα λειτουργούν όπως τα παλιά αποθήκες επιχείρησης: τεχνικά παρόντα, αλλά πρακτικά αχρησιμοποίητα.

Το Μοτίβο είναι Παλιό, αλλά οι Συνέπειες δεν Είναι

Τίποτα από αυτά δεν είναι εικασίες. Ήδη παρακολουθήσαμε τα δεδομένα επιχείρησης να περνούν από τον ίδιο κύκλο. Η μόνη διαφορά τώρα είναι ο χρήστης. Αντί για επιχειρηματικούς αναλυτές, είναι αυτόνομοι πράκτορες. Αντί για πίνακες, είναι συστάσεις. Αντί για αργές αποφάσεις, είναι άμεση εξαίρεση.

Η Agentic εμπόριο εκθέτει ένα παλιό πρόβλημα δεδομένων επιχείρησης. Οι εταιρείες που αναγνωρίζουν αυτό — και αντιμετωπίζουν τα δεδομένα προϊόντων με τον ίδιο τρόπο που οι επιχειρήσεις έμαθαν να αντιμετωπίζουν τα λειτουργικά δεδομένα — θα προσαρμοστούν γρήγορα. Αυτοί που δεν θα το κάνουν θα συνεχίσουν να προσθέτουν αρχεία PDF, να ξαναγράφουν περιγραφές και να αναρωτιούνται γιατί οι πράκτορες δεν τους επιλέγουν ποτέ.

Η ιστορία επαναλαμβάνεται. Αυτή τη φορά, οι μηχανές προσεχτικά.