Didmeninė prekyba remiasi srautais: prekėmis, užsakymais, sąskaitomis ir informacija, kuri juda pirmyn ir atgal tarp tiekėjų ir pirkėjų. Didelė dalis biuro valandų skiriama darbui, kuris tame sraute kartojasi — užsakymų įvedimui ir tikrinimui, atsargų derinimui su pirkimu ir pardavimu, kainų susitarimų stebėjimui, sąskaitų suderinimui su važtaraščiais, klientų klausimų apie pristatymo terminus ir prieinamumą atsakymui. Šalia to yra darbas, kuris kartojasi mažiau: derybos su tiekėjais, asortimento sudarymas, sudėtingos situacijos su klientu sprendimas, sprendimas, kas vyksta, kai pristatymas užstringa.
Šie du darbo tipai lemia skirtingą rezultatą, kai ambicija numato AI darbą. Besikartojantį darbą su fiksuotomis taisyklėmis perimti lengviau nei darbą, kuriame kažkas kaskart iš naujo sveria, kas šioje situacijoje teisinga. Aplinkybės, kurios lemia rezultatą, yra ne tik darbo pobūdis, bet ir tai, kiek švarūs bei struktūruoti yra pagrindiniai duomenys — užsakymo eilutę, kuri penkiose sistemose užrašoma skirtingai, sistemai perskaityti sunkiau nei žmogui, kuris žino kontekstą.
Dalyje didmeninės prekybos įmonių darbas jau perimamas šiandien: užsakymų tikrinimas pagal pirkimo sąlygas, tiekėjo laiško apibendrinimas iki veiksmo, atsargų prognozės pildymas remiantis istoriniais modeliais. Kitoje įmonių dalyje lygiai toks pat darbas vis dar visiškai priklauso žmonėms. Skirtumas retai slypi noru keistis. Jis slypi tame, ar duomenys sutvarkyti, ar yra kažkas, kas gali patvirtinti arba atmesti sistemos rezultatą su pagrindimu, ir ar organizacija nustatė, kas ir dėl ko sprendžia, kai kažkas nutinka ne taip.
Trys kategorijos kartojasi beveik kiekviename didmeninės prekybos procese. Yra darbas, kurį sistema gali perimti be įsikišimo, pavyzdžiui, užsakymo eilutės perkėlimas į tinkamą formatą. Yra darbas, kuriame AI pateikia pasiūlymą, o žmogus tą pasiūlymą įvertina — pasiūlomas kreditinis dokumentas, kurį darbuotojas patvirtina arba grąžina su pagrindimu. Ir yra darbas, kuris lieka žmogaus darbu, pavyzdžiui, pokalbis su tiekėju, kuris nespėja su pristatymo terminu. Kuri užduotis patenka į kurią kategoriją, skiriasi priklausomai nuo įmonės ir sistemos ir keičiasi, kai pasikeičia duomenys ar procesas.
Ambicija „mūsų klientų aptarnavimas netrukus veiks daugiausia automatizuotai" numato, kad įmonė gali klasifikuoti klientų klausimus, kad žinios, esančios atsakymo pagrindu, kažkur struktūruotai užfiksuotos, ir kad yra susitarimas, kada klausimas perduodamas žmogui. Be šių trijų dalykų ambicija yra tik sakinys, o ne planas. Tas pats galioja ambicijai dėl atsargų valdymo: ji reikalauja, kad pirkimo, pardavimo ir logistikos duomenys derėtų tarpusavyje ir kad kažkas turėtų įgaliojimus koreguoti AI pasiūlytą užsakymo rekomendaciją.
Ambicijų patikra tokias ambicijas fiksuoja keturiuose sluoksniuose — vizija, vision state, tikslas, target state — ir įvertina jas pagal aštuonis pasirengimo aspektus, taikant penkis patikimumo vartus (confidence gates), kurie parodo, kur planas dar remiasi pasitikėjimu, o ne įrodymais. Ta pati patikra rezultatą išverčia atgal į gebėjimus: ką turi mokėti kiekvienas vaidmuo ir kas gauna sprendimo teisę, kai sistema pateikia rezultatą. Didmeninės prekybos įmonėms, kurios taip pat svarsto, kiek pelno skiriama rinkos daliai išlaikyti, verta perskaityti kaip pasverti augimą prieš maržą strategijoje, nes AI ambicija be šio sverimo greitai tampa prielaida, o ne pasirinkimu.
Didmeninė prekyba turi daug bendro su logistikos grandimis prieš ir po jos. Kas nori palyginti su sektoriumi, kuriame fizinis prekių darbas dar arčiau proceso, tai ras kokios AI ambicijos vyrauja transporto sektoriuje, o kas nori pamatyti, kaip ta pati ambicija išsiverčia gamybos aplinkoje, gali perskaityti kokios AI ambicijos vyrauja gamybos pramonėje. Modelis kartojasi: tie patys ambicijų žodžiai, kitoks pasirengimas, kitoks rezultatas.
Ten, kur tai liečia personalą — kurios pareigybės keičiasi, kai darbas persikelia — galioja atskiri teisiniai reikalavimai, kurie nepatenka į šią patikrą. Ką ambicijų patikra iš tikrųjų daro, tai aiškiai parodo, kokie pajėgumai atsilaisvina, kai tam tikras darbas persikelia, valandomis ir etatais, kad vadovų komanda žinotų, apie ką kalba, dar prieš pradedant kalbėti apie žmones.
Pagrindinis klausimas — koks darbas šioje įmonėje iš tikrųjų gali būti perimtas AI — su FTE TO AI darbo skenu (werkscan) atsakomas pagal kiekvieną užduotį, o ne pagal pareigybę ar prielaidą. Vadovų komandai, kuri pirmiausia nori sužinoti, ar jos pačios vizija pakankamai išmatuojama, kad ją būtų galima patikrinti, skirta kaip padaryti viziją išmatuojamą.
Kas nori sužinoti, kur stovi jo paties organizacija, gali atlikti nemokamą pasirengimo patikrinimą: aštuoni trumpi klausimai, po vieną kiekvienam aspektui, o rezultatas parodo, kur esate toliausiai pažengę, o kur — mažiausiai. Visa ambicijų patikra su keturiais sluoksniais ir penkiais patikimumo vartais (confidence gates) šiuo metu kuriama.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.