Αυξανόμενες προκλήσεις αντιμετωπίζει η βιομηχανία του λιανικού εμπορίου, καθώς αναπτύσσεται ταχύτατα, χειριζόμενη πλέον μεγάλους όγκους πόρων.
Άρθρο του κ. Τιμολέοντος Φαρμάκη, M.Eng., M.Sc., MUP, υποψήφιου διδάκτορα Διοικητικής Επιστήμης και Τεχνολογίας στο Οικονομικό Πανεπιστήμιο Αθηνών (ΟΠΑ) και βασικού ερευνητή στα θέματα ψηφιακού μετασχηματισμού στο Εργαστήριο Ηλεκτρονικού Εμπορίου και Επιχειρείν (ELTRUN) του ΟΠΑ (έντυπο τεύχος Μαΐου 2024).
Ο έντονος ανταγωνισμός, οι αυξανόμενες προσδοκίες των καταναλωτών, ο πληθωρισμός και οι δυσκολίες στην παγκόσμια εφοδιαστική αλυσίδα είναι οι βασικές προκλήσεις στις οποίες καλείται σήμερα να απαντήσει ο κλάδος του λιανικού εμπορίου. Τα τελευταία χρόνια, μάλιστα, ο ψηφιακός μετασχηματισμός βρίσκεται στο επίκεντρο αποτελώντας μία από τις σημαντικότερες προτεραιότητες, καθώς μπορεί να δώσει σημαντικές λύσεις σε παραδοσιακά όσο και σε σύγχρονα προβλήματα.
Η ραγδαία εξέλιξη της τεχνητής νοημοσύνης (ΑΙ) έχει κεντρίσει το ενδιαφέρον των επιχειρήσεων, οι οποίες εντατικοποιούν τις προσπάθειές τους για αξιοποίηση των δυνατοτήτων της, με στόχο να αποκτήσουν σημαντικό ανταγωνιστικό πλεονέκτημα. Ωστόσο πολλές επιχειρήσεις δεν κατανοούν ακόμα πλήρως πώς μπορεί να εφαρμοστεί η τεχνητή νοημοσύνη στην πράξη, ώστε να επιτευχθεί ένας ουσιαστικός και ολοκληρωμένος μετασχηματισμός.
Το παρόν άρθρο βασίζεται στην ανάλυση που πραγματοποιείται με βάση το πλαίσιο ψηφιακού μετασχηματισμού που έχει αναπτυχθεί από το Εργαστήριο Ηλεκτρονικού Εμπορίου και Επιχειρείν (ELTRUN) του Οικονομικού Πανεπιστημίου Αθηνών (Doukidis, G., Spinellis, D., & Ebert, C. (2020). Digital Transformation – A Primer for Practitioners, IEEE Software 37[5], p.13-21), με τη συμβουλευτική εμπειρία πλήθους διεθνών επιχειρήσεων.
Τα κρίσιμα ερωτήματα που προκύπτουν καταρχάς είναι τα ακόλουθα:
- Πώς μπορεί η τεχνητή νοημοσύνη να ενισχύσει την εμπειρία των πελατών;
- Πώς επηρεάζει τον τρόπο λειτουργίας των επιχειρήσεων;
- Ποια νέα επιχειρηματικά μοντέλα προκύπτουν από τη χρήση της;
- Πώς πρέπει να προσαρμόζονται οι οργανισμοί για να ανταποκριθούν αποτελεσματικά σε αυτές τις αλλαγές;
Χρησιμοποιώντας μοντέλα ΑΙ, οι επιχειρήσεις μπορούν να καταλάβουν καλύτερα τις ανάγκες των πελατών, να προβλέψουν τη συμπεριφορά τους ώστε να τους παράσχουν προϊόντα, υπηρεσίες και προσφορές που ανταποκρίνονται στις προσδοκίες τους, να τους κατηγοριοποιήσουν και να οργανώσουν πιο αποτελεσματικά τις προωθητικές τους ενέργειες. Επίσης, αντλώντας δεδομένα από τα μέσα κοινωνικής δικτύωσης, αλληλεπιδράσεις, μηνύματα και σχόλια πελατών σε ψηφιακές πλατφόρμες, οι επιχειρήσεις μπορούν να καταλαβαίνουν τα συναισθήματα των πελατών και να ανταποκρίνονται καλύτερα σε ανάγκες ή προβλήματα που αντιμετωπίζουν.
Μέσω της τεχνητής νοημοσύνης, οι μεγάλοι retailers έχουν τη δυνατότητα για προσωποποίηση (personilisation) με στοχευμένες επικοινωνίες και με ξεχωριστές προωθητικές ενέργειες για κάθε πελάτη. Για παράδειγμα, αναγνωρίζοντας πιθανούς δυσαρεστημένους πελάτες, θα τους προτείνουν εξατομικευμένες προσφορές για να βελτιώσουν την εμπειρία τους. Επίσης μπορεί να γίνει αυτοματοποίηση της επικοινωνίας με τον πελάτη με χρήση chatbot και ψηφιακών βοηθών, καθώς και ενσωμάτωση recommendation systems για εξατομικευμένες προτάσεις προϊόντων σε ψηφιακές πλατφόρμες online αγορών.
