مدیر اجرایی توشیبا روندهای نوظهور هوش مصنوعی در خرده‌فروشی را تشریح می‌کند
یِوگنی تسیرولنیک، معاون ارشد نوآوری، بخش خواربار و فروش عمومی در شرکت «Toshiba Global Commerce Solutions»، توضیح می‌دهد که چگونه این شرکت با استفاده از هوش مصنوعی، در حال ایجاد شخصی‌سازی، کارایی عملیاتی و تجربه‌های خرید یکپارچه برای خرده‌فروشی‌های کوچک و متوسط است.
هوش مصنوعی در حال بازتعریف چشم‌انداز خرده‌فروشی، تناسب اندام و تندرستی است و نوآوری‌هایی را به دنبال دارد که هم بر تجربه مشتریان و هم بر عملیات کسب‌وکار تأثیر می‌گذارند. اما برای شرکت‌های کوچک و متوسط، پذیرش هوش مصنوعی به دلیل محدودیت منابع و موانع فنی، تاریخی دور از دسترس به نظر می‌رسید.
تسیرولنیک در مصاحبه با «Athletech News» توضیح می‌دهد که چگونه پلتفرم‌های هوش مصنوعی لبه (Edge-AI) مقیاس‌پذیر و زیرساخت‌های تجارت یکپارچه (Unified Commerce)، در حال هموار کردن این میدان رقابت هستند. با استفاده از راه‌حل‌های ماژولار، کسب‌وکارهای کوچک و متوسط می‌توانند به تعاملات بسیار شخصی‌سازی‌شده دست یابند، موجودی خود را بهینه کنند و عملیات را ساده‌تر سازند؛ همه این‌ها بدون قربانی کردن ارتباط انسانی که هویت اصلی برندشان است.
تسیرولنیک توضیح می‌دهد که این پیشرفت‌های هوش مصنوعی چگونه به بازیگران کوچک‌تر این امکان را می‌دهد تا فناوری‌های پیشرفته را با سرعت خود پیاده‌سازی کنند و در عین حال که رقابتی باقی می‌مانند، اصالت را در هر تعاملی تضمین کنند.
روندهای نوظهور هوش مصنوعی در خرده‌فروشی
Athletech News: مهمترین روندهای هوش مصنوعی که امروز در بخش خرده‌فروشی مشاهده می‌کنید، کدامند؟ این روندها چگونه تجربه مشتری و عملیات کسب‌وکار را برای خرده‌فروشان کوچک و متوسط شکل می‌دهند؟
یِوگنی تسیرولنیک: ما شاهد دو تغییر واضح در روندهای هوش مصنوعی برای صنعت خرده‌فروشی هستیم. اولی، ظهور پلتفرم‌های هوش مصنوعی لبه مقیاس‌پذیر است. اکنون دوربین‌های سقفی، حسگرهای قفسه و کابینت‌های هوشمند، مدل‌های بینایی کامپیوتری را مستقیماً در فروشگاه اجرا می‌کنند. آن‌ها الگوهای تردد را دنبال می‌کنند، زمان ماندن مشتری را می‌سنجند، سبد خرید را به‌روزرسانی می‌کنند و حتی تصمیم می‌گیرند که چه زمانی یک محصول را از کابینت آزاد کنند. این کارها به صورت آنی و بدون ارسال ویدیو به خارج از فروشگاه یا وابستگی به پلتفرم‌های ابری انجام می‌شود. از آنجایی که پلتفرم ماژولار است، خرده‌فروشان این توانایی را دارند که به سرعت فناوری‌های فروشگاه خود را به‌روزرسانی و اصلاح کنند.
خرده‌فروشان می‌توانند جعبه‌های پردازشی اضافی برای هوش مصنوعی اضافه کنند تا به پردازش داده‌ها به صورت محلی و اتخاذ تصمیمات در لحظه کمک کند. آن‌ها می‌توانند مدل‌های هوش مصنوعی را میزبانی کنند که با داده‌های متنی آموزش دیده‌اند و برای مشاوره محصول استفاده می‌شوند، یا حسگرهای بیومتریک که در عرض چند دقیقه ثبت شده و هوش مصنوعی را برای خدمات مشتریان یا اقدامات وفاداری بهبود یافته، به کار می‌اندازند.
