Agentic Commerce toistaa vanhan yritysdatavirheen

Pitkään B2B-kauppa toimi yksinkertaisen oletuksen alla: Ihmiset selaavat.
He lukevat tuotesivuja, selailivat määritysarkkeja ja sietävät epämääräistä kieltä, koska he tietävät, miten kysyä seuraavia kysymyksiä. Kun jotain on epäselvää, he lähettävät sähköpostia myyntiedustajalle. Kun sääntö on haudattu jalkimerkintään, kokemus täyttää aukon.
B2B-tuotedata kehittyi täysin tämän käyttäytymisen ympärille. Sille ei koskaan tarvinnut olla itsenään seistävää; se tarvitsi vain olla tulkittavissa ihmisille. Tekoälyllä tämä oletus ei ole enää voimassa.

Olemme olleet tässä ennen yritysdatan kanssa

Jos tämä tuntuu tutulta, se pitäisi. Vuosikymmen sitten yritykset kävivät hyvin samanlaista keskustelua datan kanssa. Varastot olivat täynnä, datajärvet tulvivat yli, ja lopulta jokainen järjestelmä viittasi johonkin. Paperilla yritykset olivat datarikkaat. Käytännössä mitään ei liikkunut nopeasti, koska liiketoimintakäyttäjät eivät voineet vastata peruskysymyksiin ilman analyytikkoja kääntäjinä. SQL muodostui pullonkaulaksi.
Yritysdata järjestettiin siten, miten järjestelmät tallensivat tietoa, eikä siten, miten ihmiset ajattelivat liiketoiminnasta. Rivejä ja sarakkeita oli olemassa, mutta käsitteitä ei ollut. Liikevaihto asui kolmessa taulukossa. “Asiakas” tarkoitti viittä eri asiaa riippuen siitä, keneltä kysyit ja milloin. Mittareita keskusteltiin loputtomasti, koska kukaan ei ollut määritellyt niitä selvästi.
Läpimurto yritysdatassa tuli siitä, että kompleksisuus hyväksyttiin ja sitä hallittiin. Semanttiset kerrokset ovat yksi esimerkki, mutta ne olivat osa laajempaa muutosta. Yritykset lopettivat esittämisen, että raaka data olisi oletusarvoisesti käytettävissä, ja alkoivat rakentaa käännöskerroksia, jotka vastasivat sitä, miten liiketoiminta tosiasiallisesti ajatteli ja toimi.
Mittamallit tekivät tämän määrittelemällä laskelmat kerran sen sijaan, että ne johdettiin uudelleen jokaisessa raportissa. Liikevaihto tarkoitti samaa asiaa joka paikassa, koska joku oli viettänyt aikaa koodaamalla sen. Data-mallit ja dimensionaaliset skeemat tekivät saman asian rakenteellisesti. Ne muuttivat toiminnalliset taulukot käsitteiksi kuten asiakas, tuote, tilaus ja aika. Liiketoimintakäyttäjien ei enää tarvinnut ymmärtää, montako liitosta tarvittiin vastataksesi peruskysymykseen. Suhteet olivat jo valmiina.
Datakatalogit ja hallitut määritelmät käsitelivät toista osaa ongelmaa. Ne kaappasivat merkityksen, joka aiemmin eli ihmisten päässä. Mitä tämä kenttä edustaa? Milloin sitä pitäisi käyttää? Mitkä ovat sen rajoitukset? Konteksti lakkasi olemasta heimo-tietoa ja tuli osaksi järjestelmää.
Yhdessä nämä kerrokset absorboida kompleksisuutta ja tekivät siitä operatiivista. Ne loivat vakaat abstraktioita, jotka sallivat useammalle ihmiselle — ja useammalle järjestelmälle — päättää oikein ilman, että heidän tarvitsi tulkita maailmaa alusta alkaen joka kerta. Se on täsmälleen sitä, mitä B2B-kauppa puuttuu tänään.

Agenttijohtoinen löytäminen laukaisee saman kriisin

Agentic-kauppa pakottaa B2B-tuotedatan läpi saman testin. Valmistajat ja jakelijat eivät ole lyhyillä tuotetiedoissa. He tallentavat jo valtavasti tietoa: määrityksistä konfiguraatioihin, hinnoittelulogiikkaan ja sopimussitoumuksiin.
Ongelma on, että lähes kaikki tämä data on rakennettu ihmisille. Määritykset asuvat PDF-tiedostossa. Säännöt selitetään fyysisessä tuotekatalogissa, joka ei koskaan päässyt online. Poikkeukset ovat implisiittisiä takaisinmyyntiprosessissa eikä koodattu. Liian paljon riippuu instituutiotietämys, kun konteksti elää myyntitiimien päässä.
Tekoälyagentti ei selaile PDF-tiedostoa ja “ymmärrä ideaa”. Se ei tiedä, kumpi lause on kova rajoitus ja kumpi on myyntikieli. Se ei voi turvallisesti johtaa sääntöjä muotoilusta tai sävystä. Jos merkitys ei ole eksplisiittinen, agentti kohdella sitä tuntemattomana.

