ผู้นำทางความคิด
การค้าที่ขับเคลื่อนโดยเอเจนต์ AI กำลังทำผิดซ้ำแบบข้อมูลองค์กรในอดีต

ประเด็นสำคัญการค้าแบบเอเจนต์ต้องการข้อมูลผลิตภัณฑ์ที่มีโครงสร้างที่เครื่องจักรสามารถใช้เหตุผลได้…
ดูเพิ่มเติม
- การค้าแบบเอเจนต์ต้องการข้อมูลผลิตภัณฑ์ที่มีโครงสร้างที่เครื่องจักรสามารถใช้เหตุผลได้ ไม่ใช่แค่เนื้อหาที่มนุษย์อ่านเข้าใจ
- การค้า B2B ต้องสร้างชั้นข้อมูลเชิงความหมายของผลิตภัณฑ์ที่เข้ารหัสกฎ ความสัมพันธ์ และข้อจำกัดอย่างชัดเจน
- บริษัทที่จัดการข้อมูลผลิตภัณฑ์เป็นโครงสร้างพื้นฐานจะทำให้เอเจนต์ AI เข้าถึงได้และได้เปรียบทางการแข่งขัน
เป็นเวลานานที่การค้าระหว่างธุรกิจหรือ B2B ตั้งอยู่บนสมมติฐานง่ายๆ ว่า มนุษย์เป็นผู้เปิดดูข้อมูล
ผู้คนอ่านหน้าผลิตภัณฑ์ กวาดตาดูเอกสารข้อมูลจำเพาะ และยอมรับถ้อยคำที่กำกวมได้ เพราะรู้จักถามคำถามเพิ่มเติม เมื่อมีสิ่งใดไม่ชัดเจนก็ส่งอีเมลหาพนักงานขาย และเมื่อกฎถูกซ่อนไว้ในเชิงอรรถ ประสบการณ์ก็ช่วยเติมช่องว่างนั้น
ข้อมูลผลิตภัณฑ์ B2B พัฒนาขึ้นโดยยึดพฤติกรรมนี้เป็นหลักมาโดยตลอด ข้อมูลไม่เคยต้องครบถ้วนเพียงพอในตัวเอง แค่ให้มนุษย์ตีความได้ก็พอ แต่เมื่อมี AI สมมติฐานนี้ก็ใช้ไม่ได้อีกต่อไป
เราเคยเผชิญเรื่องนี้มาแล้วกับข้อมูลองค์กร
หากเรื่องนี้ฟังดูคุ้นเคย ก็มีเหตุผลอยู่ เมื่อสิบปีก่อน องค์กรต่างๆ ถกเถียงเรื่องข้อมูลในลักษณะคล้ายกันมาก คลังข้อมูลเต็ม ทะเลสาบข้อมูลล้น และท้ายที่สุดทุกระบบต่างก็ส่งออกข้อมูลบางอย่าง ดูเผินๆ บริษัทมีข้อมูลมากมาย แต่ในทางปฏิบัติ ไม่มีอะไรเดินหน้าได้รวดเร็ว เพราะผู้ใช้ฝ่ายธุรกิจตอบคำถามพื้นฐานไม่ได้หากไม่มีนักวิเคราะห์ช่วยเป็นล่าม SQL จึงกลายเป็นคอขวด
ข้อมูลองค์กรถูกจัดระเบียบตามวิธีที่ระบบเก็บข้อมูล ไม่ใช่ตามวิธีที่ผู้คนคิดเกี่ยวกับธุรกิจ มีแถวและคอลัมน์ แต่ไม่มีแนวคิด ข้อมูลรายได้กระจายอยู่ในสามตาราง คำว่าลูกค้ามีความหมายต่างกันถึงห้าแบบ ขึ้นอยู่กับว่าถามใครและถามเมื่อไร ตัวชี้วัดถูกถกเถียงไม่รู้จบ เพราะไม่มีใครนิยามไว้ชัดเจน
จุดเปลี่ยนสำคัญของข้อมูลองค์กรเกิดจากการยอมรับความซับซ้อนและควบคุมมันให้อยู่ในขอบเขตที่จัดการได้ ชั้นความหมาย เป็นตัวอย่างหนึ่ง แต่เป็นส่วนหนึ่งของการเปลี่ยนแปลงที่กว้างกว่านั้น องค์กรเลิกทำราวกับว่าข้อมูลดิบพร้อมใช้งานได้โดยอัตโนมัติ และเริ่มสร้างชั้นแปลความหมายที่สอดคล้องกับวิธีคิดและการดำเนินงานจริงของธุรกิจ
