3 błędy popełniane przez kadrę kierowniczą i zarządy firm handlowych w podejściu do AI

Na początku tego roku moja firma przeprowadziła ankietę wśród dyrektorów ds. informatyki (CIO) i dyrektorów ds. technologii (CTO) w firmach osiągających roczne przychody przekraczające 500 mln dolarów. Pytaliśmy o to, jak ich marki podchodzą do AI. Wśród tych menedżerów 84% zgodziło się, że do końca roku przetrwają tylko te projekty AI, które przyniosą zwrot z inwestycji (ROI), a 82% przyznało, że ich zarządy coraz częściej kwestionują wysokość wydatków na AI.

Moim zdaniem ta presja działająca w dwie strony w dużej mierze odpowiada za to, że firmy — zwłaszcza detaliści — wracają do starych nawyków przy wdrażaniu kolejnej fali nowych technologii. Chodzi o to, co lubię nazywać „przypadkowymi działaniami związanymi z [fill in latest technology here]”. W trakcie mojej kariery obserwowałem przypadkowe działania związane z urządzeniami mobilnymi, przypadkowe działania związane z IoT, a teraz nadeszła pora na przypadkowe działania związane z AI.

Bardziej niż w przypadku jakiejkolwiek wcześniejszej fali technologicznej, sprowadzanie wdrażania AI do „kwestii technicznej”, za którą odpowiada wyłącznie CIO lub CTO, oznacza skupianie się na szczegółach zamiast na całości. Liderzy firm handlowych, którym zależy na uzyskaniu przewagi konkurencyjnej w obecnej fali AI, powinni unikać trzech poważnych błędów.

Błąd 1: Uleganie korporacyjnym przeciwciałom

Ponieważ AI może stać się siłą, która całkowicie odmieni firmę, jedną z największych przeszkód na drodze do pełnego wykorzystania jej potencjału jest sztywne wyobrażenie o tym, czym firma jest lub czym może się stać. W przypadku detalistów często przybiera ono postać myślenia skoncentrowanego przede wszystkim na produkcie, w myśl zasady: „sprzedajemy koszule, nie jesteśmy firmą technologiczną”.

Brak elastyczności działa jak korporacyjne przeciwciało — nie dopuszcza do prawdziwych innowacji, by za wszelką cenę utrzymać status quo. W rezultacie budżety na AI trafiają do CTO, którym powierza się misję cięcia kosztów. Nie mając strategicznego imperatywu ani długofalowej wizji, która wyznaczałaby im kierunek, sięgają, co nie dziwi, po dobrze znane rozwiązania: pospiesznie inwestują w dodatkowe, punktowe narzędzia, takie jak silniki rekomendacji, chatboty czy wtyczki do wyszukiwania wizualnego.

W najlepszym razie takie podejście przynosi niewielką, choć natychmiastową poprawę. W najgorszym jednak te rozdrobnione narzędzia AI nie mają zaplecza, które pozwoliłoby im działać w całej organizacji, i dlatego częściej prowadzą do „samowolnych” doświadczeń, które frustrują klientów. Widziałem, jak ostatecznie kończy się to porzuceniem projektów pilotażowych i zmarnowanymi budżetami. Wszyscy na tym tracą.

Błąd 2: Brak elastyczności w podejściu do inwestycji

Z brakiem elastyczności w wizji firmy wiąże się brak elastyczności w podejściu do inwestycji. Inwestując w AI, członkowie kadry kierowniczej najwyższego szczebla i zarządów powinni szczerze porozmawiać o tym, czy rzeczywiście zależy im na transformacji AI i wszystkim, co się z nią wiąże, czy też lepiej oszczędzą czas i pieniądze, całkowicie z niej rezygnując. Warto oprzeć tę rozmowę na konkretnym, powszechnie znanym przykładzie, takim jak Amazon.

Nie jest tajemnicą, że Amazon stał się dzisiejszym potentatem, ponieważ przez ponad dekadę nie osiągał znaczących zysków. W tym okresie technologię i długofalową wizję uznawano za na tyle wartościowe, by uzasadniały inwestycje i brak szybkiego zwrotu z inwestycji (ROI). Przekształcenie firmy wokół AI wymaga równie pełnego zaangażowania.

