Leto 2020 je bilo za trgovce eno najbolj neugodnih. Potrošniki so se novim razmeram hitro prilagodili, kar se je odražalo tudi v njihovem nakupnem vedenju. Trgovci so morali biti agilni in ostati v koraku s povpraševanjem, pri čemer sta se avtomatizacija procesov in umetna inteligenca izkazali za nepogrešljivi. Kljub temu pa so se v začetnem krču negotovosti številni trgovci odzvali ravno obratno in nemudoma izključili vse svoje sisteme, ki so temeljili na umetni inteligenci.
Prvotnega odziva jim ne gre zameriti. V prodaji se umetna inteligenca in strojno učenje pogosto uporabljata za natančnejše postopke naročanja, kar izključuje tveganje premajhne ali prevelike zaloge. Kako uspešni bosta, je odvisno tudi od preteklih podatkov. Ker pa se je trgovinska panoga v zgolj nekaj mesecih obrnila na glavo in nič več ni bilo tako kot včasih, so trgovci sklepali, da novim razmeram tudi umetna inteligenca in strojno učenje ne bosta kos. Ker so se jim pretekli podatki zdeli neuporabni, so se v iskanju poti do pokrivanja velikih finančnih izgub vrnili k »ročnemu« sprejemanju odločitev.
Vsi izdelki ne sodijo v isti koš
Obup trgovcev se je tako odražal v sprejemanju številnih škodljivih odločitev, kot je zniževanje cen. Tak odziv je bil še zlasti razširjen v maloprodaji modnih izdelkov, kjer so trendi povezani s sezono in zmanjšanje povpraševanja hitro vodi v povečanje količine odpadkov. V različnih sektorjih prodaje so trgovci pogosto spregledali tudi dejstvo, da strojno učenje vsak izdelek obravnava ločeno in se odloča na osnovi številnih dejavnikov, vključno z razpoložljivostjo in povpraševanjem. Če bi podjetja v paniki vrgla vse izdelke v isti koš, bi si lahko na dolgi rok naredila veliko škodo.
Čeprav se zdi v novi resničnosti nemogoče ali nesmiselno načrtovati vnaprej, imata prav umetna inteligenca in strojno učenje moč, da se hitro prilagodita novim razmeram in predvidita prihodnost še bolje kot človek. Na osnovi vzorčne obnove sistemov sta namreč sposobna sprejeti spremembe, nihanja in nepravilnosti.
Obnova sistemov vključuje tri faze:
- Vzorčni model, ki analizira posamezne lastnosti izdelkov, lokacije in časovnice ter narekuje izračune in predvidevanja o prihodnjem povpraševanju;
- Analiza uspešnosti izračunov v kratkem časovnem obdobju;
- Prilagoditev, kjer je sistem sposoben izračunati nedavna odstopanja (ostanke) in nato ustrezno prilagoditi odziv.
Ne podcenjujete moči umetne inteligence in strojnega učenja
V letu 2020 je bila za trgovce ključna zadnja faza prilagoditve, saj so sistemi v zgolj nekaj dneh prepoznali spremembo spremenljivk povpraševanja in potrebo po popravkih. Te popravke pa so izvedli bistveno hitreje in natančneje, kot bi jih lahko človek.
Nedvomno je za nami obdobje številnih sprememb. Umetna inteligenca in strojno učenje sta ga zaznala zgolj kot obdobje z drugačno hitrostjo sprememb. Ker temeljita na preteklih podatkih, je povsem razumljivo, da smo zaradi negotovosti in novih pravil na trgu podvomili v njune sposobnosti. A če pogledamo večjo sliko, se življenje, industrija in vedenje potrošnikov nenehno spreminjajo, umetna inteligenca in strojno učenje pa sta bila zgrajena, da prepoznata prav to. Njune prednosti bodo trgovci lahko izkoristili le, če jima bodo zaupali, bodisi pri določanju prave cene, upravljanju zaloge bodisi racionalizaciji procesov v prodajalnah.