تغییر دوم، داشتن یک زیرساخت تجارت یکپارچه است. هر دستگاه لبه، از یک کیوسک گرفته تا برچسب قفسه الکترونیکی یا یک دوربین، همگی از خدمات مشابه و آنی برای پروفایل مشتری، وفاداری، قیمت‌گذاری و پرداخت‌ها استفاده می‌کنند. ایجاد تجربه‌های یکپارچه در سراسر مسیرهای خرید دیجیتال و فیزیکی، حیاتی است. یک پروموشن که در اپلیکیشن اعلام شده، در لحظه که مشتری محصول را برمی‌دارد، در کیوسک فروشگاه نیز اعمال می‌شود. یا اضافه کردن یک روش پرداخت جدید، تنها یک تغییر در تنظیمات است، نه بازنویسی کامل برنامه پرداخت.
پلتفرم لبه و زیرساخت یکپارچه با هم، به خرده‌فروشان کوچک و متوسط اجازه می‌دهند تا راه‌حل‌های جدید هوش مصنوعی را برای حل یک مشکل یا رسیدن به یک هدف جدید مانند پرداخت بدون اسکن، قفسه‌های هوشمند یا مشاهده رفتار مشتریان به کار گیرند و در طول زمان، این سیستم را گسترش دهند تا به تجربه‌های غنی‌تری با هوش مصنوعی دست یابند، همه این‌ها در حالی که خدمات انسانی و شخصی مورد انتظار مشتریان را حفظ می‌کنند.
هموار کردن میدان رقابت برای کسب‌وکارهای کوچک و متوسط
ATN: اغلب به دلیل دسترسی به منابع، هوش مصنوعی با شرکت‌های بزرگ مرتبط است. خرده‌فروشان و برندهای کوچک‌تر برای ادغام هوش مصنوعی در عملیات خود، بدون نیاز به بودجه‌های زیاد یا تخصص فنی گسترده، چه گام‌هایی می‌توانند بردارند؟
YT: هوش مصنوعی فقط برای فروشگاه‌های زنجیره‌ای میلیاردی نیست. یک فروشگاه تخصصی می‌تواند با یک دستگاه لبه شروع کند که مستقیماً به شبکه فعلی و APIهای تجاری آن متصل می‌شود. یک مثال، نصب یک دوربین بینایی کامپیوتری روی یک کابینت قفل‌دار است که مدل تأیید سن را اجرا می‌کند، درخواست را پردازش می‌کند و قفل را در لحظه و بدون تأخیر یا وابستگی به ابر، آزاد می‌کند. مثال دیگر، یک قفسه با حسگر وزن است که به محض اینکه محصولی دیگر روی قفسه تشخیص داده نشود، کمبود موجودی را علامت‌گذاری کرده و به صورت خودکار یک سفارش مجدد را آغاز می‌کند. هر دو دستگاه در یک پلتفرم لبه ثبت می‌شوند، بنابراین اضافه کردن یک جعبه پردازشی کوچک برای هوش مصنوعی در آینده، به خرده‌فروشان اجازه می‌دهد تا یک مدل هوش مصنوعی را میزبانی کنند که به سوالات محصول در همان کیوسک پاسخ می‌دهد، بدون نیاز به سرورهای جدید یا استخدام متخصص داده.
مسیر نوآوری در هوش مصنوعی ساده است: یک نقطه ضعف اولویت‌دار را برای تمرکز انتخاب کنید، از سخت‌افزاری استفاده کنید که با APIهای باز خود را ثبت می‌کند و به صورت تدریجی، هر سرویس کوچک را به محض فعال شدن، پذیرفته و هزینه آن را پرداخت کنید. این کار تضمین می‌کند که خرده‌فروشان به مرور زمان، قابلیت خود را افزایش می‌دهند، نه پیچیدگی را.