แบบจำลองตัวชี้วัด ทำเช่นนี้ด้วยการนิยามการคำนวณครั้งเดียว แทนที่จะอนุมานวิธีคำนวณขึ้นใหม่ในทุกรายงาน รายได้จึงมีความหมายเดียวกันทุกแห่ง เพราะมีคนใช้เวลาเขียนนิยามนั้นเป็นรหัส แบบจำลองข้อมูลและสคีมาแบบมิติก็ทำสิ่งเดียวกันในระดับโครงสร้าง โดยเปลี่ยนตารางปฏิบัติการให้เป็นแนวคิด เช่น ลูกค้า ผลิตภัณฑ์ คำสั่งซื้อ และเวลา ผู้ใช้ฝ่ายธุรกิจไม่ต้องเข้าใจอีกต่อไปว่าต้องเชื่อมตารางกี่ครั้งจึงจะตอบคำถามพื้นฐานได้ เพราะความสัมพันธ์เหล่านั้นถูกกำหนดไว้แล้ว
แค็ตตาล็อกข้อมูล และนิยามที่อยู่ภายใต้การกำกับดูแลช่วยแก้ปัญหาอีกส่วนหนึ่ง โดยบันทึกความหมายที่เดิมอยู่แต่ในความคิดของผู้คน ฟิลด์นี้หมายถึงอะไร ควรใช้เมื่อไร และมีข้อจำกัดอย่างไร บริบทจึงเลิกเป็นความรู้เฉพาะกลุ่มที่ไม่ได้บันทึกไว้ และกลายเป็นส่วนหนึ่งของระบบ
เมื่อทำงานร่วมกัน ชั้นเหล่านี้รับความซับซ้อนมาจัดการและทำให้ใช้งานได้จริง สร้างนามธรรมที่มีเสถียรภาพซึ่งช่วยให้ผู้คนและระบบจำนวนมากขึ้นใช้เหตุผลได้อย่างถูกต้อง โดยไม่ต้องตีความโลกใหม่ตั้งแต่ต้นทุกครั้ง นี่คือสิ่งที่การค้า B2B ขาดอยู่ในวันนี้
การค้นหาผลิตภัณฑ์โดยเอเจนต์กำลังบังคับให้เกิดการทบทวนแบบเดียวกัน
การค้าที่ขับเคลื่อนโดยเอเจนต์ AI กำลังนำข้อมูลผลิตภัณฑ์ B2B เข้าสู่บททดสอบเดียวกัน ผู้ผลิตและผู้จัดจำหน่ายไม่ได้ขาดข้อมูลผลิตภัณฑ์ พวกเขาจัดเก็บข้อมูลมหาศาลอยู่แล้ว ตั้งแต่ข้อมูลจำเพาะและการกำหนดค่า ไปจนถึงตรรกะการตั้งราคาและข้อจำกัดตามสัญญา
ปัญหาคือข้อมูลเกือบทั้งหมดถูกจัดโครงสร้างไว้สำหรับมนุษย์ ข้อมูลจำเพาะอยู่ใน PDF กฎต่างๆ อธิบายไว้ในแค็ตตาล็อกผลิตภัณฑ์ฉบับพิมพ์ที่ไม่เคยขึ้นออนไลน์ ส่วนข้อยกเว้นก็เป็นสิ่งที่รู้กันโดยนัยในกระบวนการหลังบ้านของฝ่ายขาย แทนที่จะเขียนเป็นรหัส เมื่อบริบทอยู่แต่ในความคิดของทีมขาย จึงมีหลายเรื่องมากเกินไปที่ต้องอาศัยความทรงจำขององค์กร
เอเจนต์ AI ไม่ได้กวาดตาดู PDF แล้วเข้าใจภาพรวมได้ มันไม่รู้ว่าประโยคไหนเป็นข้อจำกัดที่ต้องปฏิบัติตามอย่างเคร่งครัด และประโยคไหนเป็นภาษาการขาย ไม่สามารถอนุมานกฎจากรูปแบบการจัดหน้าหรือน้ำเสียงได้อย่างปลอดภัย หากความหมายไม่ได้ระบุไว้อย่างชัดแจ้ง เอเจนต์จะถือว่ายังไม่ทราบ
