Прогрес штучного інтелекту добре помітний у сфері торгівлі: можна без примірки вибрати ідеальне пальто, програми сканують продукти для перевірки їхньої стиглості та терміну придатності, а чатботи автоматично створюють списки покупок. Однак не обходиться без невдач і навіть шахрайства.
Speka розглянула, як ШІ та машинне навчання впливають на ритейл на конкретних кейсах як закордонних, так і українських компаній.
Як штучний інтелект впливає на торгівлю: приклади та тренди
Інновації у харчовій індустрії
Компанія BBC Technologies використовує машинний зір для сортування фруктів, аналізуючи їх колір і стан.
Вони розробили платформу на основі ШІ, яка може обробляти 2400 зображень фруктів за секунду. Це дозволяє визначити стиглість, сорти та виявити пошкодження.
Спершу вони створили механічний конвеєр, який міг розпізнавати ягоди за кольором. Але вже згодом програмне забезпечення навчилося, наприклад, розпізнавати отвір у стеблі від клювання птахів і відкидати проколоті плоди, які швидше згниють. Ще бачити незначні сезонні відмінності, тому фрукти, вирощені на початку сезону, будуть сортуватися та упаковуватися інакше, ніж фрукти, які достигають наприкінці.
Принцип роботи BBC Technologies (відео)
А в PepsiCo, якій належать чипси Doritos та Lays, використовують ШІ, що за допомогою лазерів досягає ефекту однакового смаку та хрускоту для кожного шматочка. До цього працівникам доводилось іноді вручну регулювати товщину чипсів і дегустувати їх.
Використання ШІ у Walmart
Walmart інтегрує ШІ для прогнозування попиту, оптимізації логістики та автоматизації процесів – буквально всюди, де може. Платформи ШІ допомагають з перенаправленням товарів під час стихійних лих, а також автоматизують голосові покупки та сканування полиць за допомогою роботів.
Боротьба з відходами за допомогою штучного інтелекту
ШІ допомагає ритейлерам скорочувати харчові відходи, аналізуючи дані та прогнозуючи попит. Це дозволяє компаніям ефективніше управляти запасами та зменшувати кількість непроданих продуктів, які можуть зіпсуватися.
Системи, як Winnow та Shelf Engine, відстежують харчові відходи та допомагають знижувати їхню кількість. Наприклад, Shelf Engine аналізує терміни придатності та попит на товари. Ші радить, коли слід змінити ціни на продукти, що швидко псуються, або зняти їх з полиць до закінчення терміну придатності.
Як ритейлери використовують ШІ в Україні
Українські ритейлери, як Intertop, використовують ШІ для персоналізації показу товарів на сторінках магазину. 3DLook пропонує віртуальну примірку одягу, а мережа Fozzy («Сільпо») тестує ШІ-портал Kissa AI для автоматизації обслуговування в кафе.
Як працює віртуальна примірка 3DLook (відео)
Невдачі та шахрайство у впроваджені штучного інтелекту
Не всі впровадження ШІ є успішними. McDonald's зупинили тестування ШІ для приймання замовлень, бо система робила забагато помилок.
Amazon викрили у шахрайстві, коли замість обіцяних технологій Just Walk Out в магазинах, де можна було взяти товари з полиць, а потім автоматично стягувалась плата, увесь процес від ідентифікації товарів до оплати мав робити ШІ. Але виявилось, що мережа використовувала віддалений нагляд людьми, який був ще й менш ефективний за звичайних касирів.
Після викриття та розголосу в медіа Amazon заявив, що зупиняє використання технології Just Walk Out у своїх магазинах без кас.
Як ШІ збирає дані та аналізує їх
ШІ автоматизує збір та аналіз даних, що дозволяє швидше приймати бізнес-рішення. Чатботи збирають детальну інформацію про взаємодію з клієнтами, створюючи профілі та підвищуючи ефективність продажів.
Використовуючи величезні обсяги попередніх даних, роздрібні боти можуть створювати профілі клієнтів і відповідно змінювати свою поведінку під час взаємодії майже під кожного клієнта. Потім вони передають зібрані дані для покращення ефективності в майбутньому. Це може відбуватися дуже швидко, наприклад, через кілька секунд в іншому магазині з іншим клієнтом, який має схожі характеристики.
Це величезна перевага ШІ, яка швидко оптимізує «точки дотику» з клієнтами, що тільки грає на руку продажам товарів.
Читайте також
