ไมรอน เบิร์ก ผู้นำฝ่ายจัดการโซลูชันของ Sensormatic Solutions – ซีรีส์สัมภาษณ์

ไมรอน เบิร์ก หัวหน้าฝ่ายผลิตภัณฑ์และโซลูชันระดับโลกของ Sensormatic Solutions มีหน้าที่ในการระบุและนำนวัตกรรมใหม่ๆ มาใช้เพื่อเพิ่มความเร็วและคุณค่าให้กับลูกค้าผ่านการวางแผนโซลูชันเชิงกลยุทธ์

ไมรอนเป็นผู้นำที่มีประสบการณ์มากกว่า 25 ปีในธุรกิจค้าปลีก รวมถึงการทำงานที่ Walmart (WMT ) และ Sam’s Club โดยนำนวัตกรรมมาใช้ในระดับใหญ่ เมื่อเร็วๆ นี้ ไมรอนได้ก่อตั้ง Divergent Technology Advisors ซึ่งเป็นบริษัทที่ปรึกษาด้านเทคโนโลยีสำหรับธุรกิจค้าปลีก โดยให้คำปรึกษาด้านกลยุทธ์เทคโนโลยี การวางแผนการตลาด การขยายธุรกิจในต่างประเทศ และอื่นๆ

Sensormatic Solutions เป็นผลิตภัณฑ์หลักของ Johnson Controls ที่ให้บริการโซลูชันสำหรับธุรกิจค้าปลีก โดยให้ประสบการณ์การช็อปปิ้งที่ปลอดภัย มั่นคง และไม่มีข้อผิดพลาด มากกว่า 60 ปี ที่ผ่านมา Sensormatic Solutions ได้นำเทคโนโลยีมาใช้ในการดำเนินธุรกิจค้าปลีก และได้เปลี่ยนแปลงการดำเนินธุรกิจค้าปลีกไปอย่างมาก โดยให้ข้อมูลเชิงลึกและข้อมูลที่ถูกต้องให้กับธุรกิจค้าปลีกทั่วโลก

คุณได้ใช้เวลาเกิน 25 ปีในการทำงานที่จุดตัดระหว่างการดำเนินธุรกิจค้าปลีกและเทคโนโลยีที่เกิดขึ้นใหม่ — ตั้งแต่การนำเทคโนโลยี RFID และนวัตกรรมในร้านค้าไปใช้ที่ Walmart และ Sam’s Club ไปจนถึงการนำแนวคิดใหม่ๆ มาใช้ที่ Store No. 8 และตอนนี้คุณเป็นหัวหน้าฝ่ายผลิตภัณฑ์และโซลูชันระดับโลกของ Sensormatic Solutions คุณมีประสบการณ์เหล่านี้ได้เปลี่ยนแปลงความคิดของคุณเกี่ยวกับการนำเทคโนโลยี AI และเซ็นเซอร์มาใช้ในธุรกิจค้าปลีกอย่างไร?

ฉันใช้แนวทางที่เป็นจริงในการนำเทคโนโลยี AI มาใช้ และฉันก็แนะนำให้ทีมงานและลูกค้าของ Sensormatic Solutions ทำเช่นเดียวกัน ประสบการณ์ของฉันในด้านที่เกี่ยวข้องได้พิสูจน์แล้วว่าการสร้างระบบในลักษณะนี้เป็นกุญแจสำคัญในการเปลี่ยนแปลงที่ประสบความสำเร็จ

Sensormatic Solutions ได้ดำเนินธุรกิจมาเป็นเวลา 60 ปีโดยมีหลักการง่ายๆ ว่าเทคโนโลยีจะสำเร็จเมื่อประสิทธิภาพการดำเนินงานและความท้าทายของธุรกิจค้าปลีกเป็นศูนย์กลางของการดำเนินงาน

การนำเทคโนโลยี AI มาใช้ได้เปลี่ยนแปลงความหมายของ “การป้องกันการขาดทุน” ในธุรกิจค้าปลีกที่มีการเชื่อมต่อทุกอย่างอย่างไร?

