I leader della vendita al dettaglio rivelano che l'adozione dell'IA è un problema di persone, non di tecnologia

Otto leader del settore retail si sono recentemente riuniti a Londra per un comitato consultivo di UiPath, e la loro conclusione più coerente è che il fallimento dell'IA è raramente un problema tecnologico. Secondo il UiPath Blog, il tema dominante in ogni sessione è stato l'adozione e la gestione del cambiamento, e non la capacità dei modelli o le funzionalità della piattaforma. L'intuizione principale per i team operativi è che la tecnologia è pronta, ma l'infrastruttura umana e dei dati spesso non lo è.

Cosa è successo

La discussione si è svolta secondo la Chatham House Rule, il che significa che nessuna citazione specifica è attribuita a singoli individui. Tuttavia, il UiPath Blog riporta che ogni rivenditore presente ha identificato nell'adozione una sfida significativa. Molti hanno a che fare con processi vecchi di 20 o 30 anni, modellati da team isolati, e alcuni ora impiegano personale dedicato alla gestione del cambiamento solo per far avanzare le iniziative. Un ostacolo più silenzioso descritto è la tendenza dei team a concentrarsi su ciò che l'IA non può fare piuttosto che su ciò che può fare, creando un divario in cui esistono strumenti di pianificazione moderni ma il lavoro reale avviene ancora nei fogli di calcolo.

L'integrità dei dati è emersa come un blocco critico. Il sondaggio "Reaction Gap" di UiPath condotto su 500 leader del retail nel Regno Unito, citato nel blog, ha rilevato che, mentre il 98% dei leader descrive i propri sistemi come connessi durante i periodi di picco delle vendite, solo il 25% ha la visibilità in tempo reale per intervenire sui problemi man mano che si verificano. Il blog nota che il problema più difficile non è la mancanza di dati, ma fare in modo che i numeri coincidano nei sistemi di back-end in cui i reparti manipolano gli stessi dati in modo diverso. Dati scarsi o isolati bloccano i casi d'uso basati su agenti prima ancora che inizino.

Per quanto riguarda la progettazione dei flussi di lavoro, i leader hanno descritto un modello in cui gli agenti gestiscono il 90% di routine delle decisioni, lasciando agli umani l'approvazione del 10% che richiede giudizio. Tuttavia, ciò richiede che il sistema spieghi il suo ragionamento e il suo rischio. È stata sollevata una tensione significativa sulla formazione: se gli agenti eliminano il lavoro preparatorio manuale (come la creazione di pacchetti commerciali), come faranno i nuovi laureati a sviluppare il giudizio necessario per decisioni di alto livello? Inoltre, mentre il 97% dei rivenditori del Regno Unito ha implementato l'IA in qualche forma, il 47% è ancora in attesa di vederne l'impatto commerciale, in parte a causa dei lunghi tempi necessari per dimostrare il ROI.

Perché è importante per i piccoli team operativi

Per le piccole e medie imprese, questo convalida un punto d'ingresso pratico e a basso rischio nell'automazione dell'IA. Il consiglio dei leader del retail di "iniziare in piccolo" e prendere di mira la "banda centrale" del lavoro — attività troppo noiose per gli umani ma troppo complesse per le semplici macro — è direttamente applicabile alle vostre operazioni. Non è necessario rivoluzionare l'intero ERP o la catena di approvvigionamento per vederne il valore. Al contrario, concentratevi su vittorie circoscritte e misurabili, come i processi procure-to-pay non legati alle scorte. Il blog evidenzia che l'onboarding dei fornitori può richiedere fino a otto settimane, creando eccezioni e ricerche manuali. L'automazione di questo specifico collo di bottiglia fornisce una vittoria visibile e rapida che costruisce la fiducia interna. La metrica più importante non è il ROI immediato, ma la domanda interna: quando il vostro team dice "ho bisogno che questo funzioni", avete dimostrato il valore. Questo approccio mitiga il rischio di affaticamento da gestione del cambiamento rendendo il beneficio tangibile per i dipendenti che svolgono il lavoro.

Cosa fare questa settimana

1. Identificate un processo della "banda centrale" nelle vostre operazioni che coinvolga attività ad alto volume e basso giudizio, come l'onboarding dei fornitori o la riconciliazione delle fatture, e mappate dove si verificano i passaggi di consegne manuali.
2. Selezionate un set di dati singolo e circoscritto per questo processo e pulitelo per garantire un'unica fonte di verità, affrontando il problema del silo di dati prima di introdurre qualsiasi strumento di IA.
3. Sperimentate un agente IA su questo specifico flusso di lavoro per un mese, misurando il successo non solo in base al tempo risparmiato, ma verificando se i membri del team richiedono esplicitamente di mantenere lo strumento dopo la fine della fase di test.

Fonti

• We asked eight retailers to be honest about AI — UiPath Blog