Търговията на дребно е сектор, в който AI навлиза на две нива едновременно. От една страна са големите, видими системи: прогнози за запасите, оптимизация на цените, препоръчващи механизми в онлайн магазина, чатботове в обслужването на клиенти. Те обикновено са известни на IT и отдела за покупки, защото са закупени и внедрени по определен начин. От друга страна стои много по-неясен пейзаж: отделни служители на щанда, в маркетинга или в отдела за покупки, които използват AI-инструмент за писане на описания на продукти, отговаряне на въпроси на клиенти, генериране на изображения за кампании или извличане на цени на конкуренти. Този втори слой обикновено е по-голям от първия, просто защото прагът за изпробване на безплатен или евтин инструмент е нисък, а ефектът се усеща веднага: по-бърз рекламен текст, по-бърз отговор на оплакване.
Към това се добавя факта, че търговията на дребно често работи с много временни и гъвкави служители, разпределени в множество обекти или канали. Това затруднява поддържането на един централен преглед на кой служител какви инструменти използва и защо. Централният офис може да има ясна политика за системите, които сам е закупил, докато на ниво обект или в екип на онлайн магазина възникват AI-приложения, които никъде не са регистрирани. Съотношението между това, което е централно одобрено, и това, което е възникнало локално, в този сектор обикновено е неравномерно: броят на официално закупените системи е ограничен, а броят на отделните приложения, които служителите сами са започнали да използват, обикновено е много по-голям.
Терминът сенчест AI звучи технически, но в търговията на дребно е много практичен: това е инструментът, който служител в маркетинга използва за генериране на публикации в социалните мрежи, чатботът, който екипът за обслужване на клиенти сам е конфигурирал, или AI-моделът, който се използва за анализ на отзиви, без това никога да е било прегледано от IT или правния отдел. Това рядко се случва от небрежност. Случва се, защото инструментите са достъпни, защото натискът за скорост е висок и защото никой не е казал изрично, че това не е позволено.
IT-списъкът с одобрен софтуер затова дава непълна картина. Който иска пълна картина, трябва да попита самите хора. Това работи само ако въпросът се зададе без последствия. Веднага щом служителите заподозрат, че съобщаването за използване на AI ще доведе до корекция или забрана, информацията отново изчезва от полезрението и употребата се пренася върху лични устройства или лични акаунти. Инвентаризация, която започва с изключване на разчистване на сметки, дава различен вид отговор от одит, който започва с търсене на нарушения.
AI-инструмент, който преработва описания на продукти, има различно въздействие от система, която автоматично коригира цените въз основа на търсенето и конкуренцията, или инструмент, който използва данни за клиентите за отправяне на препоръки. В търговията на дребно класификацията по роля и ниво на риск затова е важна: става ли дума за подпомагащо средство, за система, която подготвя решения, или за система, която самостоятелно взема решения, засягащи пряко клиентите, като динамично ценообразуване или автоматизирано отхвърляне на връщания? Тази класификация определя какво ниво на надзор и документация е логично, и кои системи изискват внимание от управителния съвет или риск-мениджмънта, а кои могат да се обработват в рамките на екип.
Организациите в търговията на дребно обикновено вече имат рискови структури за въпроси като безопасност на продуктите, законодателство за защита на личните данни на клиентите или финансов контрол при ценообразуването. AI-управлението не трябва да бъде нов, отделен процес наред с тези структури. То работи по-добре, когато инвентаризацията на използването на AI се свързва със съществуващите рискови категории, така че система, обработваща данни на клиенти по същия канал, се оценява като другите чувствителни от гледна точка на личните данни процеси, а алгоритъм за ценообразуване преминава по същата линия като другите търговски чувствителни решения. Актуалната нормативна уредба относно AI-системите се променя; точните задължения и срокове са описани другаде. Тук важи механизмът: да знаете какво работи, да знаете кой го използва и да знаете колко рисково е то, преди да има външен повод да се разследва.
Предизвикателствата се различават по сектори, макар че основният механизъм е сходен. Който иска да сравни как това се проявява в сектор с много контакт с клиенти и гъвкава работна сила, ще намери това в описанието на AI-управление в ХоРеКа сектора, докато сектор със силни зависимости от вериги за доставка и физически процеси се разглежда в анализа на AI-управление в аграрния сектор. За организации, които сами разработват или закупуват много софтуер, е релевантен прегледът на AI-управление в ИКТ сектора, а за тези, които работят със силно регулирани данни за клиенти, може да се направи сравнение с AI-управление във финансовите услуги.
Инвентаризацията на използването на AI показва какво работи и кой го използва, но все още не дава отговор на въпроса какво означава това за организацията на самата работа. В търговията на дребно, където задачите често са рутинни и добре ограничени — от отговаряне на въпроси на клиенти до писане на текстове за продукти — този следващ въпрос е реален. Работният скенер на FTE TO AI изчислява за всяка задача какъв дял от работата може да бъде поет от AI, въз основа на задачите, както те реално се изпълняват. Докато Responsible AI Scan показва какво се случва и под какво ниво на риск попада това, работният скенер предлага перспективата на организацията на работата: кои задачи се поддават на поемане от AI и в каква степен.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.