คำตอบที่ง่ายที่สุดคือการมองเห็นด้วยความเร็ว เทคโนโลยี AI ช่วยให้เราเข้าใจการขาดทุนได้อย่างแท้จริง และให้ข้อมูลที่ถูกต้องเกี่ยวกับการขาดทุน

ระบบวิเคราะห์และเซ็นเซอร์ที่เชื่อมโยงกันช่วยขยายสิ่งที่ผู้ค้าปลีกมองเห็น ติดตาม และวัดผลได้ ลองนึกถึงการค้นหาข้อผิดพลาด 3% ที่ซ่อนอยู่ในข้อมูลมหาศาลซึ่งสร้างขึ้นทุกวันนี้ ระบบเซ็นเซอร์เหล่านี้เปิดเผยว่า “อะไร ที่ไหน เมื่อใด และใคร” เกี่ยวข้องกับความสูญเสีย ซึ่งเพียงเท่านี้ก็เปลี่ยนความเข้าใจเรื่องการสูญเสียสินค้าและขยับกรอบคิดไปสู่ “ความสูญเสียค้าปลีกทั้งหมด” ขอบเขตที่กว้างขึ้นทำให้ผู้ค้าปลีกมองเห็นการดำเนินงานอีกชั้นหนึ่ง พร้อมปัจจัยใหม่ที่อาจก่อให้เกิดความสูญเสียจากความคลาดเคลื่อนและช่องว่างของกระบวนการ ตลอดจนเวลา ทรัพยากร และแรงงานที่สูญเปล่า

เมื่อระบุและจัดหมวดหมู่ทั้งหมดได้แล้ว เราจึงเปลี่ยนแปลงมันได้ และนี่คือจุดที่ AI เข้ามามีบทบาท AI เชื่อมโยง “จุด” ใหม่ๆ เหล่านี้ ซึ่งมักเกิดขึ้นแบบเรียลไทม์ เพื่อเผยข้อมูลอีกชั้นที่แตกต่างออกไป ข่าวกรองเชิงคาดการณ์และโมเดลที่มีความแม่นยำสูงช่วยวัดผลกระทบของความสูญเปล่าต้นน้ำ เปรียบเทียบคุณค่าของการปรับเปลี่ยนแต่ละทางเลือก และแสดงต้นทุนของการไม่ดำเนินการ ในทางปฏิบัติ สิ่งนี้ช่วยให้ผู้ค้าปลีกเปลี่ยนจากการตั้งรับเป็นเชิงรุก และมองความสูญเสียใหม่ในฐานะโอกาสปรับปรุง

ด้วยเทคโนโลยีอย่าง Re-ID และการวิเคราะห์จำนวนผู้เข้าร้านด้วย AI ผู้ค้าปลีกสามารถก้าวพ้นการนับจำนวนคนแบบง่ายๆ ไปสู่ความเข้าใจเชิงลึกเกี่ยวกับพฤติกรรมผู้ซื้อและการดำเนินงาน กรณีใช้งานใดที่คุณเห็นว่าสร้างการเปลี่ยนแปลงได้มากที่สุด

สำหรับผม Re-ID เป็นตัวอย่างที่ทรงพลังของการปรับเปลี่ยนเล็กๆ แบบเจาะจง ซึ่งส่งผลอย่างมากต่อความเข้าใจด้านการดำเนินงาน

Re-ID ทำหน้าที่หลักเพียงอย่างเดียว คือปรับข้อมูลการสัญจรให้แม่นยำขึ้น แน่นอนว่าการทำให้เทคโนโลยีแยกผู้ซื้อที่ไม่ซ้ำกันออกจากผู้ที่กลับเข้ามาใหม่ พนักงาน และผู้มาเยือนประเภทอื่นได้อย่างถูกต้องนั้นซับซ้อน แต่ผลลัพธ์คือการเปลี่ยนชุดข้อมูลที่เรียบง่ายมากและช่วยยกระดับความเข้าใจอย่างมีนัยสำคัญ

