Mazumtirdzniecība ir nozare, kurā AI iesakņojas divos līmeņos vienlaikus. No vienas puses, ir lielās, redzamās sistēmas: krājumu prognozes, cenu optimizācija, ieteikumu dzinēji interneta veikalā, klientu apkalpošanas tērzēšanas roboti. Tās parasti ir zināmas IT un iepirkuma nodaļām, jo tās kaut kur ir iegādātas un ieviestas. No otras puses, ir daudz izplūdušāka aina: atsevišķi darbinieki veikala grīdā, mārketingā vai iepirkumā, kuri izmanto AI rīku, lai rakstītu produktu aprakstus, atbildētu uz klientu jautājumiem, ģenerētu kampaņu attēlus vai iegūtu konkurentu cenas. Šis otrais slānis parasti ir lielāks nekā pirmais, vienkārši tāpēc, ka slieksnis izmēģināt bezmaksas vai lētu rīku ir zems un efekts ir tieši sajūtams: ātrāk sagatavots reklāmas teksts, ātrāka atbilde uz sūdzību.
Pie tam mazumtirdzniecība bieži strādā ar daudziem pagaidu un flekstabiliem darbiniekiem, kas ir izkaisīti pa vairākiem veikaliem vai kanāliem. Tas padara sarežģītāku vienota centrāla pārskata izveidi par to, kurš izmanto kādus rīkus un kāpēc. Galvenajam birojam var būt skaidra politika sistēmām, kuras tas pats ir iepircis, kamēr veikalu līmenī vai interneta veikala komandā rodas AI lietojumprogrammas, kuras nekur nav reģistrētas. Attiecība starp to, kas ir centrāli apstiprināts, un to, kas ir radies lokāli, šajā nozarē parasti ir nelīdzsvarota: oficiāli iegādāto sistēmu skaits ir ierobežots, bet atsevišķu lietojumprogrammu skaits, kuras darbinieki paši sākuši izmantot, parasti ir daudz lielāks.
Termins ēnu AI izklausās tehniski, bet mazumtirdzniecībā tas ir praktisks: tas ir rīks, ko mārketinga darbinieks izmanto sociālo tīklu ierakstu ģenerēšanai, tērzēšanas robots, ko klientu apkalpošanas komanda pati konfigurējusi, vai AI modelis, kas tiek izmantots atsauksmju analīzei, bez tam, ka to kāds no IT vai juridiskās nodaļas ir izvērtējis. Tas retos gadījumos notiek nolaidības dēļ. Tas notiek, jo rīki ir pieejami, jo spiediens uz ātrumu ir augsts, un jo neviens nav skaidri pasacījis, ka to nedrīkst darīt.
IT apstiprinātās programmatūras sarakts tāpēc dod nepilnīgu priekšstatu. Kurš vēlas pilnu priekšstatu, tam jājautā tieši cilvēkiem pašiem. Tas izdodas tikai tad, ja šis jautājums tiek uzdots bez sekām. Tiklīdz darbinieki nojaušat, ka AI izmantošanas ziņošana novedīs pie korekcijas vai aizlieguma, informācija atkal pazūd no redzesloka, un izmantošana pāriet uz privātajām ierīcēm vai personīgajiem kontiem. Inventarizācija, kas sākas ar norēķina izslēgšanu, dod cita veida atbildi nekā audits, kas sākas ar pārkāpumu meklēšanu.
AI rīkam, kas pārraksta produktu aprakstus, ir cita ietekme nekā sistēmai, kas automātiski pielāgo cenas, pamatojoties uz pieprasījumu un konkurenci, vai rīkam, kas izmanto klientu datus, lai sniegtu ieteikumus. Mazumtirdzniecībā tāpēc svarīga ir klasifikācija pēc lomas un riska līmeņa: vai runa ir par palīgrīku, sistēmu, kas sagatavo lēmumus, vai sistēmu, kas pati pieņem lēmumus, kas tieši skar klientus, piemēram, dinamiska cenu noteikšana vai automatizēta atgriešanas noraidīšana? Šis iedalījums nosaka, kāds pārraudzības un dokumentācijas līmenis ir loģisks, un kuras sistēmas prasa valdes vai riska pārvaldības uzmanību, un kuras var tikt risinātas komandas ietvaros.
Mazumtirdzniecības organizācijām parasti jau ir riska struktūras tādām jautājumiem kā produktu drošība, privātuma tiesību akti attiecībā uz klientu datiem vai finanšu kontrole cenu noteikšanā. AI pārvaldībai nav vajadzīgs būt jaunam, atsevišķam procesam līdzās šīm struktūrām. Tas darbojas labāk, ja AI izmantošanas inventarizācija tiek saistīta ar esošajām riska kategorijām, tā, ka sistēma, kas apstrādā klientu datus, tiek novērtēta pa to pašu kanālu, kā citi privātumam jutīgi procesi, un cenu algoritms iet pa to pašu līniju, kā citi komerciāli jutīgi lēmumi. Aktuālais regulējums attiecībā uz AI sistēmām mainās; precīzie pienākumi un termiņi ir aprakstīti citur. Šeit svarīgs ir mehānisms: zināt, kas darbojas, zināt, kurš to izmanto, un zināt, cik riskants tas ir, pirms rodas ārējs iemesls to izpētīt.
Izaicinājumi dažādās nozarēs atšķiras, kaut arī pamatā esošais mehānisms ir līdzīgs. Kurš vēlas salīdzināt, kā tas izpaužas nozarē ar daudz klientu kontaktiem un flekstabilu darbaspēku, atradīs to aprakstā par AI pārvaldību skaistumkopšanas un labsajūtas nozarē, kamēr nozare ar spēcīgu ķēdes savstarpējo atkarību un fiziskiem procesiem tiek aplūkota analīzē par AI pārvaldību lauksaimniecības nozarē. Organizācijām, kuras pašas daudz izstrādā vai iepirkst programmatūru, ir noderīgs pārskats par AI pārvaldību IKT nozarē, un kurš strādā ar stingri regulētiem klientu datiem, var veikt salīdzinājumu ar AI pārvaldību finanšu pakalpojumu nozarē.
AI izmantošanas inventarizācija parāda, kas darbojas un kurš to izmanto, bet nedod atbildi uz jautājumu, ko tas nozīmē pašam darba organizācijai. Mazumtirdzniecībā, kur uzdevumi bieži ir rutīnas raksturīgi un labi noteikti — no klientu jautājumu atbildēšanas līdz produktu tekstu rakstīšanai — šis sekojošais jautājums ir reāls. FTE TO AI darba skenēšana pēc uzdevuma aprēķina, cik lielu daļu darba var pārņemt AI, pamatojoties uz uzdevumiem, kā tie faktiski tiek veikti. Kamēr Responsible AI Scan kartē, kas notiek un kādā riska līmenī tas ietilpst, darba skenēšana piedāvā darba organizācijas perspektīvu: kuri uzdevumi ir piemēroti pārņemšanai un kādā mērā.
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.