3 misstag som detaljhandelns företagsledningar och styrelser gör när det gäller AI

Tidigare i år frågade mitt företag ut CIO:er och CTO:er på företag med en årlig omsättning på minst 500 miljoner dollar om hur deras varumärken närmade sig AI. Bland dessa chefer ansåg 84 procent att endast AI-projekt som gav avkastning på investeringen skulle överleva året, och 82 procent höll med om att deras styrelser i allt högre grad ifrågasatte hur mycket de lade på AI.

Enligt min mening ligger detta tveeggade tryck till stor del bakom att företag – särskilt detaljhandelsföretag – återgår till en gammal vana när de ska ta till sig den senaste teknikvågen: det jag brukar kalla ”slumpmässiga teknikinsatser [fill in latest technology here]. Under min karriär har jag sett slumpmässiga mobilsatsningar och slumpmässiga IoT-satsningar, och nu har vi kommit till slumpmässiga AI-satsningar.

Mer än någon tidigare teknikvåg gör det att kalla införandet av AI en ”teknikfråga” som enbart faller under CIO:ns eller CTO:ns ansvar att man inte ser skogen för alla träd. För ledare inom detaljhandeln som menar allvar med att skaffa sig ett konkurrensövertag i den pågående AI-vågen finns det tre stora misstag att undvika.

Misstag 1: Att låta företagets antikroppar vinna

Eftersom AI kan bli en så omvälvande kraft inom ett företag är ett av de största hindren för att verkligen få ut så mycket som möjligt av tekniken en fastlåst bild av vad företaget är eller kan bli. För detaljhandeln tar detta ofta formen av ett produktcentrerat synsätt – det vill säga: ”Vi säljer skjortor, vi är inget teknikföretag.”

Denna oförmåga att anpassa sig fungerar som en antikropp i företaget – den håller verklig innovation på avstånd för att bevara status quo. Därför läggs AI-budgetar på CTO:er, som får i uppdrag att skära ned kostnaderna. Utan någon strategisk målsättning eller långsiktig vision att vägleda dem vänder de sig föga förvånande till välbekanta lösningar: förhastade investeringar i fristående punktlösningar som rekommendationsmotorer, chattbotar eller tillägg för visuell sökning.

Som bäst leder den här strategin till en liten, men omedelbar, förbättring. Som sämst saknar dessa fragmenterade AI-verktyg den bakomliggande struktur som krävs för att fungera i hela organisationen, vilket därför ofta leder till osammanhängande kundupplevelser som frustrerar kunderna. Jag har sett hur det i slutänden leder till nedlagda pilotprojekt och bortkastade budgetar. Alla förlorar.

Misstag 2: En oflexibel investeringsstrategi

Ett närbesläktat problem med en oflexibel företagsvision är en oflexibel investeringsstrategi. När företagsledningar och styrelseledamöter investerar i AI behöver de ärligt diskutera om de verkligen vill genomföra en AI-omställning (och allt vad den innebär) eller om de skulle tjäna på att spara tid och pengar genom att helt avstå. Det kan vara bra att förankra diskussionen i ett konkret och välkänt exempel, som Amazon.

Det är ingen hemlighet att Amazon har blivit den kraftfulla aktör det är i dag efter mer än ett decennium utan någon betydande avkastning. Under den perioden ansågs tekniken och den långsiktiga visionen vara tillräckligt värdefulla för att motivera investeringarna och avsaknaden av omedelbar avkastning på investeringen. Att omforma ett företag kring AI kräver samma helhjärtade satsning.

Vid ett branschevenemang nyligen berättade näthandlaren Stitch Fix att företaget drev omkring 40 AI-pilotprojekt parallellt i sin målmedvetna strävan efter personliga shoppingupplevelser. Det är så en ”orubblig vision” ser ut när man tar AI-omställningen på allvar. Och om du spärrade upp ögonen vid tanken på att du inte har budget för något sådant är du inte ensam.

Jag rekommenderar att se AI som en diversifierad investeringsportfölj i tre nivåer: snabba vinster (snabba initiativ med låg risk som skapar momentum, till exempel chattbotar), stegvisa satsningar (initiativ på medellång sikt där man investerar och lär sig, till exempel personliga kundmeddelanden) och satsningar som kan förändra spelplanen (högriskprojekt med stor möjlig avkastning, till exempel helt integrerade AI-shoppingassistenter som kan omdefiniera ett företag). Genom att satsa på alla tre samtidigt kan man skapa resultat på kort sikt och samtidigt bygga den motståndskraft och det momentum som krävs för större, omvälvande förändringar.

Misstag 3: AI-godis till frukost

Att se AI som lite mer än ett verktyg för att sänka kostnader eller ett marknadsföringsknep är ungefär som att äta godis till frukost – nyhetens behag varar inte mycket längre än Red 40 på tungan, och snart måste du fylla på med något mer näringsrikt. Det tydligaste tecknet på att ett verktyg är AI-godis är att det hindrar verksamheten från att genomföra transaktioner, fullgöra åtaganden eller lära sig på ett begripligt sätt bakom verktyget.

Börja alltså inte din AI-resa inom detaljhandeln med en färdigpaketerad chattbot. Investera i stället i den infrastruktur som banar väg för en egen chattbot som lär sig av just din kundbas och ger dig ett verkligt konkurrensövertag. Börja med att göra dina data redo för AI-agenter.

Du funderar förmodligen redan på hur du kan berika dina produktdata för att göra dem lättare att hitta med LLM:er, med tanke på att de här plattformarna i allt högre grad blir den självklara utgångspunkten för sökningar. Utöver det behöver du också investera i ett intelligenslager som förstår kundens sammanhang (beteende, lojalitet, orderhistorik och uttryckta avsikter), sammanhanget för den aktuella sessionen (vad kunden jämförde, frågade om, tvekade inför och lade i varukorgen) och verksamhetens sammanhang (lager, marginaler, kampanjer och regler för varuexponering). Genom att strukturera och organisera data på det här sättet skapas ett självförstärkande kretslopp som hela tiden lär sig och utvecklas.

Ännu viktigare är att de inledande stegen på AI-resan också bör vara den fas då ni bygger upp en arkitektur för styrning och risktolerans som gör det möjligt för agenter att verkligen agera på egen hand. Även om det talas mycket om att ha ”en människa med i loopen” är det varken skalbart eller kostnadseffektivt.

För stora detaljhandelsföretag är de här stegen förstås lättare sagda än gjorda. Men att ta AI på allvar som teknik kräver ett omfattande förarbete som kan leda till branschomvälvande innovation inom en nära framtid. Det går naturligtvis alltid att fortsätta som vanligt, men i takt med att AI blir norm krymper tidsfönstret för att komma ikapp. Jag rekommenderar inte att hamna på efterkälken.