ข้อมูลการสัญจรยังคงเป็นพื้นฐานของตัวชี้วัดหลากหลายในอุตสาหกรรม โดยอัตราเปลี่ยนเป็นยอดขายอาจเป็นตัวอย่างเด่นที่สุด เพียงปรับระเบียนให้สะท้อนจำนวนผู้มาเยือนรายบุคคลที่แม่นยำขึ้น ก็อาจเปลี่ยนการตีความได้อย่างมาก ทำให้ผู้ค้าปลีกปรับการจัดพนักงาน ผังร้าน ข้อความสื่อสาร และแนวปฏิบัติอีกมากมายเพื่อพัฒนาประสบการณ์ลูกค้าและผลลัพธ์ทางการเงิน

นี่คือภาพสะท้อนของแนวคิดที่เรากล่าวถึงก่อนหน้า ซึ่งเป็นหัวใจของความสำเร็จของ Sensormatic Solutions ตลอด 60 ปีที่ผ่านมา เราใช้ AI เพื่อปรับเปลี่ยนแบบเจาะจงและมีมูลค่าสูง โดยให้ประโยชน์แก่ทุกฝ่ายในระบบ

Sensormatic Solutions เพิ่งเปิดตัว Orbit AI และ Video AI ซึ่งเป็นส่วนหนึ่งของความสามารถ Store Guest Behaviorsโซลูชันนี้แก้ไขช่องว่างเชิงกลยุทธ์ใดบ้างสำหรับผู้ค้าปลีก และแตกต่างจากแพลตฟอร์มข่าวกรองการค้าปลีกอื่นๆ อย่างไร

เราเข้าถึงโซลูชันใหม่ทุกรายการโดยคำนึงถึงความท้าทายเฉพาะสำหรับ Orbit AI และ Video AI เรามุ่งเน้นไปที่การแยก “สัญญาณจากสัญญาณรบกวน” เพื่อให้ผู้ค้าปลีกมีข้อมูลที่เชื่อถือได้ เฉพาะเจาะจง และมีบริบท ซึ่งนำการคาดเดาออกจากการตัดสินใจ

เทคโนโลยีจดจำวัตถุของ Re-ID ช่วยให้ Orbit AI และ Video AI ช่วยผู้ค้าปลีกได้ดังนี้:

• ทำความเข้าใจรูปแบบระยะเวลาที่ลูกค้าอยู่ในแต่ละส่วนของร้าน
• แยกผู้ซื้อออกจากผู้ที่เพียงเดินผ่าน
• ติดตามเส้นทางของผู้ซื้อเพื่อค้นหาแนวโน้มที่ใช้วางผังสินค้า แผนส่งเสริมการขาย และโฆษณา
• ใช้แผนที่ความร้อนเพื่อติดตามว่าผู้มาเยือนใช้เวลาอยู่บริเวณใดมากที่สุด

Orbit AI และ Video AI ก้าวไปอีกขั้น เนื่องจากโมเดลการเรียนรู้ของเครื่องที่ปรับแต่งมาจะปรับควบคู่ไปกับการปฏิบัติงานระบบเรียนรู้เกี่ยวกับแต่ละองค์กรและสถานที่ตั้งเมื่อเวลาผ่านไป ปรับพารามิเตอร์อย่างต่อเนื่อง ระบุแหล่งที่มาของอคติ และดำเนินการเพื่อลบข้อมูลที่ซ้ำซ้อนหรือไม่สมบูรณ์ที่ทำให้แบบจำลองบิดเบือนการปรับปรุงอย่างต่อเนื่องนี้ช่วยให้แน่ใจว่าข้อมูลเชิงลึกแต่ละอย่างสะท้อนถึงความเป็นจริงของร้านค้า ตอนนี้.ไม่ใช่เมื่อวานไม่ใช่สัปดาห์ที่แล้วดังที่สิ่งต่างๆ ดำเนินไปในทุกวันนี้ และนี่เป็นสิ่งสำคัญ เนื่องจากแนวโน้มการค้าปลีก ความกดดัน และเงื่อนไขเปลี่ยนแปลงอย่างรวดเร็ว

