Ποιες φιλοδοξίες AI υπάρχουν στο χονδρικό εμπόριο;

Πού βρίσκονται οι ώρες

Το χονδρικό εμπόριο λειτουργεί με βάση ροές: εμπορεύματα, παραγγελίες, τιμολόγια και πληροφορίες που κινούνται μπρος-πίσω μεταξύ προμηθευτών και πελατών. Ένα μεγάλο μέρος των ωρών γραφείου αφιερώνεται σε εργασία που επαναλαμβάνεται μέσα σε αυτή τη ροή — καταχώριση και έλεγχος παραγγελιών, συμφωνία αποθέματος με αγορές και πωλήσεις, παρακολούθηση συμφωνιών τιμών, αντιστοίχιση τιμολογίων με δελτία αποστολής, απαντήσεις σε ερωτήματα πελατών σχετικά με χρόνους παράδοσης και διαθεσιμότητα. Δίπλα σε αυτό υπάρχει εργασία που επαναλαμβάνεται λιγότερο: διαπραγμάτευση με προμηθευτές, σύνθεση ενός assortment, εξυπηρέτηση ενός πελάτη με δύσκολη κατάσταση, απόφαση για το τι γίνεται όταν μια παράδοση κολλάει.

Αυτά τα δύο είδη εργασίας οδηγούν σε διαφορετική έκβαση όταν μια φιλοδοξία προϋποθέτει εργασία από AI. Η επαναλαμβανόμενη εργασία με σταθερούς κανόνες μπορεί ευκολότερα να αναληφθεί σε σχέση με εργασία στην οποία κάποιος συνεχώς επανεκτιμά τι είναι σωστό σε αυτή τη συγκεκριμένη κατάσταση. Οι συνθήκες που καθορίζουν την έκβαση δεν είναι μόνο η φύση της εργασίας, αλλά και το πόσο καθαρά και δομημένα είναι τα υποκείμενα δεδομένα — μια γραμμή παραγγελίας που καταγράφεται διαφορετικά σε πέντε συστήματα είναι πιο δύσκολο να διαβαστεί από ένα σύστημα απ' όσο από έναν άνθρωπο που γνωρίζει το πλαίσιο.

Η μετατόπιση που ήδη συμβαίνει

Σε ένα μέρος των επιχειρήσεων χονδρικού εμπορίου, ήδη σήμερα αναλαμβάνεται εργασία: έλεγχος παραγγελιών έναντι όρων αγοράς, σύνοψη αλληλογραφίας προμηθευτών σε μια ενέργεια, συμπλήρωση πρόβλεψης αποθέματος βάσει ιστορικών προτύπων. Σε ένα άλλο μέρος των επιχειρήσεων, ακριβώς η ίδια εργασία εξακολουθεί να βρίσκεται πλήρως στα χέρια ανθρώπων. Η διαφορά σπάνια βρίσκεται στη θέληση για αλλαγή. Βρίσκεται στο αν τα δεδομένα είναι σε τάξη, αν υπάρχει κάποιος που μπορεί να εγκρίνει ή να απορρίψει με αιτιολόγηση την έκβαση ενός συστήματος, και αν η οργάνωση έχει καταγράψει ποιος αποφασίζει για τι όταν κάτι πάει στραβά.

Τρεις κατηγορίες διαπερνούν σχεδόν κάθε διαδικασία στο χονδρικό εμπόριο. Υπάρχει εργασία που ένα σύστημα μπορεί να αναλάβει χωρίς παρέμβαση, όπως η μεταφορά μιας γραμμής παραγγελίας στη σωστή μορφή. Υπάρχει εργασία στην οποία η AI κάνει μια πρόταση και ένας άνθρωπος αξιολογεί αυτή την πρόταση — ένα πιστωτικό τιμολόγιο που προτείνεται, αλλά εγκρίνεται ή επιστρέφεται με αιτιολόγηση από έναν εργαζόμενο. Και υπάρχει εργασία που παραμένει ανθρώπινη, όπως η συζήτηση με έναν προμηθευτή που δεν τηρεί τον χρόνο παράδοσης. Ποια εργασία εμπίπτει σε ποια κατηγορία διαφέρει ανά επιχείρηση και ανά σύστημα, και μεταβάλλεται μόλις αλλάξουν τα δεδομένα ή η διαδικασία.