Καινοτόμες διαδικασίες
Με την τεχνητή νοημοσύνη οι επιχειρήσεις μπορούν να αυτοματοποιήσουν ένα σύνολο διαδικασιών, όπως είναι η μεταφορά προϊόντων, η αποθήκευση, καθώς και η διαχείριση του φυσικού καταστήματος. Παραδείγματα αποτελούν: η συντήρηση μηχανημάτων για μείωση του κόστους και του εκτός λειτουργίας χρόνου, η αποτελεσματικότερη επιλογή και διαχείριση του ανθρώπινου δυναμικού, ο εντοπισμός ελλείψεων στα ράφια και ο κατάλληλος σχεδιασμός των ραφιών στα καταστήματα.
Η τεχνητή νοημοσύνη μπορεί να βελτιώσει την καθημερινότητα των εργαζομένων και την παραγωγικότητά τους, μέσω της ανάλυσης μεγάλου όγκου δεδομένων για τη λήψη αποφάσεων, καθώς και να αξιοποιήσει τα μοντέλα Generative AI για τη δημιουργία γραπτών κειμένων ή την απόκτηση γνώσης.
Παράλληλα, η τεχνητή νοημοσύνη συμβάλλει στη διαχείριση γνώσης μέσα στον οργανισμό, στην εκπαίδευση των εργαζομένων, στην ανάκτηση πολύτιμων δεδομένων και εγγράφων από το κεντρικό σύστημα, καθώς και στη βελτίωση της απόδοσης της επιχείρησης με χρήση βασικών δεικτών απόδοσης (key performance indicators [KPI]),για τον εντοπισμό προβλημάτων και ευκαιριών και για τη λήψη αποφάσεων σε πραγματικό χρόνο. Για παράδειγμα, είναι δυνατή η αναγνώριση κινδύνων (π.χ. κλοπών) είτε στον ψηφιακό χώρο είτε στα φυσικά καταστήματα, για άμεση αντιμετώπιση σε πραγματικό χρόνο.
Η τεχνητή νοημοσύνη λειτουργεί ως καταλύτης στην ενεργοποίηση καινοτόμων μοντέλων που μεταμορφώνουν τη βιομηχανία του λιανικού εμπορίου. Συγκεκριμένα:
- Τα αυτόματα καταστήματα προσφέρουν μια απρόσκοπτη εμπειρία αγορών χωρίς την ανάγκη για ταμειακές συναλλαγές, χάρη στην προηγμένη ανάλυση και επεξεργασία δεδομένων.
- Η δυναμική τιμολόγηση που προσαρμόζεται σε πραγματικό χρόνο ανάλογα με τη ζήτηση και τις διαθέσιμες προμήθειες, βελτιστοποιεί την αποδοτικότητα των πωλήσεων.
- Οι συνδρομητικές υπηρεσίες βοηθούν στην ενίσχυση της πελατειακής πιστότητας με τακτικές παραδόσεις προϊόντων ή υπηρεσιών.
- Οι φωνητικές και οπτικές (με απλή σάρωση) παραγγελίες διευκολύνουν περαιτέρω τους πελάτες.
Η προσφορά υπηρεσιών τεχνητής νοημοσύνης ανοίγει νέους δρόμους για συνεργασίες και καινοτομίες στη βιομηχανία, ενώ η άμεση επικοινωνία και πώληση, καθώς και η αξιοποίηση δεδομένων, δημιουργούν σημαντική προστιθέμενη αξία.
Προϋποθέσεις οργάνωσης
Για να ενσωματωθεί επιτυχώς η τεχνητή νοημοσύνη, οι επιχειρήσεις οφείλουν να εναρμονίσουν τα αποτελέσματά του με τη στρατηγική τους, προτεραιοποιώντας κατάλληλα τις επενδύσεις τους και διασφαλίζοντας τη συμμόρφωση με τους κανονισμούς.
Σημαντική είναι η δημιουργία νέων δομών και η αξιοποίηση επαγγελματιών όπως είναι οι data scientists, οι AI specialists και οι AI ethicists, οι οποίοι θα εγγυώνται την αποτελεσματική υλοποίηση των AI εφαρμογών. Η διατμηματική συνεργασία (cross-functional collaboration) είναι επίσης καθοριστική για την ομαλή ενσωμάτωση και την επίτευξη καινοτομίας.
Η εκπαίδευση του ανθρώπινου δυναμικού σε τεχνολογίες AI και η απόκτηση ταλέντων με τις απαραίτητες δεξιότητες, είναι εξίσου κρίσιμες πρωτοβουλίες. Τέλος, η διαμόρφωση της κατάλληλης ψηφιακής κουλτούρας είναι απαραίτητη για την πλήρη αξιοποίηση των δυνατοτήτων της τεχνητής νοημοσύνης στον εκάστοτε οργανισμό.