Orbit AI และ Video AI ได้รับการสร้างขึ้นเพื่อความสะดวกในการบูรณาการและคำนึงถึงอุปสรรคสำคัญในการนำไปใช้การออกแบบแบบบูรณาการของเซ็นเซอร์ แนวทางที่ทันสมัย ​​และความสามารถ Re-ID ช่วยให้ผู้ค้าปลีกได้รับข้อมูลเชิงลึกเหล่านี้โดยใช้อุปกรณ์น้อยลง ทำให้การใช้งานง่ายขึ้น และมีเครื่องมือวิเคราะห์สำหรับธุรกิจทุกขนาดเป็นความต่อเนื่องของการทำงานหลายทศวรรษของเราที่มุ่งเน้นในการสร้างข้อมูลเชิงลึกอันชาญฉลาดให้กับอุตสาหกรรมโดยรวม

คุณได้เน้นย้ำถึงการใช้ข้อมูลที่มีประสิทธิภาพและการรวมเซ็นเซอร์เข้าด้วยกันเป็นรากฐานของการคิดค้นสิ่งใหม่ๆ ในการค้าปลีกการรวมอินพุตเซ็นเซอร์หลายตัวเข้าด้วยกันจะสร้างความได้เปรียบทางการแข่งขันเมื่อเปรียบเทียบกับเครื่องมือวิเคราะห์แบบแยกส่วนได้อย่างไร

การวิเคราะห์บนคลาวด์ช่วยเชื่อมโยงการดำเนินงานและกำจัดไซโล แต่ยังรวมถึงปัจจัยที่ก่อให้เกิดของเสียและความไร้ประสิทธิภาพด้วย และผู้ค้าปลีกจำนวนมากไม่ทราบด้วยซ้ำว่าสิ่งเหล่านี้มีอยู่ในระบบของพวกเขาการรวมเซ็นเซอร์จะเปลี่ยนงานการประมวลผลเริ่มต้นและบูรณาการไปยังตัวอุปกรณ์อย่างมีประสิทธิภาพ (บนเอดจ์) ช่วยลดปริมาณข้อมูลที่ต้องส่งไปยังเซิร์ฟเวอร์กลาง และทำให้ตอบสนองแบบเรียลไทม์ทั่วทั้งระบบนิเวศ

ยกตัวอย่างการวิเคราะห์พฤติกรรมในสภาพแวดล้อมบนคลาวด์แบบดั้งเดิม เซ็นเซอร์จะดำเนินการรวบรวมข้อมูลพื้นฐานอย่างต่อเนื่อง (หรือเป็นระยะๆ) โดยส่งข้อมูลดิบไปยังคอมพิวเตอร์ส่วนกลางเพื่อการประมวลผล การวิเคราะห์ และการดำเนินการสมมติว่าการวิเคราะห์เผยให้เห็นสัญญาณของพฤติกรรมที่น่าสงสัยในพื้นที่การขาย ซึ่งก่อให้เกิดชุดโปรโตคอลการตอบสนองข้อมูลนั้น—ความจำเป็นในการตอบสนอง—ก็จำเป็นต้องได้รับการถ่ายทอดเช่นกันแม้ว่ากระบวนการทั้งหมดจะรวดเร็วตามมาตรฐานของมนุษย์ แต่คุณก็ได้เสียเวลาในการส่งและรับข้อมูลจาก A ไป B ถึง C ถึง B และอื่นๆ

ด้วยความสามารถฟิวชั่นของ Video AI และ Orbit AI เราสามารถตัดขั้นตอนพิเศษเหล่านั้นออกไปได้เครื่องมือ AI และ ML ที่ผสานรวมจะวิเคราะห์ข้อมูลดิบในขณะที่รวบรวมและจัดลำดับความสำคัญของขั้นตอนถัดไปตามการค้นพบ ช่วยให้ดำเนินการได้ทันท่วงทีมากขึ้นนอกจากนี้ ด้วยการขจัดความจำเป็นในการถ่ายโอนอย่างต่อเนื่องไปยังระบบขนาดใหญ่ ฟิวชั่นแบบ Edge-based จะช่วยลดความต้องการพลังงานและความเครียดในระบบส่วนกลาง

