У нову еру технологічної інтеграції галузь роздрібної торгівлі стає розумною за допомогою AIoT і мислення, орієнтованого на події.

Сектор роздрібної торгівлі не був застрахований від поширення пристроїв і датчиків із підтримкою Інтернету речей у магазинах, каналах обслуговування клієнтів, складах і ланцюжку постачання. Зараз роздрібні продавці використовують штучний інтелект, щоб краще використовувати ці дані.

Таким чином, штучний інтелект речей (AIoT) стає ключовим для роздрібної торгівлі. чому Поєднання штучного інтелекту з даними з пристроїв Інтернету речей допомагає роздрібним торговцям переосмислити досвід роботи в магазині, покращити надання послуг і підтримувати видимість продукту на кожному робочому рівні.

У тематичному звіті Global Data IoT in Retail and Apparel зростаюча інтеграція штучного інтелекту в продукти та послуги Інтернету речей у роздрібній торгівлі є неминучою та вже відбувається: «Ключовими рівнями в ланцюжку створення вартості Інтернету речей є фізичні елементи, підключення, дані, програми та послуги. . Хоча ці рівні є логічно розрізненими, у великомасштабних рішеннях IoT ці логічні межі значно розмиваються.

Наприклад, незважаючи на те, що у верхній частині стека й надалі буде чітко ідентифікований рівень даних, зростаюча частка обробки даних відбувається всередині та на межі мережі. Прискорений розвиток генеративного AI, зокрема ChatGPT, підвищив актуальність AI на всіх рівнях IoT. Тому все більше продуктів і послуг IoT включають штучний інтелект у свої можливості, особливо в інтерфейсах, керованих клієнтами.

Вибір подій дає результати та рішення в реальному часі

Точна маршрутизація за допомогою потокової передачі подій дозволяє системам бути більш вибірковими в тому, що аналізує штучний інтелект, щоб він міг бути як дешевшим, так і краще реагувати на події. Подія означає зміну стану або оновлення, як-от розміщення товару в кошику для покупок, подання заявки на картку постійного клієнта або готовність замовлення до відправлення.

Події «публікуються» з темою, яка вказує, про що вони, і системи можуть «підписатися» на отримання всіх подій з відповідними темами. Системи штучного інтелекту отримують події для отримання результатів у реальному часі, які дозволяють автоматично запускати рішення/дії в реальному часі, але ця подача даних також забезпечує потік для постійного навчання, або шляхом введення у векторну базу даних, або шляхом точного налаштування моделі себе.

Перемагайте зацікавлених сторін за допомогою розумних варіантів використання

Багато ранніх застосувань ШІ в роздрібній торгівлі, ймовірно, будуть зосереджені на генеративному ШІ (Gen-AI) і моделях великих мов (LLM). Їх можна використовувати для прямої взаємодії з клієнтами через програми магазину, багатоканальної взаємодії з клієнтами та навіть для допомоги працівникам на складі.

Але одна з найбільших проблем сучасного штучного інтелекту на основі LLM полягає в тому, що він відносно дорогий і повільний. Просте надсилання даних IoT до LLM для обробки швидко стане громіздким і дуже дорогим. Найбільші переваги конвергенції штучного інтелекту та Інтернету речей у роздрібній торгівлі отримають організації роздрібної торгівлі, які визначать інтелектуальні сценарії використання для надання переваг клієнтам, співробітникам і бізнесу в цілому.

… і нехай переваги говорять самі за себе

Потоки Інтернету речей, що підтримують події, можуть надати переваги роздрібним клієнтам і співробітникам у магазині, через канали обслуговування клієнтів і навіть на складах.

Ось три випадки використання, коли конвергенція штучного інтелекту та Інтернету речей у роздрібній торгівлі на основі потокової передачі подій може справді змінити ситуацію.

1) Знайомство з підключеним фабричним працівником

Починаючи зі складу, штучний інтелект може допомогти в обробці винятків для працівників фабрики. Зараз більшість роздрібних торговців використовують якісь мобільні пристрої чи планшети в складських операціях, і вони підтримуються пристроями IoT на підлозі для моніторингу запасів та інших завдань, пов’язаних із запасами.

Усе це забезпечує безліч потенційних переваг, завдяки яким штучний інтелект може отримувати нові знання та вирішувати потенційні проблеми. Наприклад, рішення Gen-AI може надати всім працівникам надзвичайно простий спосіб повідомляти про проблеми, інциденти/непогані випадки або думки щодо ефективності. Це якісна інформація, але штучний інтелект на базі LLM може потім переглядати, сортувати, групувати та надавати керівництву підібрані поради.

Екстрене реагування в режимі реального часу для забезпечення безпеки операцій

У надзвичайних ситуаціях, наприклад, також існує потенціал для значного збільшення швидкості, з якою організації можуть реагувати в режимі реального часу на складі чи заводі. Наявність керованої подіями системи для доставки інформації та штучного інтелекту для її транскрипції, перегляду та якнайшвидшого представлення відповідній особі може покращити безпеку, час і гроші на виробництві.

