Η Agentic Commerce Επανεκτελεί Một Παλιά Λάθος Δεδομένων Επιχειρήσεων

Για πολύ καιρό, η B2B εμπορία λειτουργούσε υπό μια απλή υπόθεση: Οι άνθρωποι περιηγούνται.

Διάβασαν σελίδες προϊόντων, σαρώνουν φύλλα προδιαγραφών και ανέχονται ασαφείς εκφράσεις επειδή γνωρίζουν πώς να κάνουν ερωτήσεις. Όταν κάτι δεν είναι σαφές, στέλνουν email σε έναν εκπρόσωπο πωλήσεων. Όταν ένας κανόνας είναι θαμμένος σε μια υποσημείωση, η εμπειρία γεμίζει το κενό.

Η B2B δεδομένα προϊόντων εξελίχθηκαν εξ ολοκλήρου γύρω από αυτή τη συμπεριφορά. Δεν χρειαζόταν να σταθεί μόνο του· χρειαζόταν μόνο να είναι ερμηνεύσιμο από έναν άνθρωπο. Με τον AI, αυτή η υπόθεση δεν ισχύει πλέον.

Έχουμε Ξαναβρεθεί Εδώ με Δεδομένα Επιχειρήσεων

Αν αυτό σας φαίνεται οικείο, πρέπει να είναι. Πριν από μία δεκαετία, οι επιχειρήσεις είχαν μια πολύ παρόμοια συζήτηση για δεδομένα. Τα αποθήκια ήταν γεμάτα, οι λίμνες δεδομένων ήταν υπερχείλισες και τελικά κάθε σύστημα εξήγαγε κάτι. Σε χαρτί, οι εταιρείες ήταν πλούσιες σε δεδομένα. Στην πράξη, τίποτα δεν κινήθηκε γρήγορα επειδή οι επιχειρηματίες δεν μπορούσαν να απαντήσουν βασικές ερωτήσεις χωρίς αναλυτές ως μεταφραστές. Το SQL έγινε σημείο φιλτράρισματος.

Τα δεδομένα επιχειρήσεων οργανώθηκαν γύρω από τον τρόπο με τον οποίο τα συστήματα αποθήκευαν πληροφορίες, όχι 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 επιχειρήσεων προήλθε από την αποδοχή της πολυπλοκότητας και την περικύκλωση της. Σημαντικές στρώσεις είναι ένα παράδειγμα, αλλά ήταν μέρος μιας ευρύτερης μετατόπισης. Οι επιχειρήσεις σταμάτησαν να ψευδόμενο ότι τα сыρα δεδομένα ήταν χρησιμοποιήσιμα από προεπιλογή και άρχισαν να χτίζουν στρώσεις μετάφρασης που ταίριαζαν με τον τρόπο με τον οποίο η επιχείρηση λειτουργούσε στην πραγματικότητα.

Μοντέλα μετρήσεων έκαναν αυτό ορίζοντας υπολογισμούς μια φορά αντί να αναπαράγουν τους σε κάθε αναφορά. Η είσπραξη σήμαινε το ίδιο πράγμα παντού επειδή κάποιος είχε πάρει τον χρόνο να το κωδικοποιήσει. Τα μοντέλα δεδομένων και οι διαστατικές σχήματα έκαναν το ίδιο πράγμα δομικά. Μεταμόρφωσαν τους πίνακες λειτουργίας σε έννοιες όπως πελάτης, προϊόν, παραγγελία και χρόνος. Οι επιχειρηματίες δεν χρειάζονταν πλέον να κατανοούν πόσες ενώσεις απαιτούνταν για να απαντήσουν μια βασική ερώτηση. Οι σχέσεις ήδη υπήρχαν.

Κατάλογοι δεδομένων και διατηρούμενες ορισμοί χειρίστηκαν ένα άλλο μέρος του προβλήματος. Καταγράφηκαν σημασίες που ζούσαν στο μυαλό των ανθρώπων. Τι αντιπροσωπεύει αυτό το πεδίο; Πότε πρέπει να χρησιμοποιηθεί; Ποιοί είναι οι περιορισμοί του; Ο контекст σταμάτησε να είναι φυλετική γνώση και έγινε μέρος του συστήματος.

Μαζί, αυτές οι στρώσεις απορρόφησαν την πολυπλοκότητα και την έκαναν λειτουργική. Δημιούργησαν σταθερές αφαίρεσεις που επέτρεψαν σε περισσότερους ανθρώπους — και σε περισσότερα συστήματα — να συλλογισθούν σωστά χωρίς να ξαναερμηνεύσουν τον κόσμο από την αρχή κάθε φορά. Αυτό είναι ακριβώς αυτό που λείπει σήμερα στην B2B εμπορία.

Η Ανακάλυψη με Ηγέτη είναι η Ίδια Αναμέτρηση

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

Το πρόβλημα είναι ότι几乎 όλα αυτά τα δεδομένα δομήθηκαν για τους ανθρώπους. Οι προδιαγραφές ζουν σε PDF. Οι κανόνες εξηγούνται σε ένα φυσικό κατάλογο προϊόντων που δεν έφτασε ποτέ online. Οι εξαιρέσεις υπονοούνται σε μια διαδικασία πωλήσεων γραφείου, αντί να κωδικοποιηθούν. Πολύ πολλά εξαρτώνται από θεσμική μνήμη όταν ο контекστ ζει στο μυαλό των ομάδων πωλήσεων.

