3 feil toppledere og styrerom i detaljhandelen gjør når det gjelder KI

Tidligere i år spurte selskapet mitt CIO-er og CTO-er i selskaper med over 500 millioner dollar i årlige inntekter om hvordan merkevarene deres jobbet med KI. Blant disse lederne var 84 % enige i at bare KI-prosjekter som ga avkastning på investeringen, ville overleve året, og 82 % var enige i at styrene deres i stadig større grad stilte spørsmål ved hvor mye de brukte på KI.

Etter min mening er dette tveeggede presset i stor grad grunnen til at selskaper – særlig detaljhandelsaktører – tyr til en gammel vane når de skal ta i bruk den nyeste teknologibølgen: det jeg liker å kalle «tilfeldige teknologisatsinger [fill in latest technology here]». I løpet av karrieren har jeg sett tilfeldige satsinger på mobilteknologi, tilfeldige satsinger på IoT, og nå har vi kommet til tilfeldige KI-satsinger.

Mer enn ved noen tidligere teknologibølge overser man helheten når man behandler KI-adopsjon som et «teknologispørsmål» som utelukkende hører inn under CIO-ens eller CTO-ens ansvarsområde. For ledere i detaljhandelen som ønsker å skaffe seg et konkurransefortrinn i den nåværende KI-bølgen, er det tre store feil de bør unngå.

Feil 1: Å la selskapets antistoffer vinne

Fordi KI har potensial til å bli en så omveltende kraft i et selskap, er en fastlåst oppfatning av hva et selskap er eller kan bli, en av de største hindringene for å få fullt utbytte av teknologien. For detaljhandelsaktører kommer dette særlig til uttrykk som en produktorientert tankegang – det vil si: «Vi selger skjorter, vi er ikke et teknologiselskap.»

Denne ufleksibiliteten fungerer som et antistoff i selskapet – den holder reell innovasjon på avstand for å bevare status quo. Resultatet er at KI-budsjettene overlates til CTO-er, som får beskjed om å kutte kostnader. Uten strategiske føringer eller en langsiktig visjon å styre etter vender de seg, ikke overraskende, til det kjente: forhastede investeringer i tilleggsverktøy som anbefalingsmotorer, chatboter eller programtillegg for visuelt søk.

I beste fall gir denne tilnærmingen et lite, men umiddelbart løft. I verste fall mangler disse fragmenterte KI-verktøyene den tekniske grunnstrukturen som trengs for å fungere på tvers av hele organisasjonen, og fører derfor oftere til «uregulerte» brukeropplevelser som frustrerer kundene. Jeg har sett at dette til slutt ender med skrinlagte pilotprosjekter og bortkastede budsjetter. Alle taper.

Feil 2: En ufleksibel investeringsstrategi

Et beslektet problem med en ufleksibel selskapsvisjon er en ufleksibel investeringsstrategi. Når de investerer i KI, må toppledere og styremedlemmer ha ærlige samtaler om hvorvidt de faktisk ønsker en KI-drevet omstilling (og alt det innebærer), eller om de heller bør spare tid og penger ved å la være. Det kan være nyttig å ta utgangspunkt i et konkret og godt kjent eksempel som Amazon.

Det er ingen hemmelighet at Amazon er blitt kraftsenteret det er i dag fordi selskapet hadde over ti år uten nevneverdig avkastning. I denne perioden ble teknologien og den langsiktige visjonen vurdert som verdifulle nok til å forsvare investeringene og fraværet av umiddelbar avkastning på investeringen. Å omforme et selskap rundt KI krever at man satser like helhjertet.

På et bransjearrangement nylig fortalte nettbutikken Stitch Fix at selskapet hadde rundt 40 KI-pilotprosjekter gående samtidig i sin målbevisste jakt på skreddersydde handleopplevelser. Slik ser «urokkelig visjon» ut når man tar KI-drevet omstilling på alvor. Og hvis du sperret opp øynene og tenkte at du ikke har budsjett til noe slikt, er du ikke alene.

Jeg anbefaler å tilnærme seg KI som en diversifisert investeringsportefølje med tre nivåer: raske gevinster (raske tiltak med lav risiko som skaper fremdrift, for eksempel chatboter), trinnvise satsinger (mellomlangsiktige «invester og lær»-initiativer som personlige kundemeldinger) og satsinger som kan endre spillereglene (høyrisiko- og høyrisikotiltak med stor gevinst, som helintegrerte KI-assistenter for handel som kan omdefinere et selskap). Ved å satse på alle tre samtidig oppnår man resultater på kort sikt og bygger samtidig motstandskraften og fremdriften som trengs for større, omveltende endringer.

Feil 3: KI-godteri til frokost

Å behandle KI som lite mer enn et verktøy for kostnadskutt eller et markedsføringstriks, er omtrent som å spise godteri til frokost – nyhetens interesse varer ikke stort lenger enn Red 40 på tungen, og før du vet ordet av det, må du fylle på med noe mer næringsrikt. Det tydeligste tegnet på at et verktøy er KI-godteri, er at det hindrer virksomheten i å gjennomføre transaksjoner, oppfylle bestillinger eller lære på en oversiktlig måte.

Ikke start KI-reisen i detaljhandelen med en ferdigpakket chatbot – begynn heller med å investere i infrastrukturen som baner vei for en egenutviklet chatbot som lærer av din egen kundebase, og gir deg et reelt konkurransefortrinn. Det begynner med å gjøre dataene dine klare for KI-agenter.

Du tenker sannsynligvis allerede på hvordan du kan berike produktdataene dine slik at de blir synlige i søk med LLM-er, med tanke på at disse plattformene i stadig større grad blir det naturlige utgangspunktet for søk. I tillegg bør du investere i et intelligenslag som forstår kundekonteksten (atferd, lojalitet, ordrehistorikk og uttrykt hensikt), øktkonteksten (hva kunden sammenlignet, spurte om, nølte med og la i handlekurven) og forretningskonteksten (lagerbeholdning, margin, kampanjer og regler for varepresentasjon). Når dataene struktureres og organiseres på denne måten, skapes det en selvforsterkende krets som hele tiden lærer og forbedrer seg.

Enda viktigere er det imidlertid at du allerede i startfasen av AI-reisen bør bygge styringsstrukturen og arkitekturen for risikotoleranse som gjør det mulig for agenter å handle helt på egen hånd. Selv om det for tiden snakkes mye om å ha «et menneske med i loopen», er dette verken skalerbart eller kostnadseffektivt.

For store detaljhandelsaktører er disse tiltakene absolutt lettere sagt enn gjort. Men hvis man skal ta AI på alvor som teknologi, krever det en betydelig innsats tidlig i prosessen, noe som kan føre til bransjeomveltende innovasjon i nær fremtid. Det er selvfølgelig alltid mulig å fortsette som før, men etter hvert som AI nærmer seg å bli den nye normalen, blir muligheten til å ta igjen forspranget stadig mindre. Jeg anbefaler ikke å bli hengende etter.