Maloobchod není jednoznačným sektorem, pokud jde o vyspělost AI. Na jedné straně stojí organizace s rozsáhlým, automatizovaným online prostředím, kde personalizace, řízení zásob a cenová logika už delší dobu běží na datech. Na druhé straně stojí fyzická prodejní plocha, kde procesy se často stále opírají o zkušenost, papír a ústní dohody mezi pobočkou a ústředím. V rámci jednoho a téhož řetězce mohou tyto dva světy existovat vedle sebe, a ten rozdíl je větší než v mnoha jiných sektorech. Zatímco finanční služby obvykle ukazují plošší obraz mezi ústředím a provozem, v maloobchodu pravidelně vidíte ústředí, které je daleko vpředu, a prodejní plochu, která to musí ještě dohnat.
Tato mezera je důvodem, proč AI pilotní projekty v maloobchodu často začnou, ale nedokáží se rozrůst. Pilotní projekt na ústředí funguje, protože tam jsou data, systémy a lidé už do jisté míry vzájemně sladěni. Jakmile se má stejný přístup přenést směrem k prodejní ploše nebo distribučnímu centru, často chybí infrastruktura, která by to unesla. Ne proto, že by chyběla ambice, ale proto, že fundamentální vrstva na to ještě není připravena.
Měření vyspělosti hybridresourcing se dívá na sedm dimenzí, rozdělených do pěti úrovní: od baseline až po intelligence. Část těchto dimenzí je fundamentální: sama organizace, IT infrastruktura a správa dat. Další část na nich závisí. Není to volba pořadí, je to způsob, jakým to funguje. Řetězec může nasadit AI na úrovni poboček až tehdy, když jsou data z pokladen, systémů zásob a plánování personálu spolehlivá a vzájemně propojená. Bez tohoto základu zůstává každá aplikace izolovaným experimentem, který se nedá škálovat.
V maloobchodu vidíme, že fundamentální dimenze jsou na ústředí často v pořádku, ale nejsou jednotně zavedeny směrem k pobočkám. Správa dat může být na centrální úrovni vyspělá, zatímco data zaznamenávaná na prodejní ploše jsou stále nekonzistentní, neúplná nebo zpožděná. Tento rozdíl způsobuje, že organizace jako celek dosahuje nižšího skóre, než by naznačoval součet jejích jednotlivých částí.
Co dělá maloobchod zvláštním, není jen rozdíl mezi online a fyzickým prostředím, ale také rozdíl v tom, koho se zeptáte. Kolo hodnocení, kde různí lidé v rámci téže organizace hodnotí zvlášť, ukazuje v tomto sektoru často velký rozptyl. IT manažer na ústředí může infrastrukturu posoudit jako vyspělou, zatímco manažer pobočky se denně potýká s omezeními zastaralých systémů. Oba obrazy jsou pravdivé, ale ukazují na odlišné místo v řetězci.
Tento rozptyl je sám o sobě informací. Ukazuje, kde v organizaci se obraz připravenosti rozchází, a tedy kde nejprve musí vzniknout shoda, než bude mít smysl další krok v AI. Tato otázka shody je v maloobchodu často větší než v sektorech s kompaktnější organizační strukturou, jako je sektor ICT, kde ústředí a provoz obvykle stojí blíže u sebe.
Napětí mezi centrálně řízeným ústředím a rozptýleným provozem není jedinečné pro maloobchod. Totéž napětí se objevuje i v hotelnictví a gastronomii, kde se řetězec poboček musí rovněž opírat o konzistentní základní procesy dříve, než AI může fungovat na úrovni lokace, a v sektoru nemovitostí, kde centrální správa a decentralizovaná údržba často vyrostly nezávisle na sobě. Ve všech těchto sektorech platí stejné pořadí: organizace, infrastruktura a správa dat musí stát pevně, než dimenze, které na nich budují, mohou udávat směr.
Měření vyspělosti nevynáší soud o tom, které oddělení zůstává pozadu, a nedává žádné doporučení, co by se mělo změnit jako první. Co měření dělá, je vyjasnit, na jaké úrovni se organizace nachází v každé ze sedmi dimenzí, a kde je rozptyl mezi hodnotícími lidmi největší. Pro řetězec v maloobchodu to často znamená konfrontaci mezi obrazem na ústředí a realitou na prodejní ploše, a to je přesně ten obraz, který je potřeba k určení, kde je ještě nutné položit základ.
Nástroj, který toto měření provádí, se právě staví. Kdo ho chce využít, jakmile bude k dispozici, se může přihlásit na čekací listinu. Nenabízí se nic, co ještě neexistuje, a neslibuje se nic o výsledku měření pro vaši organizaci.
Tato stránka popisuje, zda je organizace jako celek připravena unést AI: zda je základ organizace, infrastruktury a dat dostatečně pevný předtím, než mají další kroky smysl. To je jiná otázka než to, jakou část práce může AI skutečně převzít. Pro tuto otázku je určen work scan od FTE TO AI: ten pro každý úkol vypočítá, jakou část práce lze převést na AI, od správy zásob až po komunikaci s klienty. Zatímco měření vyspělosti zobrazuje nosnost organizace, work scan zobrazuje samotný obsah práce. Oba obrazy jsou potřebné k tomu, abyste věděli, kde skutečně stojíte.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.