ประเด็นไม่ใช่ว่าข้อมูลไร้โครงสร้างเป็นสิ่งไม่ดี
มีเรื่องหนึ่งที่ควรทำให้ชัดเจน ข้อมูลไร้โครงสร้างไม่ใช่ศัตรู และไม่เคยเป็น
ในการวิเคราะห์ข้อมูลองค์กร ข้อมูลไร้โครงสร้างไม่ได้หายไปเมื่อมีชั้นความหมาย แต่ถูกวางเป็นชั้นเพิ่มเติมเหนือโครงสร้าง โครงสร้างจัดการกฎและความสัมพันธ์ ส่วนเนื้อหาไร้โครงสร้างให้รายละเอียดปลีกย่อย คำอธิบาย และบริบท
รูปแบบเดียวกันนี้ใช้กับกรณีนี้ด้วย
เอเจนต์ต้องมีโครงสร้างจึงจะใช้เหตุผลได้ ต้องมีกฎ ความสัมพันธ์ ข้อจำกัด และสถานะที่ระบุชัดเจน ต้องรู้ว่าอะไรเข้ากันได้ อะไรปรับกำหนดค่าได้ อะไรได้รับอนุญาต และสิ่งใดมีผลภายใต้เงื่อนไขใด เนื้อหาไร้โครงสร้างเพียงอย่างเดียวไม่สามารถให้สิ่งเหล่านี้ได้อย่างน่าเชื่อถือ
แต่โครงสร้างเพียงอย่างเดียวก็ไม่พอเช่นกัน เอเจนต์ไม่ได้แค่ดึงคุณลักษณะ แต่เปรียบเทียบทางเลือกและประเมินข้อแลกเปลี่ยนด้วย มันตัดสินทั้งว่าสิ่งนั้นคือ อะไร และควรแนะนำ เมื่อใด
เนื้อหาเชิงอธิบายคือชั้นที่บอกเจตนา การวางตำแหน่ง และกรณีใช้งาน เป็นความแตกต่างระหว่างข้อความว่า ผลิตภัณฑ์นี้มีอยู่ กับข้อความว่า นี่คือสถานการณ์ที่คุณควรเลือกมัน ในโลกของข้อมูลองค์กร สิ่งนี้ปรากฏในรูปของนิยาม เอกสารประกอบ และบริบททางธุรกิจ ส่วนในกรณีนี้ปรากฏเป็นคำอธิบายระดับผลิตภัณฑ์ที่เอเจนต์เรียนรู้ได้ ข้อมูลผลิตภัณฑ์ที่มีโครงสร้างบอกเอเจนต์ว่าอะไรเป็นจริง ขณะที่เนื้อหาเชิงอธิบายช่วยตัดสินว่าอะไรสำคัญ
การค้าถูกปรับให้เหมาะกับการนำเสนอ ไม่ใช่การใช้เหตุผล
นี่คือส่วนที่ยอมรับได้ยาก โครงสร้างพื้นฐานทางการค้าไม่เคยก้าวกระโดดได้จริงอย่างที่ข้อมูลองค์กรทำ เราสร้างระบบจัดการข้อมูลผลิตภัณฑ์หรือ PIM ที่ดีขึ้น แค็ตตาล็อกที่มีเนื้อหาครบถ้วนขึ้น และหน้าผลิตภัณฑ์ที่สวยขึ้น แต่ไม่เคยสร้างชั้นความหมายที่แท้จริงสำหรับผลิตภัณฑ์ เราเน้นปรับปรุงการนำเสนอ
ตราบใดที่มนุษย์เป็นตัวกลางในการซื้อระหว่างธุรกิจ วิธีนี้ก็ใช้ได้ พนักงานขายอธิบายกรณีพิเศษ ผู้ซื้อยอมรับความกำกวม และทุกคนรู้วิธีรับมือกับข้อจำกัดของระบบ
เอเจนต์ทำให้ตัวช่วยคั่นกลางนี้หายไป รอยร้าวจึงปรากฏทันทีใน B2B ราคาแตกต่างกันตามบัญชีลูกค้า ความพร้อมจำหน่ายเปลี่ยนไปตามภูมิภาค ความเข้ากันได้ขึ้นอยู่กับการกำหนดค่า สัญญามีผลเหนือข้อกำหนดเริ่มต้น และสิทธิที่ได้รับก็สำคัญ ไม่มีเรื่องใดในนี้ที่คาดเดาได้อย่างปลอดภัย
