Engroshandelen tager sjældent selv kunderelationen eller produktionsprocessen over, men befinder sig lige i midten af det. Bestillinger kommer ind via kundernes systemer, lagre afstemmes med leverandører, og marginen ligger i hastigheden og præcisionen af det led, der forbinder dem. Det gør AI-brug i denne sektor mindre synligt end i sektorer med en egen frontoffice. Der er ingen butiksgulv, hvor man ser en chatbot tale med en kunde. Der er en planlægger, der bruger et værktøj til at forudsige indkøbsvolumener, en account manager, der lader et sprogmodel udarbejde tilbud, et lagersystem med en AI-komponent, som ingen længere genkender som sådan, fordi det har kørt i årevis under et andet navn.
IT-afdelingen i en engrosvirksomhed administrerer typisk kernesystemerne: ERP'et, WMS'et, forbindelserne til kunder og leverandører. Det, der vokser oven på det — spreadsheetværktøjer med en indbygget forudsigelsesfunktion, et separat abonnement til tekstgenerering, en AI-plugin i CRM-systemet, som blev aktiveret af ét team — falder ofte uden for denne administration. Det er ikke, fordi man skjuler noget, men fordi ingen har holdt styr på det. Den, der i denne sektor vil vide, hvad der egentlig kører, må spørge de mennesker, der bruger det. Og det virker kun, hvis det spørgsmål ikke opleves som en anklage. En indkøber, der bruger et værktøj til at forudsige leveringssikkerhed, fortæller det først, når han er sikker på, at svaret ikke bliver brugt mod ham.
Ikke al AI-brug i engroshandelen vejer lige tungt. Et værktøj, der kontrollerer fakturaer for afvigelser, har en anden effekt end et system, der automatisk justerer priser baseret på udbud og efterspørgsel, eller en model, der vurderer leverandører og dermed har indflydelse på, hvem der får en kontrakt. Klassificeringen afhænger af, hvad systemet beslutter, for hvem, og hvad der sker, hvis det går forkert. En prisalgoritme, der systematisk beregner forkert, påvirker marginen direkte. Et værktøj, der kun opsummerer interne rapporter, påvirker primært læsbarheden af en rapport. Disse forskelle bestemmer, hvilket niveau af tilsyn, dokumentation og revision der passer til en anvendelse. Det præcise regelindhold, der gælder her, står ikke på denne side; det ændrer sig og bliver holdt ajour andetsteds. Her handler det om mekanismen: at vide, hvad der kører, at vide, hvilken risiko det bærer, og at dokumentere det på en måde, som en ledelse eller tilsynsmyndighed kan efterspørge.
Hvad der kendetegner engroshandelen i forhold til mange andre sektorer, er det omfang, hvormed AI-brugen ikke starter i den egen virksomhed. Kunder leverer automatiserede ordrer, leverandører sender forudsigelser om tilgængelighed, og mellem disse to strømme befinder sig en engrosvirksomhed, der selv også bruger algoritmer til at koordinere. En governance-tilgang, der kun ser på den egen organisation, mangler en del af billedet. Spørgsmålet er ikke kun, hvilken AI der kører internt, men også hvilke automatiserede beslutninger der kommer ind fra udenom, og hvordan de kontrolleres, inden de påvirker lager, pris eller leveringstid.
Et scan, der starter med det, der egentlig bruges, i stedet for det, der står på IT-listen, afdækker i engroshandelen typisk et lagdelt billede: en kerne af godkendte systemer, et mellemlag af værktøjer, der er blevet funktionelle uden formel godkendelse, og en yderkant af individuel brug, der aldrig er blevet meldt. Disse tre lag kræver ikke samme tilgang. Nogle anvendelser kan bare blive dokumenteret og overvåget; andre kræver en samtale om, hvorfor de er begyndt at køre, og hvad ejeren forventer af dem. Resultatet er ikke en dom over, hvem der gjorde noget forkert, men et grundlag, hvorpå en ledelse kan forklare, hvad der foregår, og hvorfor det er under kontrol — eller hvor det endnu ikke er.
Måden, hvorpå AI spreder sig i en organisation, varierer fra sektor til sektor, men den underliggende bevægelse er sammenlignelig. I fremstillingsindustrien er AI ofte flettet ind i produktionsplanlægning og kvalitetskontrol, i transportsektoren spiller det primært en rolle i ruteplanlægning og forudsigelse af forsinkelser, og i den erhvervsmæssige servicesektor dukker det primært op i rapporter og kundekommunikation. Den, der arbejder i engroshandelen, genkender elementer fra alle disse sektorer, fordi kæden løber igennem dem alle.
En kortlægning af, hvad der kører af AI, viser, hvor risikoen ligger, og hvor tilsyn mangler. Det besvarer ikke et andet spørgsmål, der i mange engrosvirksomheder er lige så presserende: hvilken del af det daglige arbejde der egentlig kan overtages af AI, og hvilken del ikke kan. Det er en anden beregning, der fokuserer på opgaver i stedet for systemer. FTE TO AI tilbyder til dette formål et arbejdsscan, der beregner for hver opgave, hvilken del af arbejdet der kan overtages af AI, som et efterfølgende skridt, når det er klart, hvad der allerede kører, og under hvilket tilsyn det bør falde.
Responsible AI Scan for engroshandelen er nu ved at blive opbygget. Den, der vil kontaktes, så snart scannet er tilgængeligt, kan tilmelde sig ventelisten.
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.