Тут сітка подій може зв’язувати багато агентів ШІ, кожен з яких адаптований до певного набору подій. Це може бути так само просто, як підписка на всі події, які містять необроблений аудіо, і використання моделі перетворення мови в текст для створення транскрипції, яка потім публікується назад у сітці. Усі ці компоненти асинхронно спілкуються через сітку подій, використовуючи гарантовану передачу повідомлень, щоб гарантувати, що жодні події не можуть бути втрачені під час передачі, і вони доставляються відповідній особі чи пристрою для ініціювання екстреного реагування.

2) Краще розумійте вподобання клієнтів, щоб налаштувати процес покупок

AIoT дозволяє роздрібним торговцям розумно використовувати дані про магазини та дані про клієнтів, щоб пропонувати індивідуальний досвід покупок. Використовуючи штучний інтелект для аналізу даних клієнтів з пристроїв Інтернету речей, роздрібні продавці можуть адаптувати рекомендації щодо продуктів, пропозиції та навіть досвід у магазині відповідно до індивідуальних уподобань. Візьмемо приклад надання помічника з обслуговування клієнтів у магазині, який знає, де знаходиться клієнт і, що важливіше, де знаходиться все інше.

Наприклад, клієнт може сказати додатку магазину, що хоче побудувати паркан. Їм більше не потрібно чекати, поки представник будівельного магазину повідомить їм, де знаходиться потрібний продукт і який їм слід використовувати. Натомість помічник зі штучним інтелектом використовуватиме інформацію про магазин, щоб надати відповідь, адаптовану до потреб кожного клієнта. Він заходить до своїх баз даних, розумно відповідає на запит і скаже: «Добре, тепер, коли ми визначили, які матеріали вам потрібні, давайте прогуляємося по магазину та знайдемо їх».

Максимізація зовнішньої взаємодії з клієнтами вимагає переміщення даних у внутрішній частині

Можливість виконувати ці запити швидко, точно та ефективно означає подію, що дозволяє обробити всю інформацію про запаси та штучний інтелект. Клієнти повинні знати в режимі реального часу, чи доступні необхідні їм матеріали, і це також потребує контекстного використання датчиків у магазині, щоб направляти їх до зони магазину, щоб знайти свої товари.

Керований подіями підхід для інтеграції як цих даних пристрою, так і обробки штучним інтелектом передбачає використання сітки подій – мережі взаємопов’язаних посередників подій, яка забезпечує розподіл інформації про події між програмами, хмарними службами та пристроями – для забезпечення обробки в реальному часі та прогнозування. уявлення. Після придбання події також можуть включати бекенд-документацію та інструкції, які пояснюють клієнту, як створити необхідний проект, коли він повертається додому.

3) У контакт-центрі з’являється надійний агент Copilot

Сучасні контактні центри тепер оснащені штучним інтелектом, призначеним для кращого обслуговування клієнтів. Microsoft Copilot, наприклад, тепер є невід’ємною частиною Microsoft 365 і розширює існуючі канали контакт-центру за допомогою генеративного штучного інтелекту для покращення обслуговування та підвищення продуктивності агентів.

AI може допомогти з обробкою записаних дзвінків або дзвінків у службу підтримки клієнтів у реальному часі, щоб виявити будь-які серйозні проблеми, які потребують екстреної допомоги. Зауважте, що це не штучний інтелект, який займає місце служби підтримки клієнтів, а реагує на проблеми, які виникають під час дзвінка між людьми, щоб надати контекст у реальному часі про клієнта та проблему, з якою він стикається.

AI з підтримкою подій для подальшого додавання контексту для представників служби підтримки клієнтів

Увімкнувши цей копілот штучного інтелекту за подіями та зв’язавши його з численними точками даних у процесі обслуговування клієнтів (дані CRM для історії клієнтів, тип пристрою/каналу, з якого вони спілкуються, сценарії/протоколи обслуговування клієнтів і звіти BI), організації може надати представнику служби підтримки клієнтів нові рівні інформації в реальному часі.

Агенти штучного інтелекту можуть підписатися на вузький набір подій, надати спеціальний шаблон підказки для цієї підписки, а потім використовувати LLM, щоб розширити подію додатковою інформацією. Наприклад, проведення аналізу настроїв щодо взаємодії користувачів, щоб виявити клієнтів із проблемами, які потребують перенаправлення до експерта, клієнта, готового до підвищення продажів, або синтезування нових подій на основі комбінації накопичених даних.

Підключена торгівля створює розумніше роздрібне майбутнє

Поєднання штучного інтелекту та Інтернету речей у галузі роздрібної торгівлі являє собою трансформаційний зсув у тому, як роздрібні торговці можуть використовувати наявні в їх розпорядженні технології та дані. Стратегія, орієнтована на події, є критично важливим компонентом у цьому процесі, і вона допоможе організаціям роздрібної торгівлі покращити взаємодію з клієнтами, оптимізувати роботу та розширити можливості співробітників від виробництва до магазину та контакт-центру.