ในระดับองค์กร การบูรณาการฮาร์ดแวร์ ซอฟต์แวร์ และแพลตฟอร์มข้อมูลระดับโลกนั้นมีความซับซ้อนอย่างมากหลักการทางสถาปัตยกรรมหรือแนวทางวิศวกรรมระบบใดบ้างที่สำคัญต่อการทำให้โครงสร้างพื้นฐานการค้าปลีกที่ขับเคลื่อนด้วย AI สามารถปรับขนาดได้อย่างแท้จริง  

จำเป็นต้องเริ่มต้นด้วย SAFe / Lean – Agile Systems Architectureรากฐานนี้ช่วยให้เกิดความปลอดภัย ฉลาดเชิงเศรษฐกิจ ยืดหยุ่น และปรับแต่งได้ (หากจำเป็น) การคิดและพัฒนาการออกแบบฉันยังเชื่อในการทำงานเพื่อใช้ประโยชน์จากแนวทางที่ไม่ผูกติดกับผู้ให้บริการรายใดในระบบนิเวศพันธมิตร ช่วยให้เราได้พบกับพันธมิตรในจุดที่พวกเขาอยู่ในการเดินทางทางดิจิทัลสิ่งนี้ทำให้เราสามารถสร้างประโยชน์ในระดับบัญชี และยังเปิดเส้นทางในการสนับสนุนบริษัทที่ต้องการข้อเสนอ SaaS มากขึ้น หรือองค์กรที่มีเอกลักษณ์เฉพาะตัวที่ต้องการระบบ/ข้อมูลทั้งหมดบนไซต์แนวทางของเราช่วยให้เปิดใช้งานได้หลายเส้นทาง และยังรองรับตัวเลือกฮาร์ดแวร์ที่หลากหลาย

ผู้ค้าปลีกหลายรายพยายามแปลงการวิเคราะห์ให้เป็น ROI ที่วัดได้คุณจะช่วยให้องค์กรต่างๆ เชื่อมโยงข้อมูลเชิงลึก AI ขั้นสูงโดยตรงกับผลลัพธ์ทางการเงินและประสิทธิภาพการดำเนินงานได้อย่างไร

คำถามนั้นช่วยขับเคลื่อนการพัฒนาของ Shrink Analyzerหลังจากการลงทุนด้านดิจิทัลครั้งแรก ผู้ค้าปลีกมีสินค้าคงคลัง การสูญหาย และข้อมูลอื่นๆ มากมาย แต่ขาดเครื่องมือในการทำความเข้าใจทั้งหมดนี้

แม้ว่าวัตถุประสงค์หลักคือการปรับปรุงอย่างต่อเนื่อง งานเริ่มแรกของ Shrink Analyzer มักจะเป็นการวัดประสิทธิภาพ ณ จุดนำไปใช้งานเสมอนั่นคือขั้นตอนแรก และเป็นสิ่งที่ทำให้เกิดการปรับปรุงใดๆ และทั้งหมดหลังจากนั้น ตลอดจนทำหน้าที่เป็นจุดอ้างอิงสำหรับการติดตามความคืบหน้าในแง่ที่สำคัญต่อธุรกิจเป็นขั้นตอนนี้ที่ผู้นำหลายคนพลาดไปในกระแส AI ที่เป็นกระแส และนี่คือเหตุผลที่การติดตาม ROI ถือเป็นความท้าทายในอุตสาหกรรมต่างๆ

ด้วยการเปิดเผย “อะไร เมื่อไหร่ และที่ไหน” ของการสูญเสียและการสูญเสียตั้งแต่เริ่มต้น Shrink Analyzer สามารถแปลงข้อมูลทั้งหมดให้กลายเป็นสิ่งที่ผู้ค้าปลีกไม่เคยมีมาก่อน: ภาพที่ชัดเจนและเชิงปริมาณของการขาดทุนที่เกิดขึ้นในวงกว้าง

โดยจะแสดงให้เห็นว่าจุดใดที่ความสูญเสียเกิดขึ้นจริง ช่องว่างที่ส่งผลกระทบมากที่สุดต่อประสิทธิภาพการทำงาน และโอกาสในการเปลี่ยนแปลงที่สามารถช่วยลดจำนวนดังกล่าวได้จากนั้น ผู้ค้าปลีกสามารถเริ่มทดสอบกรณีใช้งาน ติดตามความคืบหน้า และปรับเปลี่ยนเพื่อรวบรวมหลักฐานที่น่าสนใจว่าการลงทุนด้าน AI และเทคโนโลยีอื่นๆ กำลังสร้างผลลัพธ์ที่เห็นได้จริง

