Home / Economia / La realtà (povera) dell’adozione dell’intelligenza artificiale nel settore del retail

La realtà (povera) dell’adozione dell’intelligenza artificiale nel settore del retail

Istantanea 2019: Lo stato dell’AI nella vendita al dettaglio

Se giudicate il numero di volte in cui le parole “intelligenza artificiale” sono state usate nel Big Show 2019 della NRF, pensereste che si tratta di una capacità matura, sulla buona strada per essere estesa a tutte le aziende al dettaglio.

La realtà è un po ‘diversa. Gartner riferisce che solo il 2% di tutte le imprese (non solo la vendita al dettaglio) ha implementato l’IA e solo il 24% sta “sperimentando” a breve termine. Tuttavia, è chiaro che il retail è in ritardo rispetto ai soli servizi finanziari in termini di priorità dell’investimento in intelligenza artificiale: le startup AI focalizzate sulla vendita al dettaglio hanno accumulato più del doppio del valore di mercato di tutte le altre startup focalizzate sulla vendita al dettaglio.

Ma cosa significa “AI” quando si tratta di startup, o di funzionalità, o persino di applicazioni al dettaglio specifiche? Quando guardi i diversi tipi di IA là fuori, diventa chiaro che non tutti gli AI sono uguali.

Classificazione di AI

McKinsey identifica tre tipi di AI : tipi di classificazione, tipi di previsione e tipi di generazione.

La classificazione si concentra generalmente su Natural Language Processing (NLP) o Computer Vision. AI in questo contesto identifica parole o immagini e le classifica. I tweet possono essere classificati in base al sentimento dei consumatori, ad esempio, oppure le immagini dei prodotti possono essere utilizzate per identificare attributi, a volte semplici come “maniche corte” o complesse come “stampa floreale”. Il valore dell’IA in questo contesto è davvero nel fornire dettagli sulle informazioni non strutturate. Ma per trarne un valore reale, è necessario utilizzare quei dettagli per prendere nuove decisioni – e ciò richiede o un umano o una macchina per trasformare quei dettagli in un’azione.

POTREBBE PIACERTI ANCHE
La previsione riguarda davvero le previsioni, prevedendo la prossima azione più probabile. La previsione spinge tutto dalla personalizzazione all’ottimizzazione del percorso fino a tutto ciò che si trova nel mezzo. Ci vuole un diverso set di strumenti di intelligenza artificiale, concentrandosi maggiormente sulla granularità dei dati e applicando l’intelligenza artificiale in un modo più “interno”, in cui guarda ai modelli di predizione tradizionali e li mette a punto per migliorarli. Una buona previsione basata sull’intelligenza artificiale separa i dati dal rumore dei dati che effettivamente contribuiscono a un risultato migliore e identifica i migliori modelli da utilizzare anche come comportamento effettivo e i cambiamenti dei risultati nel tempo.

L’ultimo tipo di intelligenza artificiale è la generazione. I chatbot sono l’applicazione più riconoscibile dell’IA di generazione: una sorta di. La maggior parte dei chatbots è costituita da un ampio set di risposte predefinite, con l’AI applicato in una modalità di classificazione per identificare ciò che l’utente sta dicendo, e quindi effettuare il marshalling della risposta appropriata appropriata. Questo è il modo in cui finisci bloccati nei loop di chatbot di “Mi dispiace, non capisco”.

Le versioni più sofisticate dell’IA di generazione fanno cose come prendere la capacità di identificare i cani nelle immagini e usare quella conoscenza per generare immagini di cani. Una recente aggiunta a questo tipo di AI è uno strumento in grado di prendere una ricetta e generare un’immagine di come appare il prodotto finito. Gli sviluppatori fanno notare che tende a fare meglio con le zuppe rispetto ai piatti plastici complessi (mi chiedo perché), ma dimostra un insieme particolarmente complesso di funzionalità AI: la capacità di analizzare la ricetta scritta, tradurre la combinazione degli ingredienti e le istruzioni di cottura in un output atteso e combinare le uscite multiple in un’immagine generata.

Per la vendita al dettaglio, direi che la previsione è di gran lunga il tipo più prezioso di AI che può essere applicato a un problema aziendale. Tuttavia, la maggior parte dell’attività nel settore dell’intelligenza al dettaglio si concentra sulla PNL e sulla visione artificiale, non sul problema molto più difficile (e più prezioso) delle previsioni. E la maggior parte del lavoro di PNL e di computer vision si concentra sulla classificazione, piuttosto che sulla generazione.

Ciò non vuol dire che la PNL e la visione artificiale non siano preziose, ma solo che il loro valore è limitato. Con le previsioni, hai l’opportunità di decidere cosa acquistare, quanto acquistare, dove metterlo e come valutarlo, in base ai clienti che hai scelto come target. Con la PNL e la visione artificiale, il modo in cui possiamo applicarli oggi, stai facendo del tuo meglio per trarre il massimo dalle decisioni che hai già preso, cercando di convincere i consumatori a comprare.

Questo è solo un posto in cui l’hype sull’intelligenza artificiale non corrisponde realmente alla realtà. Non è l’unico. Eccone altri cinque.

Non proprio un’applicazione

Quando abbattete le soluzioni di IA, finiscono per essere un sacco di software “regolari” che circondano funzionalità AI molto piccole e specifiche. 8 di Yoox ha ottenuto molto credito come assortimento “progettato da AI”. Ma quando scavi sotto le coperte, Yoox stava raccogliendo immagini da fonti designate – influencer nelle città dell’alta moda – e classificandole in tendenze che gli umani trasformavano in una collezione di abbigliamento. Mentre ciò è impressionante, sono molti i passi che mancano per prendere quelle tendenze, identificare il giusto numero di elementi da avere nella linea, quindi riempire quei segnaposto con disegni reali.

