Il commercio al dettaglio non è un settore univoco quando si parla di maturità dell'AI. Da un lato ci sono organizzazioni con un ambiente online ampio e automatizzato, dove personalizzazione, gestione delle scorte e logica dei prezzi si basano sui dati già da tempo. Dall'altro lato c'è il punto vendita fisico, dove i processi si basano spesso ancora sull'esperienza, sulla carta e su accordi verbali tra filiale e sede centrale. All'interno di una stessa catena questi due mondi possono coesistere, e questa differenza è maggiore che in molti altri settori. Dove i servizi finanziari mostrano generalmente un quadro più uniforme tra sede centrale ed esecuzione, nel commercio al dettaglio si osserva regolarmente una sede centrale molto avanzata e un punto vendita che deve ancora recuperare.
Questo divario è il motivo per cui i pilot di AI nel commercio al dettaglio spesso partono, ma non riescono a crescere. Un pilot presso la sede centrale funziona, perché lì i dati, i sistemi e le persone sono già in qualche misura allineati tra loro. Non appena il medesimo approccio deve estendersi verso il punto vendita o il centro di distribuzione, spesso manca l'infrastruttura necessaria per sostenerlo. Non perché manchi l'ambizione, ma perché il livello fondamentale non è ancora pronto.
La misurazione della maturità di hybridresourcing esamina sette dimensioni, suddivise in cinque livelli: dal baseline all'intelligence. Una parte di queste dimensioni è fondamentale: l'organizzazione stessa, l'infrastruttura IT e la gestione dei dati. Un'altra parte ne dipende. Non si tratta di una scelta nell'ordine, ma del modo in cui funziona il sistema. Una catena può impiegare l'AI a livello di filiale solo quando i dati provenienti dalle casse, dai sistemi di gestione delle scorte e dalla pianificazione del personale sono affidabili e collegati tra loro. Senza questa base, ogni applicazione rimane un esperimento isolato che non riesce a scalare.
Nel commercio al dettaglio osserviamo che le dimensioni fondamentali sono spesso in ordine a livello di sede centrale, ma non sono state applicate in modo uniforme verso le filiali. La gestione dei dati può essere matura a livello centrale, mentre i dati registrati sul punto vendita risultano ancora incoerenti, incompleti o in ritardo. Questa differenza fa sì che l'organizzazione nel suo insieme ottenga un punteggio inferiore a quanto la somma delle sue parti suggerirebbe.
Ciò che rende particolare il commercio al dettaglio non è solo la differenza tra online e fisico, ma anche la differenza tra chi si interpella. Un giro di valutazioni, in cui persone diverse all'interno della stessa organizzazione attribuiscono un punteggio separatamente, mostra spesso in questo settore una dispersione notevole. Un responsabile IT presso la sede centrale può valutare l'infrastruttura come matura, mentre un responsabile di filiale si confronta quotidianamente con i limiti di sistemi obsoleti. Entrambe le visioni sono vere, ma indicano un punto diverso della catena.
Questa dispersione è essa stessa informazione. Mostra dove, all'interno dell'organizzazione, la percezione della prontezza diverge, e quindi dove occorre prima raggiungere un accordo prima che un ulteriore passo nell'AI abbia senso. Questa questione di accordo è spesso più rilevante nel commercio al dettaglio che in settori con una struttura organizzativa più compatta, come il settore ICT, dove sede centrale ed esecuzione sono generalmente più vicine tra loro.
La tensione tra una sede centrale a gestione centralizzata e un'esecuzione dispersa non è esclusiva del commercio al dettaglio. Questa stessa tensione si ritrova nel settore della ristorazione e ospitalità, dove una catena di sedi deve parimenti appoggiarsi a processi di base coerenti prima che l'AI possa funzionare a livello di sede, e nel settore immobiliare, dove la gestione centrale e la manutenzione decentralizzata sono spesso cresciute separatamente. In tutti questi settori vale lo stesso ordine: l'organizzazione, l'infrastruttura e la gestione dei dati devono prima essere solide, prima che le dimensioni che vi si basano possano dare direzione.
La misurazione della maturità non fornisce un giudizio su quale reparto rimane indietro, né un consiglio su cosa cambiare per primo. Ciò che la misurazione fa è chiarire a quale livello si trova un'organizzazione all'interno di ciascuna delle sette dimensioni, e dove la dispersione tra le persone che attribuiscono un punteggio è maggiore. Per una catena del commercio al dettaglio questo significa spesso un confronto tra la visione presso la sede centrale e la realtà sul punto vendita, e questo è esattamente il quadro necessario per determinare dove occorre ancora costruire le fondamenta.
Lo strumento che effettua questa misurazione è in fase di sviluppo. Chi desidera utilizzarlo non appena sarà disponibile può iscriversi alla lista d'attesa. Non viene offerto nulla che non esista ancora, e non viene promesso nulla riguardo all'esito della misurazione per la vostra organizzazione.
Questa pagina descrive se l'organizzazione nel suo insieme è pronta a sostenere l'AI: se la base costituita da organizzazione, infrastruttura e dati è sufficientemente solida prima che ulteriori passi diventino sensati. Questa è una domanda diversa da quale parte del lavoro l'AI può effettivamente rilevare. Per quest'ultima domanda è pensata la scansione del lavoro di FTE TO AI: essa calcola, per ciascun compito, quale parte del lavoro può essere trasferita all'AI, dalla gestione delle scorte alla comunicazione con i clienti. Dove la misurazione della maturità delinea la capacità dell'organizzazione, la scansione del lavoro delinea il contenuto del lavoro stesso. Entrambi i quadri sono necessari per sapere realmente a che punto siete.
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.