A nagykereskedelem ritkán veszi át maga az ügyfélkapcsolatot vagy a gyártási folyamatot, de középen áll azok között. A megrendelések az ügyfelek rendszerein keresztül érkeznek be, a készletet a beszállítókhoz kell hangolni, és a haszonkulcs a közbeeső láncszem sebességében és pontosságában rejlik. Ez az AI-használatot kevésbé láthatóvá teszi ebben a szektorban, mint azokban az ágazatokban, amelyeknek saját frontoffice-uk van. Nincs üzletpadló, ahol valaki látná, hogy egy chatbot beszél az ügyféllel. Van egy tervező, aki egy eszközt használ a beszerzési volumenek előrejelzésére, egy accountmanager, aki nyelvi modellel készít ajánlatokat, egy raktárrendszer egy AI-komponenssel, amelyet már senki nem ismer fel annak, mert évek óta egy másik néven fut.
A nagykereskedelmi vállalat IT-részlege általában a kulcsrendszereket kezeli: az ERP-t, a WMS-t, az ügyfelekkel és beszállítókkal való kapcsolatokat. Amit ezen felül fejlesztenek – táblázatkezelő eszközök beépített előrejelző funkcióval, önálló előfizetés szöveggeneráláshoz, egy AI-plugin a CRM-ben, amelyet egyetlen csapat aktivált – gyakran kimarad ebből az adminisztrációból. Ez nem azért van, mert valaki eltitkol valamit, hanem azért, mert senki nem tartotta nyilván. Aki ebben a szektorban szeretné tudni, mi működik valójában, annak meg kell kérdeznie azokat, akik használják. És ez csak akkor működik, ha ez a kérdés nem érződik vádnak. Egy beszerző, aki egy eszközt használ a szállítói megbízhatóság előrejelzésére, csak akkor mondja el ezt, ha biztos benne, hogy a válasz nem lesz ellene felhasználva.
Nem minden AI-használat nyom egyformán a nagykereskedelemben. Egy eszköz, amely számlákat ellenőriz eltérésekre, más hatással bír, mint egy rendszer, amely automatikusan igazítja az árakat a kereslet és kínálat alapján, vagy egy modell, amely beszállítókat értékel, és ezzel befolyást gyakorol arra, ki kap szerződést. A besorolás attól függ, mit dönt el a rendszer, kinek a számára, és mi történik, ha elromlik. Egy árazási algoritmus, amely szisztematikusan hibásan számol, közvetlenül érinti a haszonkulcsot. Egy eszköz, amely csak belső jelentéseket foglal össze, elsősorban egy beszámoló olvashatóságát érinti. Ezek a különbségek határozzák meg, milyen szintű felügyelet, dokumentálás és felülvizsgálat illik egy alkalmazáshoz. Az ehhez pontosan kötelező szabálytartalom nem ezen az oldalon áll; ez változik, és máshol tartják nyilván. Itt a mechanizmusról van szó: tudni, mi működik, tudni, milyen kockázatot hordoz, és ezt olyan módon dokumentálni, amelyet egy vezetőség vagy felügyeleti szerv le tud kérdezni.
Ami megkülönbözteti a nagykereskedelmet sok más szektortól, az az a mérték, amennyire az AI-használat nem a saját vállalatnál kezdődik. Az ügyfelek automatizált megrendeléseket adnak, a beszállítók előrejelzéseket küldenek az elérhetőségről, és e két áramlat között áll egy nagykereskedelmi vállalat, amely maga is algoritmusokat használ a kapcsoláshoz. Egy governance-megközelítés, amely csak a saját szervezetre néz, elmulasztja a kép egy részét. A kérdés nem csak az, milyen AI működik belsőleg, hanem az is, milyen automatizált döntések érkeznek kívülről, és hogyan ellenőrzik azokat, mielőtt hatással lennének a készletre, az árra vagy a szállítási időre.
Egy felmérés, amely azzal kezdődik, mi az, amit valóban használnak, nem azzal, amit az IT-listán találunk, a nagykereskedelemben rendszerint egy réteges képet hoz felszínre: egy mag jóváhagyott rendszerekből, egy középső réteg olyan eszközökből, amelyek formális átvilágítás nélkül lettek funkcionálisak, és egy szegély egyéni, soha nem bejelentett használatból. Ezek a három réteg nem kívánják meg ugyanazt a megközelítést. Egyes alkalmazások egyszerűen dokumentálhatók és nyomon követhetők; másoknál beszélgetésre van szükség arról, miért kezdtek működni, és mit vár tőlük a tulajdonosuk. Az eredmény nem ítélet arról, ki tett valamit rosszul, hanem alap, amelyen egy vezetőség megmagyarázhatja, mi zajlik, és miért van ez ellenőrzés alatt – vagy hol nincs még.
Az, ahogyan az AI elterjed egy szervezetben, szektoronként eltér, de az alapul szolgáló mozgás hasonló. A feldolgozóiparban az AI gyakran összefonódik a gyártástervezéssel és a minőségellenőrzéssel, a közlekedési szektorban főleg az útvonaltervezésben és a késés előrejelzésében jelenik meg, és az üzleti szolgáltatásokban elsősorban a jelentésekben és az ügyfélkommunikációban bukkan fel. Aki a nagykereskedelemben dolgozik, elemeket ismer fel mindegyik szektorból, mert a lánc mindenen áthalad.
Az AI-működés feltérképezése megmutatja, hol van kockázat, és hol hiányzik a felügyelet. Nem válaszol arra a másik kérdésre, amely sok nagykereskedelmi vállalatnál éppolyan sürgetően él: a napi munka mely része vehető át valójában az AI által, és melyik része nem. Ez egy másik számítás, amely a feladatokra irányul, nem a rendszerekre. Az FTE TO AI erre kínál egy munkaszkennelést, amely feladatonként kiszámítja, mekkora munkarészt lehet átvenni az AI-val, mint következő lépés, amint egyértelmű, mi működik már, és milyen felügyelet alá kell esnie.
A Responsible AI Scan a nagykereskedelem számára most kerül kidolgozásra. Aki szeretne értesülni erről, amint a szkennelés elérhetővé válik, feliratkozhat a várólistára.
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.