AI u maloprodaji: Zašto kvalitet podataka odlučuje o poslovnom rezultatu

Pitanje za upravu više nije hoće li kompanija koristiti umjetnu inteligenciju, nego gdje ona može smanjiti trošak, ubrzati odluku ili povećati prihod. U trgovini i lancima snabdijevanja najčešće se govori o prognozi potražnje, optimizaciji zaliha, planiranju cijena, automatizaciji korisničke podrške i ranom otkrivanju odstupanja.

Ipak, dobar model ne može nadoknaditi lošu osnovu. Ako isti proizvod postoji pod različitim šiframa, lokacije nisu jednoznačno označene, atributi nedostaju ili se podaci iz prodaje, skladišta i nabavke ne mogu povezati, AI samo brže proizvodi nepouzdan zaključak. Zato se povrat na ulaganje u AI često odlučuje mnogo prije izbora samog alata.

AI počinje poslovnim pitanjem, ne tehnologijom

Najuspješniji projekti kreću od jasno definisane odluke: koju količinu naručiti, gdje rasporediti robu, kada reagovati na pad dostupnosti ili kojem kupcu ponuditi relevantnu informaciju. Nakon toga slijede vlasnik procesa, podaci potrebni za odluku, dozvoljeni nivo greške i pokazatelj rezultata.

To mijenja i način na koji kompanije vode pilot-projekte. Demonstracija koja dobro izgleda nije dovoljna. Uprava mora znati može li se rješenje povezati s ERP-om, POS-om, skladištem i katalogom proizvoda, ko potvrđuje izlaz sistema i kako se prati učinak nakon uvođenja.

Podaci su stvarno usko grlo

Strukturirani identifikatori proizvoda i lokacija, potpuni atributi, historija kretanja robe i jasno porijeklo podataka stvaraju zajednički jezik za ljude, sisteme i poslovne partnere. U tom kontekstu, standardi poput GTIN-a (Globalnog broja trgovinske jedinice) i GLN-a (Globalnog lokacijskog broja) nisu administrativni detalj. Oni omogućavaju da algoritam prepozna isti poslovni objekat kroz različite izvore i da preporuka bude provjerljiva.

Kada su podaci povezani, AI asistenti mogu ubrzati analizu, izdvojiti izuzetke i predložiti naredni korak. Odgovornost za odluku ipak ostaje u kompaniji, uz jasna pravila pristupa, zaštite podataka, ljudske provjere i evidentiranja promjena.

Pet pitanja prije narednog ulaganja u AI

1. Koju konkretnu poslovnu odluku želimo poboljšati i kojim KPI-jem ćemo dokazati rezultat?
2. Jesu li ključni proizvodi, lokacije, partneri i transakcije jednoznačno identificirani?
3. Ko je vlasnik kvaliteta podataka i koliko često se oni osvježavaju?
4. Može li rješenje raditi s postojećim sistemima bez ručnog prepisivanja?
5. Gdje je obavezna ljudska provjera i kako se upravlja rizikom pogrešne preporuke?

Od inspiracije do operativnog plana

Na 10. GS1 konferenciji "Digitalni puls poslovanja" blok posvećen AI-ju povezuje budućnost strukturiranih podataka, konkretne primjene u trgovačkom sektoru i softvere zasnovane na umjetnoj inteligenciji. Haris Poturković govori o podacima u AI svijetu, Zenina Dedić o praktičnoj primjeni AI-ja u trgovini, dok program otvara i pitanje kako takva rješenja prevesti u svakodnevni rad.

Za poslovnu publiku vrijednost nije u još jednoj definiciji AI-ja. Vrijednost je u tome da iz konferencijske sale izađe s prioritetnim slučajem upotrebe, jasnijom slikom podataka koji nedostaju i pitanjima koja treba postaviti dobavljaču tehnologije.

Pogledajte kompletan program 10. GS1 konferencije "Digitalni puls poslovanja" i prijavite učešće.

Program i prijava