Sztuczna inteligencja odmieni handel. Jakie rozwiązania wybrać? Produkty gotowe, a może szyte na miarę? – wywiad z Barbarą Sobkowiak

Jaki jest stan rozwoju sztucznej inteligencji w handlu? Czy to jest technologia, która jest ledwo zauważalna czy może jest już całkiem wyraźnie ukształtowana w handlu?

Handel coraz częściej sięga po sztuczną inteligencję, chcąc usprawnić różnego rodzaju procesy czy też zyskać przewagę konkurencyjną. Widać to już nie tylko w samych działaniach wewnątrz firmy, ale również na konferencjach branżowych i w rozmowach klientów końcowych. My jako klienci również zauważamy to, że firma wprowadza pewnego rodzaju nowinki. Jest to trend, który jest coraz mocniej odczuwalny i coraz częściej wykorzystywany. Sama dostrzegam, że klienci, czyli firmy zajmujące się handlem lub logistyką, coraz chętniej sięgają po tego typu technologie. Zdecydowanie to już jest ten moment, kiedy mówimy sobie o tym, że handel wykorzystuje sztuczną inteligencję coraz szerzej i coraz śmielej.

W których obszarach sztuczna inteligencja jest najczęściej wykorzystywana? Czy to jest kwestia logistyki, łańcucha dostaw, zamówień, a może jeszcze innych obszarów?

Łańcuch dostaw to obszar, gdzie po sztuczną inteligencję sięgamy najczęściej, ponieważ cała kwestia związana z zarządzaniem zapasami, prognozowaniem, popytem, jest podstawą w tym obszarze. Zwłaszcza w momencie, kiedy te łańcuchy dostaw w ostatnich latach trochę się zachwiały i logistyka musiała mocno popracować na tym, abyśmy mieli towar na półkach. Jest to główny obszar, o którym się ciągle mówi i gdzie sięga się po technologię od strony popytu oraz od strony planowania tras. W magazynach również coraz chętniej stosuje się automatyzację, usprawnienia, optymalizację, chociażby ułożenia towarów na magazynie i na półkach po to, żeby było to zrobione najlepiej, jak to jest możliwe.

W których obszarach Pani zdaniem to może zostać jeszcze zagospodarowane? Gdzie sztuczna inteligencja w handlu może jeszcze pojawić się albo pojawi się w najbliższym czasie?

Myślę, że w najbliższym czasie wszystkie sieci (handlowe) będą dążyły do pewnego rodzaju personalizacji. W e-commerce sprawa wygląda trochę łatwiej, ponieważ widzimy, kim jest klient i możemy śledzić to, co kupuje oraz o co pyta. Sieci bardziej klasyczne, czyli stacjonarne, gdzie możemy iść fizycznie do sklepu, też zaczynają to robić. Oczywiście realizują to w trochę inny sposób, korzystają z pewnego rodzaju aplikacji, punktów lub kart. Możemy nie wiedzieć, kim jest klient, jednak możemy określić, że jest to pewne ID, które kupuje w konkretny sposób. Tutaj spokojnie ta personalizacja będzie się rozszerzała, więc my jako klienci pewnie będziemy dostawać coraz bardziej spersonalizowane oferty, podpowiedzi i promocje. Obszar, który nie jest moim zdaniem w pełni zagospodarowany to kwestie związane z zarządzaniem promocjami i ich prognozowaniem. Tutaj wciąż działają trochę prostsze algorytmy, które też dobrze się sprawdzają, jednak widzę tu jeszcze spore pole do popisu dla sztucznej inteligencji.

Czy widzi Pani jakieś możliwości w ewentualnym wykorzystaniu sztucznej inteligencji w samym sklepie stacjonarnym? Czy w kwestiach związanych z rozłożeniem asortymentu w sklepie, prowadzeniem konsumenta, też może zostać wykorzystana?

Jeśli chodzi o sam jednostkowy sklep, to tutaj mamy całą gamę zastosowań – zaczynając od doboru asortymentu, produktów do sprzedaży, siły nabywczej, aż po statystykę najczęściej kupowanych rzeczy pojedynczo, jak i w parach z innymi. Pojawiają się także kwestie trendu sezonowości — tutaj jak najbardziej dobór asortymentu. Idąc dalej to ułożenie towarów w sklepie, bo nie od dziś wiadomo, że to gdzie dany produkt się znajduje, jest ważne dla klienta końcowego, ponieważ kupujemy często oczami. 

Kolejne miejsce, w którym można zastosować algorytm, to na pewno zarządzanie zapasami w sklepie, czyli ile tego towaru potrzebujemy i ile go tak naprawdę zamówić. To, że potrzebujemy sto sztuk danego produktu, nie oznacza, że zamówimy taką samą ilość. Być może posiadamy pewnego rodzaju minima logistyczne, opakowania, kwestie finansowe, które będą wskazywać na to, żeby zamówić inną ilość danego produktu. Jak widać, mamy tutaj jeszcze spore pole do popisu dla algorytmów z zakresu optymalizacji. 

