dziennik

Gdzie AI naprawdę oszczędza pracę w sieci handlowej?

W sieci handlowej AI oszczędza pracę tam, gdzie ludzie czytają i przepisują: faktury dostawców, uzgadnianie ERP i POS, raporty sklepów, wiadomości klientów i opisy produktów.

jose l.content & research5 min czytania

AI oszczędza pracę w operacjach handlowych tam, gdzie ludzie czytają, dopasowują i przepisują te same dokumenty w wielu sklepach: faktury dostawców porównywane z zamówieniami, uzgadnianie danych między ERP, systemem POS i fakturowaniem, raporty operacyjne sklepów, wiadomości od klientów oraz opisy produktów po arabsku i po angielsku. W każdym przypadku wskazana osoba zatwierdza wynik, zanim zostanie zaksięgowany lub wysłany.

#Najważniejsze wnioski

  • Praca, którą AI oszczędza w sieci handlowej, to czytanie, dopasowywanie i przepisywanie, a nie podejmowanie decyzji.
  • Najlepsi kandydaci powtarzają się w każdym sklepie: faktury dostawców, uzgadnianie danych, raporty sklepów, wiadomości od klientów i opisy produktów.
  • Wskazana osoba, na przykład księgowa ds. Zobowiązań lub kierownik kategorii, zatwierdza każdy wynik, zanim trafi do systemu źródłowego.
  • Zacznij od jednego przebiegu pracy, uszeregowanego względem pozostałych, a nie od programu AI dla całej sieci.
  • Najtrudniejsze są zwykle dane i proces, a nie model.

#Które przebiegi pracy w handlu detalicznym warto zautomatyzować najpierw?

Stennir szuka pracy, która powtarza się w sklepach, opiera się na zasadach, które człowiek potrafi spisać, i kończy się decyzją, którą ktoś już dziś zatwierdza. W sieci handlowej ten test zwykle przechodzi pięć przebiegów pracy. Różnią się tym, kto je zatwierdza, z jakimi systemami się łączą i ile szkody może wyrządzić błędny wynik.

  • Faktury dostawców i zamówienia. AI czyta każdą fakturę, dopasowuje ją do zamówienia i dokumentu przyjęcia towaru i oznacza różnice. Księgowa ds. Zobowiązań zatwierdza, zanim cokolwiek zostanie zaksięgowane w ERP.
  • Uzgadnianie danych między ERP, POS i fakturowaniem. AI porównuje sprzedaż, zwroty i faktury sklepów w trzech systemach i wypisuje rozbieżności wraz z prawdopodobną przyczyną. Kierownik finansowy je wyjaśnia.
  • Raporty operacyjne sklepów. AI zamienia notatki, listy kontrolne i zdjęcia od kierowników sklepów w jedno podsumowanie na region z listą otwartych spraw. Kierownik regionu je przegląda.
  • Wiadomości od klientów. AI sortuje wiadomości według sklepu i tematu i przygotowuje szkice odpowiedzi dotyczących zamówień, zwrotów i godzin otwarcia. Pracownik obsługi klienta je poprawia i wysyła.
  • Opisy produktów po arabsku i po angielsku. AI przygotowuje w obu językach szkice opisów i atrybutów na podstawie karty od dostawcy. Kierownik kategorii lub e-commerce zatwierdza je przed publikacją.

Pierwsze dwa to ten sam problem co przepisywanie danych między systemami, opisany we wpisach AI do wprowadzania danych i AI do przetwarzania faktur.

#Na co faktycznie idzie wysiłek w sieci 40 sklepów?

Przykład poglądowy, liczby są założeniami: sieć 40 sklepów, z których każdy w większość dni handlowych wysyła jeden raport operacyjny i kilka faktur od dostawców. Centrala czyta potem 40 raportów, dopasowuje kilkaset faktur do zamówień i wyjaśnia niezgodności e-mailem. Nic z tego nie jest trudne. Jest powtarzalne i rozłożone na ludzi, których właściwa praca polega na czymś innym.

#Kto co zatwierdza i w jakim systemie?

Każdy przebieg pracy potrzebuje wskazanej osoby zatwierdzającej i systemu źródłowego, który pozostaje jedynym źródłem prawdy. ERP pozostaje źródłem danych o fakturach i zapasach. POS pozostaje źródłem danych o sprzedaży. AI przygotowuje dopasowanie lub szkic i przedstawia je osobie, która już odpowiada za tę decyzję, w narzędziach, z których korzysta dziś.

Każde działanie trafia do dziennika: co AI przeczytała, co zaproponowała, kto to zatwierdził i co się zmieniło. To zgodne z kierunkiem ram zarządzania ryzykiem AI NIST, styczeń 2023, które traktują nadzór człowieka i odpowiedzialność jako część zarządzania ryzykiem AI.

