Didmeninė prekyba retai pati perima klientų ryšius ar gamybos procesą, tačiau yra tiesiog viduryje. Užsakymai gaunami per klientų sistemas, atsargos derinamos su tiekėjais, o marža slypi tarpinės grandies greityje ir tikslume. Tai daro AI naudojimą šiame sektoriuje mažiau pastebimą nei sektoriuose, turinčiuose savo priekinę sąsają. Nėra parduotuvės aukšto, kur kas nors pamato pokalbių robotą, kalbantį su klientu. Yra planuotojas, kuris naudoja įrankį pirkimo apimčių prognozavimui, klientų vadybininkas, kuris leidžia kalbos modeliui sudaryti pasiūlymus, sandėlio sistema su AI komponentu, kurio niekas jau nebepripažįsta kaip tokio, nes jis veikia jau metų metus kitu pavadinimu.
Didmeninės prekybos įmonės IT skyrius paprastai valdo pagrindines sistemas: ERP, WMS, sąsajas su klientais ir tiekėjais. Tai, kas auga viršuje – skaičiuoklių įrankiai su įmontuota prognozavimo funkcija, atskira prenumerata teksto generavimui, AI papildinys CRM sistemoje, kurį aktyvavo viena komanda – dažnai nepatenka į šią apskaitą. Tai nėra dėl to, kad kažkas kažką slepia, o dėl to, kad niekas to nesekė. Kas šiame sektoriuje norėtų sužinoti, kas iš tikrųjų vyksta, turi paklausti tų, kurie tai naudoja. Ir tai veikia tik tada, kai toks klausimas nesijaučia kaip kaltinimas. Pirkimų specialistas, naudojantis įrankį tiekimo patikimumui prognozuoti, tai papasakos tik tada, kai bus tikras, kad atsakymas nebus panaudotas prieš jį.
Ne visas AI naudojimas didmeninėje prekyboje sveria vienodai. Įrankis, kuris tikrina sąskaitas faktūras dėl nukrypimų, turi kitokią įtaką nei sistema, kuri automatiškai koreguoja kainas pagal paklausą ir pasiūlą, ar modelis, kuris vertina tiekėjus ir tuo pačiu turi įtaką tam, kas gauna sutartį. Klasifikacija priklauso nuo to, ką sistema nusprendžia, kam, ir kas nutinka, jei kažkas nepavyksta. Kainų algoritmas, kuris sistemingai skaičiuoja neteisingai, tiesiogiai paveikia maržą. Įrankis, kuris tik apibendrina vidines ataskaitas, paveikia daugiausia ataskaitos skaitomumą. Šie skirtumai nustato, koks priežiūros, dokumentavimo ir peržiūros lygis tinka konkrečiam sprendimui. Tikslus reguliavimo turinys, kuris tuo atveju yra privalomas, šiame puslapyje nenurodomas; jis kinta ir stebimas kitur. Čia svarbu mechanizmas: žinoti, kas veikia, žinoti, kokią riziką tai neša, ir tai užfiksuoti taip, kad valdyba ar priežiūros institucija galėtų tai patikrinti.
Didmeninę prekybą nuo daugelio kitų sektorių skiria tai, kiek AI naudojimas nepradedama nuo pačios įmonės. Klientai teikia automatizuotus užsakymus, tiekėjai siunčia prognozes apie prieinamumą, o tarp šių dviejų srautų yra didmeninės prekybos įmonė, kuri pati taip pat naudoja algoritmus, kad susijungtų. Valdymo požiūris, kuris žiūri tik į savo organizaciją, nepamato dalies vaizdo. Klausimas nėra vien tai, kokia AI veikia įmonės viduje, bet ir tai, kokie automatizuoti sprendimai atkeliauja iš išorės ir kaip jie kontroliuojami, prieš jiems paveikiant atsargas, kainą ar pristatymo laiką.
Skenavimas, kuris pradeda nuo to, kas iš tikrųjų naudojama, o ne nuo to, kas yra IT sąraše, didmeninėje prekyboje dažniausiai atskleidžia sluoksniuotą vaizdą: patvirtintų sistemų branduolį, vidurinį sluoksnį iš įrankių, kurie tapo funkciniais be formalaus vertinimo, ir kraštinį sluoksnį individualaus naudojimo, kuris niekada nebuvo praneštas. Šie trys sluoksniai nereikalauja to pačio požiūrio. Kai kurie sprendimai gali būti tiesiog dokumentuojami ir stebimi; kiti reikalauja pokalbio apie tai, kodėl jie pradėti naudoti ir ko iš jų tikisi savininkas. Rezultatas nėra sprendimas apie tai, kas ką padarė netinkamai, o pagrindas, kuriuo remiantis valdyba gali paaiškinti, kas vyksta ir kodėl tai yra kontroliuojama – arba kur tai vis dar nėra.
Būdas, kuriuo AI plinta organizacijoje, skiriasi pagal sektorių, tačiau pagrindinis judesys yra panašus. Gamybos pramonėje AI dažnai yra įaustas į gamybos planavimą ir kokybės kontrolę, transporto sektoriuje jis pasireiškia daugiausia maršrutų planavime ir vėlavimų prognozavime, o verslo paslaugų sektoriuje jis dažniausiai iškyla ataskaitose ir bendravime su klientais. Kas dirba didmeninėje prekyboje, atpažįsta elementus iš visų šių sektorių, nes tiekimo grandinė eina per juos visus.
AI naudojimo inventorizacija parodo, kur yra rizika ir kur trūksta priežiūros. Ji neatsako į kitą klausimą, kuris daugelyje didmeninės prekybos įmonių yra lygiai taip pat aktualus: kokią dalį kasdienio darbo iš tikrųjų galima perduoti AI, o kokios – ne. Tai kitas skaičiavimas, orientuotas į užduotis, o ne į sistemas. FTE TO AI šiam tikslui pasiūlo darbo skenavimą, kuris pagal užduotį apskaičiuoja, kokią dalį darbo galima perduoti AI, kaip tolimesnį žingsnį, kai jau aišku, kas veikia ir kokia priežiūra tam turi būti taikoma.
Atsakingo AI naudojimo skenavimas (Responsible AI Scan) didmeninei prekybai šiuo metu yra kuriamas. Kas norėtų būti informuotas, kai skenavimas taps prieinamas, gali užsiregistruoti laukiančiųjų sąraše.
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.