La vendita al dettaglio abbraccia l’intelligenza artificiale generativa per ottimizzare i processi e migliorare l’esperienza del cliente

Il recente emergere dell’intelligenza artificiale generativa (AI) ha reso questa tecnologia un elemento sempre più comune nelle attuali agende di professionisti e aziende, senza distinzione di dimensione o settore. Quindi, il vedere al dettaglio scopri come questa tecnologia non solo ti permette di essere più efficiente nei tuoi processi o di risparmiare risorse ma è anche un potente strumento con cui puoi davvero Essere in grado di conoscere meglio il cliente e offrire un servizio migliore.

“Siamo passati dal considerare la tecnologia semplicemente come una spesa a considerarla un investimento che aggiunge valore”, ha affermato. Joan Sintes, CCO presso Plain Concepts. Un valore che, nel caso dell’intelligenza artificiale, con l’intelligenza generativa come “democratizzatore” di questa tecnologia, “si vede perfettamente in come, grazie a questi strumenti, è possibile analizzare i dati che sempre più spesso le aziende generano e gestiscono, da questi, prendere decisioni aziendali più agili e informate”, ha aggiunto.

Quindi, per Álvaro Pulido, Retail Data&Analytics Manager presso NTT DATAl’introduzione dell’intelligenza artificiale generativa nel commercio al dettaglio rappresenta “un cambio di paradigma in un settore in cui c’erano ancora troppe regole tradizionali da infrangere e, soprattutto, ha causato un cambiamento nel rapporto tra brand e clienti, rendendolo più fluido e personalizzato” .

Sulla stessa linea è stato posizionato Enric Escalé, direttore dell’area “Business Insights” di SDG Group Per i quali, oltre al processo decisionale e alle relazioni con i clienti, “questa tecnologia consente alle aziende di vendita al dettaglio di generare contenuti personalizzati più rapidamente”.

Qualcosa che sperimentano in prima persona nel marchio di moda seppiacome ha spiegato Direttore Marketing, Veronica Olivares. “Stiamo utilizzando una soluzione di intelligenza artificiale generativa per creare contenuti di qualità, immagini di modelli con i nostri capi, in cui è possibile vedere le texture o il modello e farlo in un modo molto più veloce e personalizzato.” Ma in più, ha aggiunto, “l’intelligenza artificiale generativa ci ha permesso di realizzare l’omnicanalità tra le nostre e-commerce e i nostri negozi fisici.

Casi d’uso reali

Siamo, quindi, in un momento in cui le aziende stanno finalmente iniziando a vedere ed essere in grado di applicare questa tecnologia a casi d’uso specifici?

“Siamo passati dalle prove di concetto alla verifica che funziona e quindi al tentativo di applicare la tecnologia”, ha affermato Álvaro Pulido, di NTT DATA. A suo parere, “attualmente anche Gartner parla di ‘hype’ dell’intelligenza artificiale generativa ed è vero che quello che vediamo è che oggi tutte le aziende stanno cercando di vedere come puoi aiutarle nel loro business, “Vedono che ci sono opportunità e vogliono accedervi.”

Un’analisi su cui concorda Enric Escalé, di SDG Group, aggiungendo che “è tempo di cercare casi d’uso, valutare il ritorno sull’investimento e come scalare questi progetti”.

Scenario condiviso anche da Joan Sintes, di Plain Concepts: “Si è passati dalla paura all’aspettativa. Paura perché tutti i manager, da un giorno all’altro, hanno visto come i loro dipendenti hanno iniziato ad utilizzare Chat GPT senza poterla controllare. Abbiamo fatto capire loro che non possono opporsi a qualcosa del genere ma che possono e devono integrarlo nella loro azienda, in modo sicuro, e ora, superata quella paura, tutti cercano il caso d’uso in cui l’intelligenza artificiale generativa può aiutarli. “.

Migliore interazione con il cliente, generazione di contenuti, lancio di nuovi prodotti, ottimizzazione dei processi o, perché no, migliore controllo degli stessi azioni e la filiera, sono alcuni dei progetti che maggiormente si stanno realizzando nel retail con questa tecnologia come denominatore comune.

