AI u prodavnici radi onoliko dobro koliko je uredan šifarnik

Ponude za veštačku inteligenciju u trgovini obećavaju mnogo: predviđanje prodaje, narudžbine koje se prave same, cene koje se prilagođavaju. Tehnologija za to postoji i radi. Ono što se na prezentaciji ne kaže glasno jeste da model zna samo ono što može da pročita iz vaših podataka.

A podaci u većini trgovina nisu pravljeni da bi iz njih neko učio. Pravljeni su da bi se izdao račun i zatvorio dan.

Šta model vidi kad otvori vaš šifarnik

Čovek koji godinama radi u radnji zna sve zamke svog programa i u glavi ih ispravlja. Model ih ne zna. Evo šta najčešće zatiče:

• isti artikal pod dve ili tri šifre, jer je promenjen dobavljač ili pakovanje, ili neko nije našao stari pa je otvorio novi
• jedinice mere koje se mešaju: komad, pakovanje, gajba
• artikle bez grupe, ili sa grupom „ostalo” u koju je stalo pola asortimana
• povraćaj uknjižen kao minus prodaja, a otpis kao prodaja po ceni nula
• akcijske cene koje nigde nisu označene kao akcija
• stanje koje se ispravlja tek na popisu

Posledice su predvidive. Model vidi da je artikal prestao da se prodaje, a on se zapravo prodaje pod novom šifrom. Vidi nagli skok potražnje, a to je bila akcija o kojoj u podacima nema ni traga. Predlaže da se naruči roba koja već stoji na polici, jer je stanje u sistemu pogrešno od prošlog prijema.

Model nije pogrešio. Tačno je naučio ono što ste mu pokazali.

Zašto „neka AI sam sredi podatke” nije rešenje

AI zaista može da pomogne u čišćenju. Može da nađe artikle koji su verovatno isti i da ih ponudi u parovima. Ali odluku koja šifra ostaje, a koja se gasi, mora da donese neko ko poznaje robu.

Važnije je nešto drugo. Ako se ne promeni način na koji su duplikati nastali, za nekoliko meseci šifarnik je ponovo isti kao pre čišćenja. Sredi se rezultat, a mašina koja pravi nered radi dalje.

Gde AI u trgovini radi već danas

Da ne ispadne da je sve daleko: postoje poslovi u kojima AI donosi korist i kad podaci nisu savršeni, jer mu je ulaz dokument, a čovek proverava sporno.

• Ulazne fakture i otpremnice. Sistem pročita stavke, uporedi ih sa narudžbenicom i izdvoji samo ono što se ne poklapa. Čovek gleda razlike, ne svaki red.
• Pitanja zaposlenih. Asistent koji odgovara iz vaših uputstava, cenovnika i uslova dobavljača, i uz odgovor pokaže gde to piše, da može da se proveri.
• Predlog narudžbine. Kao predlog koji čovek potvrdi ili promeni, i tek kada se prodaja, povraćaj i otpis vode kao različite stvari.

Zajedničko im je jedno: jasno je šta sistem radi kad nije siguran. Ne nagađa, nego pita.

Proverite ovo pre nego što platite AI projekat

1. Jedan artikal, jedna šifra. I pravilo ko sme da otvori novi artikal, uz obaveznu proveru da li već postoji.
2. Prodaja, povraćaj, otpis i akcija knjiže se kao četiri različite stvari. Ne kao plus i minus iste stavke.
3. Prijem robe se unosi kad roba stigne, a ne kad neko stigne da ga unese.
4. Postoji odluka šta se radi kada sistem nije siguran. Ko proverava, u kom roku i gde se to vidi.
5. Tačnost se meri na vašim podacima pre puštanja u rad, sa brojkom koliko puta sistem pogreši. Ne na primeru iz prezentacije.

Ako na tri od ovih pet pitanja nemate odgovor, novac je bolje uložiti prvo u uredan tok podataka. To nije gubljenje vremena na putu do AI, nego deo tog puta.

Redosled koji se isplati

Prvo se sredi način na koji podaci nastaju, pa se tek onda na njih pusti model. Često se pokaže da prvi korak koji zaista vraća novac uopšte nije veštačka inteligencija, nego prijem robe bez prekucavanja i šifarnik kome se može verovati. AI koji dođe posle toga ima iz čega da uči.

Kod nas svaki AI projekat počinje proverom na vašim stvarnim podacima. Ako model ne rešava zadatak dovoljno pouzdano, kažemo to pre nego što se potroši budžet. Primeri takvih poslova su na strani AI automatizacija. Ako imate konkretan slučaj, pišite nam.