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

Αυτό Δεν Αφορά τα Ακατέργαστα Δεδομένα να είναι Κακά

Αξίζει να είναι σαφείς για κάτι. Τα ακατέργαστα δεδομένα δεν είναι ο εχθρός. Ποτέ δεν ήταν.

Στις επιχειρηματικές αναλύσεις, τα ακατέργαστα δεδομένα δεν εξαφανίστηκαν όταν εμφανίστηκαν οι σημαντικές στρώσεις. Έγιναν στρωμένα πάνω στη δομή. Η δομή χειρίστηκε τους κανόνες και τις σχέσεις. Το ακατέργαστο περιεχόμενο χειρίστηκε την ιδιομορφία, την εξήγηση και τον контекστ.

Το ίδιο μοτίβο ισχύει εδώ.

Οι πράκτορες χρειάζονται δομή για να συλλογισθούν. Χρειάζονται ρητούς κανόνες, σχέσεις, περιορισμούς και καταστάσεις. Χρειάζονται να γνωρίζουν τι είναι συμβατό, τι είναι διαμορφώσιμο, τι επιτρέπεται και υπό ποιες συνθήκες ισχύει κάτι. Το ακατέργαστο περιεχόμενο μόνο δεν μπορεί να παρέχει με συνέπεια.

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 προτείνεται.

Η αφήγηση είναι η στρώση 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 контекστ. Εδώ, εμφανίζεται ως εξήγηση προϊόντων που οι πράκτορες μπορούν να μάθουν. Ενώ η δομημένη δεδομένα προϊόντων λέει στον πράκτορα τι είναι αλήθεια, η αφήγηση βοηθά να αποφασίσει τι έχει σημασία.

Η Εμπορία Έχει Βελτιωθεί για Παρουσίαση, Όχι για Λογισμό

Αυτή είναι η άβολη μέρος. Η υποδομή εμπορίας δεν έκανε ποτέ το άλμα που έκανε η επιχειρηματική δεδομένα. Χτίσαμε καλύτερα PIM. Χτίσαμε πλουσιότερους καταλόγους. Χτίσαμε πιο όμορφες σελίδες προϊόντων. Αλλά δεν χτίσαμε μια αληθινή σημαντική στρώση για προϊόντα· βελτιώσαμε για παρουσίαση.

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

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

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

Τι πρέπει να Κάνουν οι Εταιρείες Εμπορίας Τώρα

Αυτή είναι η στιγμή της απόφασης. Οι εταιρείες εμπορίας μπορούν να συνεχίσουν να αντιμετωπίζουν τα δεδομένα προϊόντων ως περιεχόμενο που οι άνθρωποι ερμηνεύουν. Ή μπορούν να αρχίσουν να αντιμετωπίζουν τα δεδομένα προϊόντων ως υποδομή που οι μηχανές συλλογίζονται.

Αυτό σημαίνει ότι οι προδιαγραφές πρέπει να γίνουν ιδιότητες με ορισμένη σημασία. 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 καταστατική 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 αυτή η δομημένη πυρήνας, η αφήγηση σταματά να είναι η μόνη πηγή αλήθειας για τον AI και γίνεται η στρώση που διδάσκει τους πράκτορες πώς να εφαρμόσουν αυτή την αλήθεια σε πραγματικές καταστάσεις.

Οι κατασκευαστές και οι διανομείς που κάνουν αυτό θα γίνουν αναγνώσιμοι για τους πράκτορες. Τα προϊόντα τους θα είναι πιο εύκολα να αξιολογηθούν, πιο εύκολα να προτείνουν και πιο εύκολα να εμπιστευτούν. Αυτοί που δεν θα κάνουν θα έχουν ακόμη “δεδομένα”, αλλά θα λειτουργούν όπως τα παλιά αποθήκια επιχειρήσεων· τεχνικά παρόντα, αλλά πρακτικά αχρησιμοποίητα.

Το Μοτίβο είναι Παλιό, αλλά οι Συνέπειες Δεν Είναι

Τίποτα από αυτά δεν είναι εικασίες. Έχουμε ήδη δει τα δεδομένα επιχειρήσεων να περνούν από αυτό το ακριβές κύκλο. Η μόνη διαφορά τώρα είναι ο χρήστης. Αντί για επιχειρηματίες, είναι αυτόνομοι πράκτορες. Αντί για πίνακες, είναι συστάσεις. Αντί για αργές αποφάσεις, είναι άμεσες αποκλεισμοί.

Η Agentic εμπορία εκθέτει ένα προβλήματα δεκαετιών των επιχειρηματικών δεδομένων. Οι εταιρείες που αναγνωρίζουν ότι — και αντιμετωπίζουν τα δεδομένα προϊόντων με τον τρόπο που οι επιχειρήσεις έμαθαν να αντιμετωπίζουν τα λειτουργικά δεδομένα — θα προσαρμοστούν γρήγορα. Αυτοί που δεν θα κάνουν θα συνεχίσουν να προσθέτουν PDF, να ξαναγράφουν περιγραφές και να αναρωτιούνται γιατί οι πράκτορες δεν τους επιλέγουν ποτέ.

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