Τι απαιτεί μια φιλοδοξία στο χονδρικό εμπόριο

Μια φιλοδοξία όπως «η εξυπηρέτηση πελατών μας θα λειτουργεί σύντομα σε μεγάλο βαθμό αυτοματοποιημένα» προϋποθέτει ότι η επιχείρηση μπορεί να κατηγοριοποιήσει τα ερωτήματα πελατών, ότι η γνώση πίσω από μια απάντηση είναι κάπου δομημένη, και ότι υπάρχει συμφωνία για το πότε ένα ερώτημα προωθείται σε άνθρωπο. Χωρίς αυτά τα τρία, η φιλοδοξία είναι μια φράση, όχι ένα σχέδιο. Το ίδιο ισχύει για μια φιλοδοξία γύρω από τη διαχείριση αποθέματος: αυτή απαιτεί τα δεδομένα αγορών, πωλήσεων και logistics να συνδέονται μεταξύ τους, και κάποιος να έχει την εξουσιοδότηση να διορθώσει μια πρόταση παραγγελίας που προτείνεται από την AI.

Ο έλεγχος φιλοδοξίας καταγράφει τέτοιες φιλοδοξίες σε τέσσερα επίπεδα — visie, vision state, target, target state — και τις εξετάζει σε οκτώ διαστάσεις ετοιμότητας, με πέντε confidence gates που δείχνουν πού το σχέδιο βασίζεται ακόμη σε εμπιστοσύνη αντί σε απόδειξη. Ο ίδιος έλεγχος μεταφράζει την έκβαση πίσω σε capabilities: τι πρέπει να μπορεί κάθε ρόλος, και ποιος αποκτά το δικαίωμα απόφασης όταν ένα σύστημα προτείνει μια έκβαση. Για επιχειρήσεις χονδρικού εμπορίου που σκέφτονται επίσης πόσο από το κέρδος δαπανάται στη διατήρηση μεριδίου αγοράς, αξίζει να διαβάσουν πώς σταθμίζετε την ανάπτυξη έναντι του περιθωρίου σε μια στρατηγική, καθώς μια φιλοδοξία AI χωρίς αυτή τη στάθμιση γίνεται εύκολα υπόθεση αντί για επιλογή.

Γιατί αυτό είναι εξειδικευμένο ανά τομέα

Το χονδρικό εμπόριο μοιράζεται πολλά με τους λογιστικούς κρίκους πριν και μετά από αυτό. Όποιος θέλει να κάνει τη σύγκριση με έναν τομέα όπου η φυσική εργασία με εμπορεύματα βρίσκεται ακόμη πιο κοντά στη διαδικασία, μπορεί να το βρει στο ποιες φιλοδοξίες AI υπάρχουν στον τομέα των μεταφορών, και όποιος θέλει να δει πώς η ίδια φιλοδοξία μεταφράζεται σε ένα περιβάλλον παραγωγής, μπορεί να διαβάσει ποιες φιλοδοξίες AI υπάρχουν στη μεταποιητική βιομηχανία. Το μοτίβο επαναλαμβάνεται: οι ίδιες λέξεις φιλοδοξίας, διαφορετική ετοιμότητα, διαφορετική έκβαση.

Όπου αυτό αγγίζει το προσωπικό — ποιες θέσεις εργασίας αλλάζουν όταν η εργασία μετατοπίζεται — ισχύουν γι' αυτό δικές τους νομικές απαιτήσεις που δεν εμπίπτουν σε αυτόν τον έλεγχο. Αυτό που κάνει όμως ο έλεγχος φιλοδοξίας είναι να καταστήσει σαφές ποια χωρητικότητα ελευθερώνεται όταν μετατοπίζεται συγκεκριμένη εργασία, σε ώρες και fte, ώστε μια διοικητική ομάδα να γνωρίζει για τι μιλάει προτού μιλήσει για ανθρώπους.

Τι μπορείτε να κάνετε τώρα

Το υποκείμενο ερώτημα — ποια εργασία σε αυτή την επιχείρηση μπορεί πράγματι να αναληφθεί από την AI — απαντάται με το werkscan της FTE TO AI ανά εργασία, αντί ανά θέση ή ανά υπόθεση. Για μια διοικητική ομάδα που θέλει πρώτα να γνωρίζει αν η δική της visie είναι αρκετά μετρήσιμη για να ελεγχθεί, υπάρχει το πώς κάνετε μια visie μετρήσιμη.