Risolvendo i problemi facili in primo luogo

Questa non è una vera critica all’AI, ma è importante notare che dove l’IA viene applicata sono problemi relativamente “facili” da risolvere, rispetto a tutti i problemi nella vendita al dettaglio. Nella previsione, tutti i progressi dell’IA sono stati fatti nel rifornimento di generi alimentari – un angolo di previsione che è già ricco di dati, e generalmente traboccante di inventario (soprattutto rispetto alle tirature limitate e alla bassa stagione della moda). Quindi, mentre la previsione dei casi d’uso fornisce valore, attualmente si trova in una piccola fetta dell’opportunità totale. Quasi tutte le applicazioni di intelligenza artificiale sono così, almeno nella vendita al dettaglio.

Problema della scatola nera di AI

Ci sono due lati del problema della scatola nera nell’IA, ma sono entrambi correlati. I dipendenti che devono utilizzare le raccomandazioni emerse da un’analisi guidata dall’IA devono essere in grado di fidarsi dei risultati. E se non riescono a vedere o capire come gli input si traducono in un risultato, non otterranno un livello di conforto con questi risultati, specialmente se sono contro-intuitivi a ciò che i dipendenti già “sanno” essere veri ( se effettivamente vero o no). Ho già riscontrato alcuni esempi di problemi di adozione che emergono da progetti di IA già in cui i dipendenti hanno completamente rifiutato le raccomandazioni AI e ha messo a rischio i progetti. Dire alle persone “Fai quello che ti ho detto” non risolverà il problema.

L’altro lato del problema della scatola nera è più fondamentale: come fai a mantenere l’intelligenza artificiale dall’apprendimento di cose che non dovrebbe? Apparentemente, le IA possono imparare a colludere e discriminare abbastanza facilmente, e senza qualcuno che monitora le conclusioni apprese da AI, un rivenditore che fa affidamento su un algoritmo che ha imparato che la cosa sbagliata potrebbe trovarsi molto rapidamente nell’acqua calda con i regolatori . E nel momento in cui gli impiegati prendono il vento che l’intelligenza artificiale è “sbagliata”, allora il tuo progetto di intelligenza artificiale è affondato.

Pericoli etici per l’IA Retail

Gli sviluppatori e i ricercatori di IA sono alle prese con il modo di rendere l’etica dell’IA – come esporre l’ipotesi nascosta sul mondo che gli umani hanno così radicato che non ci pensiamo fino a quando non è troppo tardi. Sai, cose semplici come ” non mangiare le persone ” o che la discriminazione di prezzo basata sul livello di reddito o sull’etnia è sbagliata.

Ma la vendita al dettaglio ha uno speciale punto cieco quando si tratta di gestire l’etica di una tecnologia, come abbiamo visto più e più volte con la privacy dei consumatori. Prendiamo il monitoraggio del cellulare come un esempio. Dato che i rivenditori hanno cercato di implementare il monitoraggio in-store dei consumatori utilizzando cose come gli sniffer dei telefoni cellulari, c’era molta attenzione tra i rivenditori, che affermavano “ci affidiamo ai venditori di tecnologia per gestire gli impatti sulla privacy” e ai venditori che hanno detto ” ci affidiamo ai rivenditori per implementare la tecnologia in un modo che soddisfi le aspettative dei clienti per la privacy. “Siamo facilmente diretti su questa strada di nuovo con AI.

Evitare problemi con martelli e chiodi

I rivenditori non sono gli unici a poter cogliere il problema di avere un nuovo martello lucido e quindi di vedere tutti i problemi come se avessero bisogno di unghie. I tecnologi in generale sono facili vittime di questa mentalità. AI non sarà la soluzione giusta per tutto. E mentre puoi sicuramente lanciare l’intelligenza artificiale in termini di “rendere la previsione più economica” al punto in cui puoi usare le telecamere per predire il movimento umano e incorporarlo in un’auto senza conducente, ad esempio, ciò non significa che tutte le previsioni siano valide o possano essere applicato in modo utile. Le persone sono straordinariamente brave a individuare i modelli e non abbiamo ancora risolto ciò che accade in un salto intuitivo. E ci sono molti posti nel commercio al dettaglio in cui la combinazione di arte e scienza è molto più potente di una sola.

Oggi, e per il prossimo futuro, l’intelligenza artificiale è eccellente nel passaggio attraverso volumi di dati che gli umani non possono assorbire, per trovare gli schemi che le persone non possono vedere. È anche eccellente nell’applicare questo tipo di analisi a un numero molto più grande di problemi rispetto agli umani. Ma deve ancora essere applicato con giudizio – per non perdere l’arte, e per assicurarsi che stiamo dando la priorità ai problemi che in realtà hanno bisogno di essere risolti.

La linea di fondo

L’hype sull’intelligenza artificiale non corrisponde alla realtà di ciò che sta effettivamente accadendo nella vendita al dettaglio. Ciò non significa che l’intelligenza artificiale non valga la pena di perseguire, o addirittura di suggerire che fallirà. Piuttosto, affinché l’intelligenza artificiale abbia successo nella vendita al dettaglio, è necessario affrontare questi problemi. Altrimenti, vedremo molte chiacchiere, come abbiamo fatto a NRF, e non molta azione.

Lascia un commento

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi