Агентская коммерция повторяет старую ошибку с данными предприятия

В течение долгого времени B2B-коммерция работала под простым предположением: Люди просматривают.

Они читают страницы продуктов, просматривают технические характеристики и терпят расплывчатый язык, потому что знают, как задавать дополнительные вопросы. Когда что-то неясно, они отправляют электронное письмо представителю продаж. Когда правило упоминается в сноске, опыт заполняет пробел.

Данные о B2B-продуктах эволюционировали полностью вокруг этого поведения. Им никогда не приходилось стоять самостоятельно; им нужно было быть только интерпретируемыми человеком. С ИИ это предположение больше не действует.

Мы уже были здесь с данными предприятия

Если это кажется знакомым, то должно быть. Десять лет назад предприятия вели очень похожий разговор о данных. Склады были полны, озера данных переполнялись, и в конечном итоге каждая система экспортировала что-то. На бумаге компании были богаты данными. На практике ничего не двигалось быстро, потому что бизнес-пользователям приходилось обращаться к аналитикам как к переводчикам. SQL стал узким местом.

Данные предприятия были организованы вокруг того, как системы хранили информацию, а не вокруг того, как люди рассуждали о бизнесе. Строки и столбцы существовали, но понятия не существовали. Доход жил в трех таблицах. “Клиент” означал пять разных вещей в зависимости от того, кого вы спросили и когда. Метрики бесконечно обсуждались, потому что никто не определил их четко.

Прорыв в данных предприятия произошел от принятия сложности и ее сдерживания. Семантические слои – один из примеров, но они были частью более широкого сдвига. Предприятия перестали притворяться, что сырые данные были пригодны для использования по умолчанию, и начали строить слои перевода, которые соответствовали тому, как бизнес фактически думал и действовал.

Модели метрик сделали это, определив расчеты один раз вместо того, чтобы вывести их в каждом отчете. Доход означал одну и ту же вещь везде, потому что кто-то потратил время на его кодирование. Данные модели и размерные схемы сделали то же самое структурированно. Они превратили операционные таблицы в понятия, такие как клиент, продукт, заказ и время. Бизнес-пользователям больше не приходилось понимать, сколько соединений требуется для ответа на базовый вопрос. Отношения уже были там.

Каталоги данных и управляемые определения обработали другую часть проблемы. Они захватили смысл, который раньше жил в головах людей. Что представляет это поле? Когда его следует использовать? Каковы его ограничения? Контекст перестал быть племенным знанием и стал частью системы.

Вместе эти слои поглотили сложность и сделали ее действенной. Они создали стабильные абстракции, которые позволили большему количеству людей – и систем – рассуждать правильно, не переинтерпретируя мир с нуля каждый раз. Это именно то, чего не хватает B2B-коммерции сегодня.

Агентное открытие запускает тот же раскол

Агентская коммерция заставляет данные о B2B-продуктах пройти тот же тест. Производители и дистрибьюторы не испытывают недостатка в информации о продуктах. Они уже хранят огромное количество ее: от спецификаций до конфигураций до логических цен до договорных ограничений.

Проблема заключается в том, что почти все эти данные были структурированы для людей. Спецификации живут в PDF. Правила объясняются в физическом каталоге продукта, который никогда не попал в Интернет. Исключения подразумеваются в офисном процессе продаж, а не кодируются. Слишком много зависит от институциональной памяти, когда контекст живет в головах команд продаж.

Агент ИИ не просматривает PDF и “понимает идею”. Он не знает, какое предложение является жестким ограничением, а какое – языком продаж. Он не может безопасно сделать вывод о правилах из форматирования или тона. Если смысл не явен, агент рассматривает его как неизвестный.

Это не о том, что неструктурированные данные плохи

Стоит быть ясным в одном. Неструктурированные данные не являются врагом. Они никогда не были.

В аналитике предприятия неструктурированные данные не исчезли, когда появились семантические слои. Они были наложены на структуру. Структура обработала правила и отношения. Неструктурированный контент обработал нюансы, объяснения и контекст.