شخصی‌سازی و تعامل با مشتری
ATN: هوش مصنوعی به ارائه تجربه‌های بسیار شخصی‌سازی‌شده برای مشتریان کمک می‌کند. خرده‌فروشان کوچک و متوسط چگونه می‌توانند از هوش مصنوعی برای تنظیم استراتژی‌های بازاریابی، افزایش تعامل مشتری و بهینه‌سازی تجربه‌های خرید استفاده کنند؟
YT: شخصی‌سازی با یک پروفایل واحد و زنده آغاز می‌شود که مشتری را در تمام نقاط تماس، از یک اپلیکیشن موبایل گرفته تا ورود به فروشگاه یا استودیو، کیوسک و حتی قفسه‌های هوشمند، دنبال می‌کند. وقتی پروفایل مشتری روی یک پلتفرم تجارت یکپارچه قرار می‌گیرد، دستگاه‌های لبه به طور مداوم آن را غنی‌تر می‌کنند. یک دوربین بینایی ثبت می‌کند که مشتری در کدام قفسه بیشتر توقف کرده است، یک چت‌بات مجهز به هوش مصنوعی سوالات مکمل‌های غذایی پرسیده شده در کیوسک را ثبت می‌کند و یک موتور اعتمادسنجی، متوجه می‌شود که آیا مشتری همیشه سفارشات تحویل از کنار خیابان را به موقع تحویل می‌گیرد یا خیر. این سیگنال‌ها به یک سرویس پروموشن در لحظه ارسال می‌شوند که می‌تواند سه کار را برای یک کسب‌وکار کوچک و متوسط انجام دهد:
ارائه پیشنهادهای زمینهای در چند ثانیه: اگر مشتری یک پودر کلاژن را اسکن کند، موتور می‌تواند فوراً یک تخفیف برای ویتامین‌ها را در کیوسک پیشنهاد دهد.
تفاوت‌های ظریف در سطح فروشگاه بدون دردسر: همان قانون پروموشن می‌تواند در شعبه نزدیک به باشگاه ورزشی، یک مکمل پروتئینی را پیشنهاد دهد، در حالی که در شعبه‌ای که نزدیک به یک مرکز آب‌درمانی است، محصولات مراقبت از پوست را تبلیغ کند. این کار فرصت‌ها را با داده‌های ورودی مختلف از یک دستور واحد، به حداکثر می‌رساند.
راهنمایی‌های گفت‌وگومحور در جایی که مهم است: مدل‌های هوش مصنوعی که بر روی یک دستگاه محاسباتی کوچک اجرا می‌شوند، به کیوسک اجازه می‌دهند تا به صورت آنی پاسخ دهد: «کدام مکمل قبل از تمرین گیاهی است؟»، با استفاده از سطح وفاداری و سابقه خرید مشتری برای رتبه‌بندی پاسخ‌ها.
از آنجایی که همه چیز ماژولار است، یک کسب‌وکار کوچک و متوسط می‌تواند ابتدا یک سرویس کوچک پروموشن‌های آنی را فعال کند، بعداً چت‌بات داخل راهرو را اضافه کند و به تنظیم قوانین با دستورات ساده ادامه دهد. این امر باعث می‌شود که تیم‌هایی که متخصص داده تمام‌وقت ندارند، همچنان بتوانند از تعاملات مبتنی بر هوش مصنوعی بهره ببرند و تجربه یک به یک با مشتریان را که برای آن‌ها ارزشمند است، ارائه دهند.