Coraz popularniejsze stają się sklepy autonomiczne, gdzie nie ma obsługi i w tym momencie tak naprawdę to sztuczna inteligencja przejmuje rolę sprzedawcy. Musi ona obserwować, co zakupił klient, rozliczyć go za towar, jak i śledzić stan produktów na magazynie. Ten trend bardzo rozszerzył się w Polsce w ostatnim roku, ale również na całym świecie. Na pewno jeszcze jedną możliwością dla sztucznej inteligencji jest patrzenie, gdzie chodzą klienci. Jeśli mówimy o dużych sklepach, to śledzenie miejsca, w którym najczęściej pojawiają się klienci po to, aby móc inaczej układać alejki oraz inaczej ustawiać asortyment.

Jak to jest z popularnością oraz wykorzystaniem rozwiązań spersonalizowanych, dostosowanych wyłącznie pod potrzeby klienta i rozwiązań bardziej ogólnych, gotowych, może niekoniecznie idealnie dopasowanych do konkretnego przypadku? Jak to wygląda na rynku?

To zależy, dużo firm lubi sięgać po tak zwane pudełka, czyli praktycznie gotowe rozwiązania, które wystarczy wdrożyć. One często sprawdzają się w tego typu zastosowaniach, gdzie mamy powtarzalny problem i powtarzalne dane. Mowa tutaj, chociażby o obiegu dokumentów — jest powtarzalny dla wielu firm, lub pewnego rodzaju analizie obrazu, jak na przykład sprawdzenie rodzaju produktów oraz poprawności ich ceny, ponieważ mogą one występować w różnych sieciach i sklepach. 

Trochę inaczej wygląda to w rozwiązaniach, które dotykają bardzo mocno procesu biznesowego wykreowanego przez konkretną firmę. Jeśli mówimy o promocjach, to każda firma inaczej nimi zarządza, co też przekłada się na to, że ma inne dane oraz ułożenie w systemach. Tutaj często obserwuję, że klienci decydują się jednak na bardziej customowe rozwiązania, ponieważ te pudełkowe są zbyt proste albo i tak wymagałyby sporej customizacji i dostosowania do danych, którymi dysponuje firma. 

Jakie są jeszcze mocne i słabe strony wariantów gotowych oraz customowych?

Zacznijmy może od wariantów gotowych i ich mocnych stron. Na pewno mocną stroną jest to, że firma, kupując takie pudełko mniej martwi się o specjalistów od sztucznej inteligencji, ponieważ AI jest już zaszyte w pakiecie, w pewien sposób zintegrowane. Odchodzi nam cała kwestia zarządzania i zatrudniania Data Scientistów. Takie rozwiązania często są szybciej wdrażane i możliwe do testowania, ponieważ są one półgotowe czy nawet całkowicie gotowe. Wystarczy jedynie je zainstalować i zrobić integrację z systemami, więc przyspieszamy, jeżeli chodzi o czas realizacji. Dodatkowo często są to jednak systemy, które mają już gotowe GUI (graficzny interfejs użytkownika). To jest plus i minus w jednym, bo z jednej strony dostajemy GUI, które nie wymaga projektowania. Z drugiej strony nie możemy w nie ingerować, musi pozostać takie, jakie jest. Producent może zgodzić się jedynie na zmianę koloru, aby był dostosowany do kolorystyki naszej firmy, ale nie zmieni całkowicie podejścia oraz sposobu pracy z systemem. Dodatkowe minusy pudełek to na pewno koszty licencji. Koszt wdrożenia i zakupu to jedna część, druga część to sama licencja, za którą płacimy rocznie — tutaj wiążemy się od razu z danym producentem na lata. Dodatkowo są to mało elastyczne rozwiązania. Firma kupująca gotowy pakiet zazwyczaj nie ma możliwości albo są one bardzo ograniczone, zmieniania algorytmów, formatów danych lub innych cech GUI. 