#Dlaczego pilotaże AI w handlu utykają?

Większość utyka na danych i procesach, a nie na modelu. Gartner, lipiec 2024 przewidywał, że do końca 2025 roku 30% projektów generatywnej AI zostanie porzuconych po etapie proof of concept, wymieniając wśród przyczyn słabą jakość danych, niewystarczającą kontrolę ryzyka i niejasną wartość biznesową.

W handlu słaba jakość danych wygląda znajomo: kody dostawców, które różnią się między ERP a fakturą, nazwy sklepów zapisywane na trzy sposoby, zwroty zarejestrowane w POS, ale nie w fakturowaniu. Audyt powinien wykryć to, zanim ktokolwiek zacznie budować. Poprawienie tabeli mapowań często daje więcej niż jakikolwiek wybór modelu.

We are

Stennir szereguje przebiegi pracy w handlu warte automatyzacji, buduje jeden z nich w twoim ERP, POS i skrzynce pocztowej z zatwierdzaniem przez człowieka i szkoli osoby, które go prowadzą.

We aren't

Stennir nie jest dostawcą oprogramowania dla handlu ani programem AI dla całej sieci, który startuje, zanim zadziała choćby jeden przebieg pracy.

#A co z treściami i wiadomościami od klientów po arabsku i po angielsku?

Opisy produktów i wiadomości od klientów to obszary, w których język ma znaczenie. Szkice po arabsku i po angielsku powinny być pisane z myślą o twoich klientach, a nie tłumaczone słowo w słowo, a osoba sprawdzająca powinna czytać w obu językach. Stennir testuje szkice na twoich własnych kartach produktów i twojej skrzynce pocztowej, zanim cokolwiek zostanie opublikowane.

Wiadomości od klientów niosą też ryzyko bezpieczeństwa: wiadomość może zawierać instrukcje wymierzone w AI. OWASP top 10 dla aplikacji LLM wymienia prompt injection jako pierwsze ryzyko, dlatego odpowiedzi pozostają szkicami, dopóki nie wyśle ich pracownik.

#Co powinien zrobić dyrektor operacji handlowych w następnej kolejności?

Wypisz pięć powyższych przebiegów pracy, zapisz, kto dziś zatwierdza każdy z nich i z jakimi systemami się łączy, a potem wybierz ten z najjaśniejszymi zasadami. Doradztwo AI Stennir szereguje pięć przebiegów pracy i rekomenduje jedną budowę z zakresem i regionem hostingu. Zobacz AI dla operacji, wypełnij bezpłatną ocenę gotowości albo umów 30-minutową rozmowę.

#Najczęstsze pytania

Czego potrzebujecie od nas na start?

Dostępu do jednej osoby, która dziś prowadzi dany przebieg pracy, próbki prawdziwych dokumentów, takich jak faktury, raporty sklepów czy wiadomości od klientów, oraz dostępu do odczytu w używanych systemach. Stennir opisuje z tą osobą kolejne kroki, spisuje zasady i osobę zatwierdzającą i dopiero wtedy proponuje, co zbudować i gdzie to hostować.

Gdzie pozostają nasze dane?

W regionie, którego wymagają twoje zasady. Stennir hostuje przebieg pracy tam, gdzie wskazują twoje obowiązki w zakresie ochrony danych, na przykład zgodnie z ustawą o ochronie danych osobowych ZEA lub saudyjską ustawą PDPL. Konta, dane i wyłącznik należą do ciebie, a miejsce działania modelu uzgadnia się z góry, nie tylko miejsce przechowywania.

Czy to działa po arabsku?

Tak. Arabski i angielski są w pełni obsługiwane, w tym wiadomości mieszające oba języki i dwujęzyczne opisy produktów. Stennir testuje na twoich własnych fakturach, kartach produktów i wiadomościach od klientów, zanim cokolwiek zostanie uruchomione, bo formaty dostawców, dialekt i transliterowane nazwy produktów różnią się między sieciami. Inne języki są dostępne na życzenie.

Co może pójść nie tak?

Typowe błędy to błędne dopasowanie zaksięgowane bez przeglądu, odpowiedź obiecująca coś, czego sklep nie może zrobić, albo opis produktu z błędnym atrybutem. Dlatego wskazana osoba zatwierdza każdy wynik, każde działanie trafia do dziennika, a przebieg pracy zaczyna się od jednej grupy sklepów, zanim obejmie całą sieć.

Powiedz nam, które zadanie zabiera najwięcej czasu.

30 minut. Bez przygotowania. Powiemy Ci szczerze, czy AI może pomóc i od czego zacząć.