Tämä ei ole epästrukturoidun datan olemisesta huono

On syytä olla selvä asia. Epästrukturoidun datan ei ole vihollinen. Se ei koskaan ollut.
Yritysanalytiikassa epästrukturoidun dataa ei hävinnyt, kun semanttiset kerrokset ilmaantuvat. Se asettui rakenteen päälle. Rakenne käsitteli sääntöjä ja suhteita. Epästrukturoidun sisällön käsitteli nuansseja, selityksiä ja kontekstia.
Sama malli pätee tässä.
Agentit tarvitsevat rakennetta päättääkseen. He tarvitsevat eksplisiittisiä sääntöjä, suhteita, rajoituksia ja tiloja. He tarvitsevat tietää, mitä on yhdenmukainen, mitä on konfiguroitavissa, mitä on sallittua ja minkä ehdoin jotain sovelletaan. Vain epästrukturoidun sisältö ei voi luotettavasti tarjota sitä.
Mutta rakenne yksin ei riitä. Agentit eivät vain nouda attribuutteja. Ne vertailevat vaihtoehtoja. Ne arvioivat kompromisseja. Ne päättävät sekä mitä jotain on ja kun sitä pitäisi suositella.
Kertomus on kerros, joka selittää aikomusta, asettamista ja käyttötapausten. Se on ero “tämä tuote on olemassa” ja “tämä on, kun sinun pitäisi valita se”. Yritysdatamaailmassa tämä ilmestyi määritelminä, dokumentaationa ja liiketoimintakontekstina. Tässä se ilmestyy tuotetasolla, josta agentit voivat oppia. Vaikka strukturoidun tuotedatan kertoo agentille, mitä on totta, kertomus auttaa sitä päättämään, mitä on tärkeää.

Kauppa on optimoitu esitystä varten, ei päättelyä

Tämä on epämukava osa. Kaupan infrastruktuuri ei koskaan tehnyt samaa loikkaa kuin yritysdata. Rakensimme parempia PIM:ejä. Rakensimme rikkaampia katalogeja. Rakensimme kauniimpia tuotesivuja. Mutta emme koskaan rakentaneet todellista semanttista kerrosta tuotteille; optimoimme esitystä varten.
Kun ihmiset välittivät B2B-ostamista, se oli hyvä. Myyntiedustajat selittivät reunatapaukset. Ostajat sietivät epämääräisyyttä, ja kaikki tietävät, miten työskennellä järjestelmän ympärillä.
Agentit poistavat tämän puskurin. B2B:ssä halkeamat näkyvät välittömästi. Hinnat vaihtelevat tilin mukaan. Saatavuus muuttuu alueen mukaan. Yhdenmukaisuus riippuu konfiguraatiosta. Sopimukset ohittavat oletukset. Oikeudet ovat tärkeitä. Mikään näistä ei ole turvallisesti arvattavissa.
Kun agentti arvioi tuotetta, se ei ole vaikuttunut hyvin kirjoitetusta kuvauksesta. Se haluaa tietää, mitä sopii, mitä on sallittua, mitä on yhdenmukainen ja mitä tapahtuu seuraavaksi. Jos tietoa ei ole eksplisiittinen, agentti ei pyytä selitystä; se siirtyy eteenpäin.

Mitä kauppayritysten on tehtävä nyt

Tämä on käännekohta. Kauppayritykset voivat jatkaa tuotedatan käsittelyä sisällönä, jota ihmiset tulkkaavat. Tai ne voivat alkaa kohdella sitä infrastruktuurina, jota koneet päättävät.
Se tarkoittaa, että määritysten on muututtava attribuuteiksi, joilla on määritelty merkitys. Yhdenmukaisuuden on oltava koodattu suhteina, ei selitetty kappaleissa. Hinnoittelun on oltava ilmoitettu logiikassa. Oikeuksien on oltava eksplisiittisiä. Saatavuuden on oltava tilallista ja tarkkaa.
Tämä on täsmälleen sama siirto, jonka yritysten on tehtävä analytiikassa. Kun raaka data ja taulukot eivät riittäneet, merkityksen on määriteltävä. Ja kun strukturoidun ydin on olemassa, kertomus lakkaa olemasta ainoasta totuuden lähde tekoälylle ja tulee kerrokseksi, joka opettaa agenteille, miten soveltaa sitä totuutta todellisissa tilanteissa.
Valmistajat ja jakelijat, jotka tekevät tämän, tulevat olemaan luettavissa agenteille. Heidän tuotteensa ovat helpompia arvioida, helpompia suositella ja helpompia luottaa. Ne, jotka eivät tee, tulevat edelleen “omistamaan dataa”, mutta se toimii vanhan yritysvaraston tavoin: teknisesti läsnä, mutta käytännössä käyttökelvotonta.

Malli on vanha, mutta seuraukset eivät ole

Mitään tätä ei ole spekulatiivista. Olemme jo nähneet yritysdatan kulkevan läpi täsmälleen saman syklin. Ainoa ero nyt on käyttäjä. Sen sijaan, että liiketoimintakäyttäjät, on autonomiset agentit. Sen sijaan, että kojut, on suositukset. Sen sijaan, että hitaat päätökset, on välitön poissulkeminen.
Agentic-kauppa paljastaa vanhan yritysdatavirheen. Yritykset, jotka tunnistavat sen — ja kohdellaan tuotedataa samalla tavalla kuin yritykset oppivat kohdellaan operatiivista dataa — sopeutuvat nopeasti. Ne, jotka eivät tee, tulevat jatkamaan PDF-tiedostojen lisäämistä, kuvausten uudelleenkirjoittamista ja ihmettelemään, miksi agentit eivät koskaan valitse heitä.
Historia toistaa itsensä. Tällä kertaa koneet ovat tarkkaamassa.