“Con l’intelligenza artificiale generativa, ad esempio, lanciare un nuovo prodotto è più semplice e veloce ma non solo del prodotto ma anche, ad esempio, deciderne l’imballaggio sia per una migliore esperienza del cliente, sia con criteri logistici, decidendo la dimensione dell’imballaggio in base a come potrà essere distribuito successivamente,” ha sottolineato l’esperto di NTT DATA .

La creazione e il rilevamento di modelli con questa tecnologia è stato un altro dei casi d’uso che, in questa occasione, Joan Sintes di Plain Concepts ha sottolineato. “Potere rilevare una rottura azioni di un certo prodotto a Madrid e vedere se ce n’è uno stock nei magazzini di Londra e Maiorca, per esempio, e decidere da quale punto il processo di trasporto di quella merce è più ottimale, a seconda del tempo e del costo”.

[El interés por la IA generativa se dispara de la mano de “soluciones sólidas” para pymes y grandes compañías]

Proprio nella gestione della catena di fornitura alla logistica, anche Enric Escalé, di SDG Group, ha sottolineato il valore dell’intelligenza artificiale generativa, ad esempio per “rilevare uno stock esaurito in tempo reale, grazie all’analisi delle immagini degli scaffali di uno stabilimento, Per esempio.”

Casi d’uso reali e numerosi ma che sono comunque accompagnati da qualche sfida occasionale, come spiega Verónica Olivares, di Sepiia, disporre dei dati necessari per affrontare un progetto di IA generativa correttamente. “Stiamo cercando di sviluppare il nostro chatbot e non è affatto facile perché non disponiamo della struttura dati ottimale per questo”, ha affermato.

Dati di qualità e tecnologia “più economica”.

Una sfida, sottolineano tutti, praticamente per qualsiasi azienda. “La questione dei dati, della loro governance o qualità, è una questione aperta praticamente in qualsiasi azienda e per realizzare un progetto di questo tipo, la prima cosa che devi sapere è dove hai i dati, di che qualità sono, chi li è. il proprietario di quei dati, ecc.,” sottolineano da NTT DATA.

E come, il costo di questa tecnologia era sul tavolo anche come uno degli ostacoli essere salvate dalle aziende, a maggior ragione se si tiene conto che il settore del commercio al dettaglio è formato per lo più da piccole e medie imprese.

“Attualmente è vero che non è una tecnologia economica, a causa, ad esempio, dei costi informatici che richiede”, ha affermato Joan Sintes.

“In Sepiia, ad esempio, introdurre uno strumento di intelligenza artificiale generativa nell’ERP di cui disponiamo è molto difficile a causa del costo che comporta sia in termini di risorse economiche che di persone per l’immissione dei dati”, ha riconosciuto Verónica Olivares.

Una situazione che, però, tutti credono cambierà in breve tempo. “È vero che ormai è una tecnologia costosa ma, presto sarà democratizzato. Accadrà lo stesso di quando e-commerce; praticamente nessuna azienda poteva permetterselo e oggi, con solo quattro clicpotrete creare un negozio online”, assicura Enric Escalé.

Futuro in cui, per l’esperto di Plain Concepts, sarà sempre più semplice avere soluzioni di AI generativa” sia per il nucleo del business, dal momento che praticamente tutti i grandi fornitori IT lanceranno i propri assistenti per le loro soluzioni, così come per specifiche esigenze di vendita al dettaglio, grazie a startup che svilupperanno strumenti specializzati.

E, naturalmente, come con qualsiasi rivoluzione tecnologica, semplificare la tua applicazione A seconda del valore che realmente apporta, segnerà il domani. “L’innovazione non può essere un pozzo senza fondo di risorse; dobbiamo sempre chiederci perché utilizzeremo una determinata tecnologia, cosa risolve o migliora”, ha concluso Álvaro Pulido, Retail Data&Analytics Manager di NTT DATA.

Con il buon senso come nostra bandiera, ciò di cui nessuno sembra dubitare è questo L’intelligenza artificiale generativa potrebbe rappresentare una leva definitiva nel miglioramento dei processinell’ottimizzazione dei costi e nel rapporto con il cliente retail, un salto di qualità nel suo sviluppo e ammodernamento.