เมื่อประเมินผลิตภัณฑ์ เอเจนต์ไม่ได้ประทับใจกับคำอธิบายที่เขียนดี มันต้องการรู้ว่าอะไรเหมาะสม อะไรได้รับอนุญาต อะไรเข้ากันได้ และจะเกิดอะไรขึ้นต่อไป หากข้อมูลเหล่านี้ไม่ชัดเจน เอเจนต์จะไม่ขอคำชี้แจง แต่จะข้ามไปเลย
สิ่งที่บริษัทการค้าต้องทำตอนนี้
นี่คือจุดเปลี่ยน บริษัทการค้าอาจยังคงมองข้อมูลผลิตภัณฑ์เป็นเนื้อหาที่มนุษย์ตีความ หรือเริ่มมองว่าเป็นโครงสร้างพื้นฐานที่เครื่องจักรใช้เป็นฐานในการให้เหตุผล
นั่นหมายความว่า ข้อมูลจำเพาะต้องกลายเป็นคุณลักษณะที่มีนิยามความหมายชัดเจน ความเข้ากันได้ต้องเขียนเป็นความสัมพันธ์ ไม่ใช่อธิบายเป็นย่อหน้า การตั้งราคาต้องแสดงเป็นตรรกะ สิทธิที่ได้รับต้องระบุชัดเจน และความพร้อมจำหน่ายต้องแสดงเป็นข้อมูลสถานะที่แม่นยำ
นี่คือการเปลี่ยนแปลงแบบเดียวกับที่องค์กรต้องทำในการวิเคราะห์ข้อมูล เมื่อข้อมูลดิบและตารางไม่เพียงพอ ก็จำเป็นต้องนิยามความหมาย และเมื่อมีแกนกลางที่มีโครงสร้างแล้ว เนื้อหาเชิงอธิบายจะไม่ใช่แหล่งความจริงเพียงแหล่งเดียวของ AI อีกต่อไป แต่กลายเป็นชั้นที่สอนเอเจนต์ให้นำความจริงนั้นไปใช้ในสถานการณ์จริง
ผู้ผลิตและผู้จัดจำหน่ายที่ทำเช่นนี้จะเป็นที่เข้าใจของเอเจนต์ ผลิตภัณฑ์ของพวกเขาจะประเมินง่ายขึ้น แนะนำง่ายขึ้น และเชื่อถือได้ง่ายขึ้น ผู้ที่ไม่ทำก็ยังคงมีข้อมูล แต่ข้อมูลนั้นจะทำงานเหมือนคลังข้อมูลองค์กรยุคเก่า คือมีอยู่ในทางเทคนิค แต่ใช้งานจริงไม่ได้
รูปแบบเก่า แต่ผลที่ตามมาเป็นเรื่องใหม่
ทั้งหมดนี้ไม่ใช่การคาดเดา เราเคยเห็นข้อมูลองค์กรผ่านวัฏจักรเดียวกันนี้มาแล้ว สิ่งเดียวที่ต่างในครั้งนี้คือผู้ใช้ จากนักวิเคราะห์ธุรกิจเป็นเอเจนต์อิสระ จากแดชบอร์ดเป็นคำแนะนำ และจากการตัดสินใจที่ล่าช้าเป็นการถูกตัดออกจากตัวเลือกทันที
การค้าที่ขับเคลื่อนโดยเอเจนต์ AI กำลังเผยปัญหาข้อมูลองค์กรที่มีมาหลายทศวรรษ บริษัทที่ตระหนักถึงเรื่องนี้ และดูแลข้อมูลผลิตภัณฑ์แบบเดียวกับที่องค์กรเรียนรู้ในการดูแลข้อมูลปฏิบัติการ จะปรับตัวได้รวดเร็ว ส่วนบริษัทที่ไม่ทำจะเพิ่ม PDF ต่อไป เขียนคำอธิบายใหม่ต่อไป และสงสัยว่าทำไมเอเจนต์จึงไม่เลือกตนเองเสียที
ประวัติศาสตร์กำลังซ้ำรอย ครั้งนี้เครื่องจักรกำลังจับตาดูอยู่