ความเป็นส่วนตัวและความไว้วางใจถือเป็นข้อกังวลหลักเนื่องจากร้านค้ามีเครื่องมือมากขึ้นSensormatic Solutions เข้าใกล้การปรับใช้ AI อย่างมีความรับผิดชอบในขณะที่ยังคงเปิดใช้งานระบบอัจฉริยะด้านการปฏิบัติงานที่มีความละเอียดสูงได้อย่างไร

ฉันมองว่าปัญหานี้เป็นส่วนหนึ่งของสิ่งที่เราได้พูดคุยกันก่อนหน้านี้ นั่นคือการสร้างผู้นำ นักช้อป และผู้ร่วมงานในระดับที่เท่าเทียมกันใช่ ผู้ค้าปลีกคือผู้ที่ซื้อโซลูชันของเรา แต่เราไม่สามารถประสบความสำเร็จได้หากผู้ร่วมงานและผู้ซื้อไม่ได้ใช้ระบบความพึงพอใจของพวกเขาเป็นสิ่งสำคัญต่อลูกค้าและเรา

สิ่งนี้ขับเคลื่อนแนวทางความเป็นส่วนตัวโดยการออกแบบของเราตลอดกระบวนการวิจัยและพัฒนาทั้งหมดของเรากล่าวอีกนัยหนึ่ง เราสร้างรั้วกั้นสำหรับผู้บริโภคไว้ในโซลูชันตั้งแต่ต้น ซึ่งทำให้เราอยากรู้อยากเห็นและสร้างสรรค์

การออกแบบของ Re-ID แสดงให้เห็นสิ่งนี้ความสามารถในการจัดทำแผนที่การเดินทางและการนับจำนวนการจราจรใช้รูปแบบและการผสมผสานรายละเอียดส่วนบุคคลที่ไม่ระบุตัวตน เช่น ทรงผมและสีผม การออกแบบเสื้อผ้าและเครื่องประดับ เพื่อกำหนด ID ที่ไม่ซ้ำใครให้กับผู้เข้าชมคุณอาจคิดว่าการแต่งกายหรือสไตล์ซ้อนทับกันมากเกินไปจนทำให้สิ่งนี้มีประสิทธิภาพ แต่เราพบว่าเมื่อพิจารณาร่วมกัน ข้อมูลเชิงลึกประเภทนี้มีเอกลักษณ์เฉพาะตัวเพียงพอที่จะพูดได้อย่างมั่นใจว่า “บุคคลนั้นทำงานที่นี่” หรือ “บุคคลนั้นไปเมื่อชั่วโมงที่แล้ว”

เราจะไม่มีทางรู้ได้เลยถ้าเราไม่ถูกบังคับให้คิดนอกกรอบตั้งแต่เริ่มต้นเนื่องจากกฎระเบียบมีการเปลี่ยนแปลงและความกังวลเรื่องความเป็นส่วนตัวของผู้บริโภคเพิ่มมากขึ้น องค์กรที่ใช้มุมมองนี้ตั้งแต่เนิ่นๆ มีแนวโน้มที่จะเป็นผู้นำในด้านนวัตกรรม เนื่องจากพวกเขาคุ้นเคยกับการแก้ปัญหาอย่างสร้างสรรค์แล้ว

ผู้ค้าปลีกกำลังเผชิญกับการหยุดชะงักอย่างต่อเนื่อง เช่น ความผันผวนของห่วงโซ่อุปทาน การก่ออาชญากรรมในการค้าปลีก ความกดดันด้านแรงงาน และการแข่งขันทางดิจิทัลโครงสร้างพื้นฐานที่เปิดใช้งาน AI จะทำหน้าที่เป็นกำลังรักษาเสถียรภาพแทนที่จะเป็นเพียงความซับซ้อนอีกชั้นหนึ่งได้อย่างไร