Тот же шаблон применяется здесь.

Агентам нужна структура, чтобы рассуждать. Им нужны явные правила, отношения, ограничения и состояния. Им нужно знать, что совместимо, что конфигурируется, что разрешено и при каких условиях что-то применяется. Неструктурированный контент в одиночку не может надежно обеспечить это.

Но структура одна не достаточно. Агенты не просто извлекают атрибуты. Они сравнивают варианты. Они оценивают компромиссы. Они решают и то, что такое что-то, и когда его следует рекомендовать.

Нарратив – это слой, который объясняет намерение, позиционирование и случаи использования. Это разница между “этот продукт существует” и “это когда вы должны его выбрать”. В мире данных предприятия это проявилось как определения, документация и контекст бизнеса. Здесь это проявляется как объяснение продукта, которое агенты могут изучить. Хотя структурированные данные о продукте говорят агенту, что является истинным, нарратив помогает ему решить, что важно.

Коммерция была оптимизирована для презентации, а не для рассуждения

Это неудобная часть. Инфраструктура коммерции никогда не делала тот же скачок, что и данные предприятия. Мы построили лучшие PIM. Мы построили более богатые каталоги. Мы построили более красивые страницы продуктов. Но мы никогда не построили настоящий семантический слой для продуктов; мы оптимизировали для презентации.

Пока люди посредничали в B2B-покупках, это было нормально. Представители продаж объясняли исключительные случаи. Покупатели терпели неоднозначность, и все знали, как работать вокруг системы.

Агенты удаляют этот буфер. В B2B трещины появляются сразу. Цены варьируются в зависимости от учетной записи. Доступность меняется в зависимости от региона. Совместимость зависит от конфигурации. Договоры отменяют значения по умолчанию. Права имеют значение. Ни одна из этих вещей не может быть безопасно угадана.

Когда агент оценивает продукт, он не впечатлен хорошо написанным описанием. Он хочет знать, что подходит, что разрешено, что совместимо и что происходит дальше. Если эта информация не явна, агент не просит разъяснения; он просто переходит к следующему.

Что компании коммерции должны сделать сейчас

Это точка перегиба. Компании коммерции могут продолжать рассматривать данные о продуктах как контент, который люди интерпретируют. Или они могут начать рассматривать их как инфраструктуру, над которой машины рассуждают.

Это означает, что спецификации должны стать атрибутами с определенным значением. Совместимость должна быть закодирована как отношения, а не объяснена в абзацах. Цены должны быть выражены как логика. Права должны быть явными. Доступность должна быть состоянием и точной.

Это именно тот же шаг, который предприятия должны были сделать с аналитикой. Когда сырые данные и таблицы не были достаточно, смысл должен был быть определен. И как только эта структурированная основа существует, нарратив перестает быть единственным источником истины для ИИ и становится слоем, который учит агентов, как применить эту истину в реальных ситуациях.

Производители и дистрибьюторы, которые это делают, станут понятными для агентов. Их продукты будут легче оценить, легче рекомендовать и легче доверять. Те, кто не сделает этого, все равно “будут иметь данные”, но они будут функционировать как старые склады предприятия: технически присутствуют, но практически неиспользуемы.

Шаблон старый, но последствия не такие

Ничего из этого не является спекулятивным. Мы уже наблюдали, как данные предприятия прошли через точно такой же цикл. Единственное различие теперь заключается в пользователе. Вместо бизнес-аналитиков это автономные агенты. Вместо панелей это рекомендации. Вместо медленных решений это мгновенное исключение.

Агентская коммерция раскрывает десятилетнюю проблему с данными предприятия. Компании, которые признают это – и будут рассматривать данные о продуктах так же, как предприятия научились рассматривать операционные данные, – адаптируются быстро. Те, кто не сделает этого, продолжат добавлять PDF, переписывать описания и задаваться вопросом, почему агенты никогда не выбирают их.

История повторяется. На этот раз машины обращают внимание.