Jeśli chodzi o customowe rozwiązania, to mocnymi stronami na pewno jest to, że są one bardzo mocno dopasowane do indywidualnych potrzeb i specyfiki danych. W takiej sytuacji pracujemy na dwóch latach dobrych danych, które posiada producent. Możemy korzystać z dokładnie całej gamy algorytmów, jaka istnieje na rynku i jest dostępna we wszystkich bibliotekach programistycznych. Nie ograniczamy się do tego, co dany producent przygotował. Data Scientist może skorzystać z sieci neuronowych różnego typu, parametryzować w różny sposób, testować bardzo różne zmienne oraz dane. Możemy w pełni dostosować system do tego, jak wygląda proces biznesowy w firmie i jak wyglądają dane klienta. Dodatkowo są to całkowicie elastyczne modyfikacje w kodzie, nie tylko od strony algorytmu, ale także od strony integracji z innymi systemami w firmie. Wiadomo, że nie jest to nigdy jedna integracja — wiąże się ona z wieloma systemami, powiadomieniami, danymi, sprzężeniami oraz innymi podobnymi procesami. To, co działa zawsze na minus w tego typu rozwiązaniach, to wymóg posiadania odpowiednich specjalistów. Albo dysponujemy wewnątrz firmy takim zespołem, albo potrzebujemy dostawcy z zewnątrz, który przygotuje nam takie rozwiązanie, co także wiąże się z tym, że projekt będzie bardziej czasochłonny. Moim zdaniem przekłada się to później na jakość, ponieważ mimo spędzenia większej ilości czasu na przygotowanie algorytmu jest on faktycznie dopasowany do danych, którymi dysponuje klient i procesu, którym tak naprawdę chce zarządzać.

Czy może są jakieś obszary, w których powinno stosować się zawsze rozwiązania gotowe lub rozwiązania customowe? Czy na tyle jesteśmy w stanie dostosować te technologie, aby wszędzie można było wdrożyć oba rozwiązania?

Myślę, że nie wszędzie da się wdrożyć rozwiązania gotowe. Takowe dużo gorzej sprawdzają się w przypadku danych tzw. tabelarycznych, czyli takich opisujących na przykład sprzedaż, promocje lub zamówienia. Dużo lepiej sprawdzają się w przypadku analiz dokumentów lub obrazu. 

Jeśli chodzi o rozwiązania customowe — myślę, że można stosować je zapewne wszędzie, tylko nie zawsze będzie to opłacalne. Tak naprawdę wszystko zależy od tego, czym dysponujemy jako firma zamawiająca i na czym nam zależy. Prawdopodobnie nie ma takiego obszaru, gdzie można powiedzieć ze stuprocentową pewnością, że sprawdzi się rozwiązanie gotowe albo customowe.

Jak wygląda porównanie kosztów obu rozwiązań? Jak to będzie się zmieniało w przyszłości?

Dzisiaj największym kosztem, bez względu na wybór wersji wdrożenia, są koszty przygotowania danych oraz maszyn, czyli mocy obliczeniowej. Przygotowanie danych do momentu, kiedy organizacja nie zacznie o to bardzo mocno dbać i nie uporządkuje swojego zarządzania nimi, zawsze będzie kosztowne. Nawet jeśli mamy gotowe pudełko, to potrzebuje ono danych w konkretnej formie i z pewnego zakresu. Znam firmy, których czas przygotowywania danych pod jedne z rozwiązań przedłużył się nawet dwukrotnie. 

Jeśli chodzi o moc obliczeniową, to stanowi ona bardzo duży koszt ze względu na wytrenowanie modeli, które trzeba uczyć cyklicznie, ponieważ mogą się zestarzeć i będzie trzeba je odświeżyć. To są zawsze dwa największe koszty projektowe, do których dochodzi koszt specjalistów. Bez względu na to, czy wybieramy opcję pudełkową, gdzie potrzebujemy wdrożeniowców z danej firmy, czy organizację, która tworzy dla nas to rozwiązanie od zera, to czas pracowników łatwo sobie policzyć — jest to całkiem sporo. 

W koszt wlicza się również licencję, ale często zapomina się o kwestii utrzymania całego systemu. Systemy sztucznej inteligencji nie są systemami, które po prostu instalujemy. Muszą one chodzić, muszą się odświeżać, muszą być monitorowane, bardzo często dotykają też dosyć wrażliwych procesów. Nie mogą nie działać przez trzy dni, muszą pracować w systemie ciągłym. Trzeba je monitorować oraz bardzo dobrze zabezpieczyć na różne dziwne przypadki w systemach informatycznych. Wskazane jest posiadanie osób, które w razie problemu będą w stanie pomóc. 

Tak wygląda składowa kosztów projektów. Myślę, że to będzie się zmieniało, ponieważ coraz więcej firm w Polsce stara się uporządkować swoje dane. Liczę osobiście na to, że w przyszłości będę miała trochę mniej problemów z uporządkowaniem danych pod projekty, więc będzie taniej i szybciej. Druga kwestia to moce obliczeniowe, które dotychczas taniały. Całe środowisko IT stara się optymalizować kod, więc mam nadzieję, że uda się obniżyć koszty w przyszłości. Są to dwa punkty, w których będzie można jeszcze trochę obciąć wydatki dla projektów. Organizacje i ludzie są coraz bardziej świadomi tego, jak działa sztuczna inteligencja. Powoduje to coraz mniej problemów w projekcie oraz łatwiejsze wdrożenia. 

Rozmowę Barbary Sobkowiak z Michałem Kokoszkiewiczem z Wiadomości Handlowych znajdziecie również TUTAJ