ระบบที่ขับเคลื่อนด้วยข้อมูลให้ความมั่นคงโดยการจัดองค์กรให้อยู่ในความจริงเดียวและเป้าหมายร่วมกันการเพิ่ม AI ช่วยตอกย้ำความมั่นใจดังกล่าว

ข้อมูลเพียงอย่างเดียวยังขึ้นอยู่กับการตีความ และข้อสรุปของผู้มีส่วนได้ส่วนเสียจะถูกระบายสีตามลำดับความสำคัญของตนเองAI สามารถบรรเทาปัญหาดังกล่าวได้ เนื่องจากจะวิเคราะห์ข้อมูลทั่วทั้งการดำเนินการโดยไม่มีอคติต่อมุมมองใดมุมมองหนึ่งหากระบบทำงานตามที่ตั้งใจไว้ ผู้นำที่มีลำดับความสำคัญส่วนบุคคลที่แข่งขันกันสามารถไว้วางใจได้ว่าการวิเคราะห์ คำแนะนำ และแบบจำลองการคาดการณ์จะสะท้อนถึงความเป็นจริงของการดำเนินธุรกิจมันยกระดับสนามแข่งขัน ดังนั้นขั้นตอนถัดไปที่ดีที่สุดจึงขึ้นไปอยู่ด้านบนเพราะคุณค่าของมันก็ชัดเจนสำหรับทุกคน

เมื่อมองไปข้างหน้าในอีกห้าถึงสิบปี สภาพแวดล้อมการค้าปลีกทางกายภาพที่ได้รับการปรับแต่งโดย AI อย่างสมบูรณ์จะเป็นอย่างไร และผู้นำควรดำเนินการเชิงกลยุทธ์อะไรบ้างในตอนนี้เพื่อเตรียมพร้อมสำหรับอนาคตนั้น

ไม่มีแผนงานใดๆ ที่ฉันสามารถชี้ให้เห็นถึงความพร้อมด้าน AI ของเราได้ เพราะจริงๆ แล้วมันเป็นเรื่องเกี่ยวกับการสร้างระบบที่เหมาะกับผู้ค้าปลีกแต่ละรายอย่างไรก็ตาม รากฐานของสิ่งนี้ค่อนข้างเป็นสากลผู้ค้าปลีกทุกคนต้องมี:

• ฐานข้อมูลแบบรวมศูนย์ ที่บันทึกทุกด้านของการดำเนินงานอย่างครบถ้วน หากไม่มีสิ่งนี้ แม้แต่โมเดลที่ก้าวหน้าและมีความสามารถที่สุดก็ไม่อาจให้ข้อมูลเชิงลึกที่เป็นประโยชน์ได้ เพราะโมเดลต้องมีบริบท
• เกณฑ์มาตรฐานที่เชื่อถือได้ ซึ่งอิงข้อมูลธุรกิจที่เกี่ยวข้อง เพื่อเป็นจุดเริ่มต้นของการลงทุนและเป็นหลักอ้างอิงสำหรับวัดความก้าวหน้า
• แผนฝึกอบรมและยกระดับทักษะ AI ไม่ใช่ผู้กระทำที่เป็นอิสระ แม้ทำได้หลายอย่าง แต่ผู้ใช้ต้องเข้าใจหน้าที่และข้อจำกัด ผู้ค้าปลีกควรเริ่มวางแผนและสื่อสารเรื่องเทคโนโลยีตั้งแต่เนิ่นๆ และทำอย่างสม่ำเสมอ เพื่อให้พนักงานพร้อมเมื่อถึงเวลา
• ผู้นำที่ใส่ใจ การเปลี่ยนผ่านเป็นโครงการระยะยาว ผู้นำต้องพร้อมทุ่มทรัพยากรอย่างต่อเนื่องและกระตือรือร้นที่จะนำองค์กรผ่านการเปลี่ยนแปลง

ขอบคุณสำหรับบทสัมภาษณ์ดีๆ นักอ่านที่ต้องการเรียนรู้เพิ่มเติมควรเข้าไปเยี่ยมชม Sensormatic Solutions หรือ Divergent Technology Advisors.