کارایی عملیاتی و صرفه‌جویی در هزینه
ATN: علاوه بر بهبود تعاملات با مشتریان، هوش مصنوعی پتانسیل تحول در عملیات داخلی را نیز دارد. کسب‌وکارهای کوچک و متوسط چگونه می‌توانند از هوش مصنوعی برای ساده‌سازی مدیریت زنجیره تأمین، ردیابی موجودی و سایر وظایف اداری استفاده کنند؟
YT: خرده‌فروشان از هوش مصنوعی در سطح فروشگاه برای به حداکثر رساندن ساعات کاری و حذف اتلاف از عملیات روزمره استفاده می‌کنند. یک فروشگاه می‌تواند یک دوربین بینایی را بالای محل بارگیری خود نصب کند: مدل بارکد هر پالت را می‌خواند و آن را هنگام خارج شدن از کامیون می‌شمارد، کمبود در محموله‌ها را فوراً علامت‌گذاری کرده و داده‌های دقیق را مستقیماً به یک پایگاه داده اصلی موجودی می‌فرستد. در فضای فروش، پدهای وزنی که زیر کالاهای پرفروش قرار دارند، سطوح موجودی را به صورت آنی به یک موتور تقاضا ارسال می‌کنند که هم‌زمان با آب و هوای محلی و برنامه‌های کلاس‌های ورزشی یا سلامتی نیز به‌روز می‌شود. بر اساس این داده‌ها، سیستم سفارش بعدی را تنظیم می‌کند و پروموشن‌ها را هنگامی که موجودی کم است متوقف می‌سازد و به این ترتیب، هم کمبود کالا و هم سفارش بیش از حد را کاهش می‌دهد.
همین پلتفرم لبه، یک مدل هوش مصنوعی را نیز میزبانی می‌کند که فاکتورهای تأمین‌کننده را می‌خواند، آن‌ها را با گزارش بارگیری مطابقت می‌دهد، کدگذاری می‌کند و در عرض چند دقیقه، به جای چند روز، به نرم‌افزار برنامه‌ریزی منابع سازمانی ارسال می‌کند. یک مثال دیگر، پیاده‌سازی یک افزونه است که به صدای کمپرسورهای سردخانه گوش می‌دهد و خرابی‌های احتمالی را به موقع پیش‌بینی می‌کند تا بتوان قبل از از بین رفتن محصولات، برای سرویس آن‌ها برنامه‌ریزی کرد. تمام این اقدامات فقط به دستگاه‌های ماژولاری نیاز دارند که خود را در شبکه ثبت می‌کنند و هزینه آن‌ها به صورت اشتراکی دریافت می‌شود. این کار نیاز به تیم متخصص داده یا یک اتاق سرور جدید را از بین می‌برد. با محل بارگیری شروع کنید، قفسه‌ها را اضافه کنید، سپس برنامه‌های هوش مصنوعی اداری را به آن لایه اضافه کنید و خواهید دید که صرفه‌جویی در هزینه‌ها افزایش می‌یابد.
توازن بین لمس انسانی و اتوماسیون
ATN: هنگامی که کسب‌وکارهای کوچک و متوسط هوش مصنوعی را پیاده‌سازی می‌کنند، چگونه می‌توانند بین اتوماسیون مبتنی بر هوش مصنوعی و حفظ لمس انسانی در تعاملات با مشتری برای تضمین اصالت برند و وفاداری، تعادل برقرار کنند؟
YT: هوش مصنوعی را به عنوان شریکی در نظر بگیرید که کارهای مکانیکی را انجام می‌دهد، در حالی که انسان‌ها مسئول تصمیم‌گیری‌های قضاوتی هستند. مدل‌های بینایی می‌توانند یک کابینت مکمل را پس از بررسی سن باز کنند، موجودی قفسه را به صورت آنی به‌روز نگه دارند و سفارشات مجدد را تنظیم کنند، در حالی که همه این اطلاعات در لحظه ثبت شده و امکان دسترسی به آن‌ها از طریق دستگاه‌های موبایل مانند تبلت وجود دارد. هنگامی که مشتری به خدماتی عمیق‌تر از یک بله یا خیر نیاز دارد، مثلاً «کدام پروتئین برای تمرینات ماراتن بهتر است؟»، سیستم آن‌ها را به یک کارمند راهنمایی می‌کند که از قبل به سطح موجودی، سابقه خرید و وضعیت وفاداری مشتری دسترسی دارد تا تعاملی آگاهانه‌تر و استراتژیک‌تر داشته باشد. این زمینه به انسان‌ها اجازه می‌دهد تا به جای تلاش برای یافتن اطلاعات اولیه، توصیه‌های بهبود یافته و سفارشی ارائه دهند.