Podczas niedawnego wydarzenia branżowego internetowy sprzedawca detaliczny Stitch Fix poinformował, że w ramach konsekwentnych starań o zapewnienie klientom spersonalizowanych doświadczeń zakupowych prowadził jednocześnie około 40 projektów pilotażowych z zakresu AI. Tak właśnie wygląda „niezłomna wizja”, gdy transformacja AI jest traktowana poważnie. A jeśli na samą myśl o tym, że nie masz budżetu na coś takiego, oczy wyszły ci z orbit, nie jesteś sam.

Zalecam podejść do AI jak do zdywersyfikowanego portfela inwestycyjnego składającego się z trzech poziomów: szybkich sukcesów (szybkich, obarczonych niewielkim ryzykiem działań, które nadają tempo, takich jak chatboty), inwestycji etapowych (średnioterminowych inicjatyw opartych na zasadzie „inwestuj i wyciągaj wnioski”, takich jak spersonalizowane komunikaty dla klientów) oraz inwestycji przełomowych (ryzykownych, ale potencjalnie bardzo opłacalnych przedsięwzięć, takich jak w pełni zintegrowani asystenci zakupowi AI, którzy mogą na nowo zdefiniować firmę). Równoległe realizowanie wszystkich trzech rodzajów inicjatyw pozwala osiągać krótkoterminowe wyniki, a jednocześnie budować odporność i dynamikę potrzebne do przeprowadzenia większej, transformacyjnej zmiany.

Błąd 3: Cukierki na śniadanie

Traktowanie AI jako niewiele więcej niż narzędzia do cięcia kosztów lub marketingowego chwytu przypomina jedzenie cukierków na śniadanie — nowość nie utrzyma się dłużej niż smak barwnika Red 40 na języku, a zanim się obejrzysz, będziesz musiał sięgnąć po coś bardziej pożywnego. Najwyraźniejszym sygnałem, że dane narzędzie to „cukierek AI”, jest to, że nie pozwala firmie w przejrzysty sposób realizować transakcji, obsługiwać zamówień ani się uczyć.

Nie zaczynaj więc wdrażania AI w handlu detalicznym od gotowego chatbota. Zamiast tego zainwestuj w infrastrukturę, która umożliwi stworzenie własnego chatbota uczącego się na podstawie danych o twoich klientach i zapewniającego ci prawdziwą przewagę konkurencyjną. Pierwszym krokiem jest przygotowanie danych do wykorzystania przez agentów.

Prawdopodobnie już zastanawiasz się, jak wzbogacić dane o produktach, aby były łatwiej odnajdywane przez modele LLM, zważywszy na to, że platformy te coraz częściej stają się domyślnym punktem wyjścia do wyszukiwania. Oprócz tego warto zainwestować w warstwę analityczną, która rozumie kontekst klienta (jego zachowania, lojalność, historię zamówień i deklarowane zamiary), kontekst sesji (co kupujący porównywał, o co pytał, nad czym się wahał i co pozostawił w koszyku) oraz kontekst biznesowy (stan zapasów, marże, promocje i zasady merchandisingu). Takie uporządkowanie i ustrukturyzowanie danych tworzy koło zamachowe, które nieustannie się uczy i doskonali.

Co jednak ważniejsze, początkowe etapy wdrażania AI powinny być również czasem budowania struktur ładu i zarządzania ryzykiem, które pozwolą agentom działać naprawdę samodzielnie. Choć wiele mówi się dziś o utrzymaniu „człowieka w pętli”, rozwiązanie to nie jest ani skalowalne, ani opłacalne.

W przypadku dużych detalistów łatwiej powiedzieć o tych krokach, niż je wykonać. Poważne podejście do AI jako technologii wymaga jednak włożenia znacznego wysiłku na wstępie, co może w niedalekiej przyszłości doprowadzić do innowacji wywracających branżę do góry nogami. Oczywiście zawsze można kontynuować działalność po staremu, ale w miarę jak AI staje się nowym standardem, czas na nadrobienie zaległości coraz bardziej się kurczy. Nie polecam pozostawać w tyle.