Vähittäiskauppa on sektori, jossa AI juurtuu kahdelle tasolle samanaikaisesti. Toisaalta on suuret, näkyvät järjestelmät: varastoennusteet, hinnoittelun optimointi, verkkokaupan suositusmoottorit, chatbotit asiakaspalvelussa. Ne ovat useimmiten IT:n ja hankinnan tiedossa, koska ne on jossain hankittu ja implementoitu. Toisaalta on paljon hajanaisempi maisema: yksittäiset työntekijät myymälässä, markkinoinnissa tai hankinnassa, jotka käyttävät AI-työkalua tuotekuvausten kirjoittamiseen, asiakaskysymyksiin vastaamiseen, kampanjakuvien luomiseen tai kilpailijoiden hintojen keräämiseen. Tämä toinen kerros on tavallisesti suurempi kuin ensimmäinen, yksinkertaisesti siksi, että kynnys kokeilla ilmaista tai edullista työkalua on matala ja vaikutus on suoraan tuntuva: nopeammin valmis mainosteksti, nopeammin vastaus valitukseen.
Lisäksi vähittäiskauppa toimii usein paljon tilapäisen ja joustavan henkilöstön kanssa, hajautettuna useisiin toimipisteisiin tai kanaviin. Se vaikeuttaa yhden keskitetyn yleiskuvan saamista siitä, kuka käyttää mitä työkaluja ja miksi. Pääkonttorilla voi olla selkeä käytäntö itse hankkimilleen järjestelmille, kun samaan aikaan toimipistetasolla tai verkkokauppatiimin sisällä syntyy AI-sovelluksia, joita ei ole rekisteröity missään. Suhde sen välillä, mikä on keskitetysti hyväksytty ja mikä on syntynyt paikallisesti, on tällä sektorilla yleensä epätasapainossa: virallisesti hankittujen järjestelmien määrä on rajallinen, kun yksittäisten sovellusten määrä, joita työntekijät ovat itse alkaneet käyttää, on tavallisesti paljon suurempi.
Termi varjo-AI kuulostaa tekniseltä, mutta vähittäiskaupassa se on käytännönläheinen: se on työkalu, jota markkinointityöntekijä käyttää sosiaalisen median julkaisujen luomiseen, chatbot, jonka asiakaspalvelutiimi on itse konfiguroinut, tai AI-malli, jota käytetään arvostelujen analysointiin, ilman että IT tai lakiasiat ovat sitä koskaan tarkastelleet. Tämä tapahtuu harvoin huolimattomuudesta. Se tapahtuu, koska työkalut ovat helposti saatavilla, koska nopeuden paine on korkea, ja koska kukaan ei ole nimenomaisesti sanonut, että sitä ei saa tehdä.
IT:n hyväksyttyjen ohjelmistojen lista antaa siksi puutteellisen kuvan. Kokonaiskuvaa haluava joutuu kysymään ihmisiltä itseltään. Se onnistuu vain, jos kysymys esitetään ilman seurauksia. Kun työntekijät epäilevät, että AI-käytön ilmoittaminen johtaa korjaukseen tai kieltoon, tieto katoaa näkyvistä ja käyttö siirtyy henkilökohtaisiin laitteisiin tai henkilökohtaisiin tileihin. Inventaari, joka alkaa sulkemalla pois seuraamukset, tuottaa erilaisen vastauksen kuin auditointi, joka alkaa rikkomusten etsimisestä.
AI-työkalulla, joka kirjoittaa tuotekuvauksia uudelleen, on erilainen vaikutus kuin järjestelmällä, joka mukauttaa hintoja automaattisesti kysynnän ja kilpailun perusteella, tai työkalulla, joka käyttää asiakastietoja suositusten tekemiseen. Vähittäiskaupassa luokittelu roolin ja riskitason mukaan on siksi tärkeää: onko kyse tukevasta apuvälineestä, järjestelmästä, joka valmistelee päätöksiä, tai järjestelmästä, joka tekee itsenäisesti päätöksiä, jotka koskettavat asiakkaita suoraan, kuten dynaaminen hinnoittelu tai automatisoitu palautusten hylkääminen? Tämä jaottelu määrittää, minkä tason valvonta ja dokumentaatio on järkevää, ja mitkä järjestelmät vaativat johdon tai riskienhallinnan huomiota ja mitkä voidaan käsitellä tiimin sisällä.
Vähittäiskauppaorganisaatioilla on tavallisesti jo riskirakenteita esimerkiksi tuoteturvallisuuden, asiakastietoja koskevan tietosuojalainsäädännön tai hinnoittelun taloudellisen valvonnan osalta. AI-hallinnoinnin ei tarvitse olla uusi, erillinen prosessi näiden rakenteiden rinnalla. Se toimii paremmin, kun AI-käytön inventointi liitetään olemassa oleviin riskiluokkiin, niin että asiakastietoja käsittelevä järjestelmä arvioidaan samaa kanavaa käyttäen kuin muut tietosuojaherkät prosessit, ja hinnoittelualgoritmi kulkee samaa linjaa kuin muut kommersiaalisesti herkät päätökset. Ajankohtainen sääntely AI-järjestelmien osalta muuttuu; tarkat velvoitteet ja määräajat on kuvattu muualla. Tässä tärkeää on mekanismi: tietää, mitä on käytössä, tietää, kuka sitä käyttää, ja tietää, kuinka riskialtista se on, ennen kuin ulkoinen syy pakottaa sen selvittämiseen.
Haasteet vaihtelevat sektorista toiseen, vaikka taustalla oleva mekanismi on vertailukelpoinen. Ken haluaa vertailla, miten tämä ilmenee sektorilla, jossa on paljon asiakaskontaktia ja joustavaa työvoimaa, löytää sen kuvauksesta AI-hallinnointi ravintola-alalla, kun taas sektori, jossa on vahvoja toimitusketjuriippuvuuksia ja fyysisiä prosesseja, käsitellään analyysissä AI-hallinnointi maatalousalalla. Organisaatioille, jotka kehittävät tai hankkivat itse paljon ohjelmistoja, on relevantti yleiskatsaus AI-hallinnointi ICT-alalla, ja se, joka käsittelee vahvasti säädeltyä asiakastietoa, voi tehdä vertailun kohteeseen AI-hallinnointi rahoituspalvelualalla.
AI-käytön inventaari näyttää, mitä on käytössä ja kuka sitä käyttää, mutta ei vielä vastaa kysymykseen siitä, mitä se tarkoittaa itse työn organisoinnille. Vähittäiskaupassa, jossa tehtävät ovat usein rutiininomaisia ja hyvin rajattuja — asiakaskysymyksiin vastaamisesta tuotetekstien kirjoittamiseen — tämä seurauskysymys on todellinen. FTE TO AI:n työskannaus laskee tehtäväkohtaisesti, kuinka suuri osa työstä on AI:n siirrettävissä, perustuen tehtäviin sellaisina kuin ne todellisuudessa suoritetaan. Siinä missä Responsible AI Scan kartoittaa, mitä tapahtuu ja millä riskitasolla se on, työskannaus tarjoaa työn organisoinnin näkökulman: mitkä tehtävät soveltuvat siirrettäväksi, ja missä määrin.
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.