علاوه بر این، مشتریان سرعت خود را خودشان تعیین می‌کنند. اگر فقط می‌خواهند خرید را انجام داده و بروند، هوش مصنوعی یک پرداخت سریع و بدون مشکل را ممکن می‌سازد. اگر در کیوسک دکمه «نیاز به کمک» را فشار دهند، یک کارمند از قبل مطلع است که مشتری به کدام محصولات توجه داشته و کیوسک نتوانسته به کدام سوالاتش پاسخ دهد. پشت صحنه، مدیران محدودیت‌های کارهایی را که هوش مصنوعی می‌تواند به تنهایی انجام دهد، تعیین می‌کنند، آستانه‌های اطمینان برای هشدارها را مشخص می‌کنند و تصمیم می‌گیرند که چه وظایفی کاملاً به هوش مصنوعی واگذار شود تا کارمندان بتوانند بر روی بخش‌های دیگر فروشگاه تمرکز کنند. این امر تضمین می‌کند که تصمیمات حیاتی و لحن برند همیشه انسانی باقی می‌ماند. اتوماسیون هوش مصنوعی بار کارهای روزمره را برمی‌دارد و انسان‌ها از بینش‌های تازه آن برای ارائه همدلی و تخصصی آگاهانه استفاده می‌کنند که مشتریان را وفادار نگه می‌دارد.
قدرت راه‌حل‌های توشیبا
ATN: چه راه‌حل‌هایی را به خرده‌فروشان ارائه می‌دهید و چگونه ارزش پیشنهادی آن‌ها را توصیف می‌کنید؟ چه چیزی شما را از دیگران در بازار متمایز می‌کند؟
YT: Toshiba Global Commerce Solutions تنها رهبر فناوری است که در هر بخش از پازل خرده‌فروشی تخصص دارد و راه‌حل‌های جامعی را از نرم‌افزار تا سخت‌افزار و خدمات ارائه می‌دهد.
در هسته این سیستم، Elera قرار دارد، یک پلتفرم تجاری مبتنی بر سرویس‌های کوچک که صندوق، موبایل، جلوگیری از ضرر، وفاداری، موجودی، پرداخت‌ها و پروموشن‌ها را تحت یک پلتفرم واحد یکپارچه می‌کند. از آنجایی که هر قابلیت ماژولار است، یک خرده‌فروش می‌تواند فقط آنچه را که مشکل امروز او را حل می‌کند (مانند پرداخت بدون اسکن، پروموشن‌های وفاداری در لحظه یا حتی تحویل از کنار خیابان) فعال کرده و با سرعت خود آن را مقیاس‌بندی کند.
کیوسک MxP Vision از فناوری مبتنی بر هوش مصنوعی بهره می‌برد که فرآیند پرداخت را از طریق تشخیص خودکار محصول و گزینه‌های پرداخت بیومتریک به تجربه‌ای سریع و بدون زحمت تبدیل می‌کند. کیوسک MxP Vision که کاملاً برای خرده‌فروشان با فضای محدود که به دنبال یک راه‌حل هوشمند و امن «بردار و برو» هستند طراحی شده، تجربه پرداخت را ساده و کارآمد می‌سازد.
چیزی که ما را متمایز می‌کند، مالکیت کامل هم بر سخت‌افزار لبه و هم بر نرم‌افزار ابری است که تحت یک پلتفرم تجاری ارائه شده و توسط خدمات تخصصی خرده‌فروشی پشتیبانی می‌شود. خرده‌فروشان با ماژولی شروع می‌کنند که نیازهای منحصربه‌فرد آن‌ها را برآورده می‌کند، سپس با سرعت خود مقیاس‌بندی می‌کنند، همه این‌ها در حالی که لمس انسانی را در مرکز توجه قرار می‌دهند و فناوری کارهای سنگین را انجام می‌دهد.
