Hoe AIoT de detailhandel transformeert: Slimmere winkels, betere service, geoptimaliseerde supply chains

De detailhandel is niet ontheemd gebleven voor de proliferatie van IoT-ingeschakelde apparaten en sensoren doorheen winkels, klantenservicekanalen, opslag en de supply chain. Nu laag retailers Kunstmatige Intelligence erover heen om deze data beter te benutten.

Als zodanig is de artificial intelligence of things (AIoT) aan het opkomen als cruciaal voor retailers. Waarom? AI combineren met data van IoT-apparaten helpt retailers de in-winkel-ervaring te heruitvinden, serviceverlening te verbeteren en productzichtbaarheid op elk operationeel niveau te handhaven.

In het Global Data IoT in Retail and Apparel thematische rapport is de groeiende integratie van AI in IoT-producten en -diensten in de detailhandel onvermijdelijk en al gaande: „De sleutellagen in de IoT-waardeketen zijn fysiek, connectiviteit, data, apps en diensten. Terwijl deze lagen logisch discrete zijn, zien large-scale IoT-oplossingen aanzienlijke vervaging van deze logische grenzen.

Bijvoorbeeld, hoewel er een duidelijk identificeerbare datalaag bovenaan de stack blijft, vindt een groeiend deel van de dataverwerking plaats binnen en aan de rand van het netwerk. De versnelde ontwikkeling van generatieve AI, met name ChatGPT, heeft de relevantie van AI over alle IoT-lagen verhoogd. Daarom incorporeren een groeiend aantal IoT-producten en -diensten AI in hun mogelijkheden, vooral over klant-gedreven interfaces.

Event-selectie produceert real-time resultaten en oplossingen

Fijnmazige routing via event streaming stelt systemen in staat selectiever te zijn in wat door AI geanalyseerd wordt, zodat het zowel goedkoper als reactiever op events kan zijn. Een event vertegenwoordigt een verandering in staat, of een update, zoals een item dat in een winkelwagen wordt gelegd, een loyaliteitskaartaanvraag die wordt ingediend, of een order die klaar is om te verzenden.

Events worden „gepubliceerd” met een topic wat aangeeft waar ze over gaan, en systemen kunnen „abonneren” om alle events met relevante topics te ontvangen. AI-systemen ontvangen events om real-time resultaten te produceren die real-time oplossingen/acties laten automatisch triggeren, maar deze datafeed biedt ook een stroom voor constant leren, ofwel door opname in een vector database of door fine-tuning van het model zelf.

Stakeholders winnen met intelligente use cases

Veel vroege toepassingen van AI in de detailhandel zullen waarschijnlijk focussen op generatieve AI (Gen-AI) en Large Language Models (LLMs). Deze kunnen gebruikt worden voor directe klantinteracties via winkel-apps, omnichannel klantenservice-interacties, en zelfs om werknemers in het magazijn te helpen.

Maar een van de grootste problemen met de huidige LLM-gebaseerde AI is dat het relatief duur en traag is. Simpelweg IoT-data naar een LLM fire-hosen voor verwerking zal snel onhandelbaar en heel duur worden. De grootste voordelen van de convergentie van AI en IoT in de detailhandel zullen gerealiseerd worden door detailhandelorganisaties intelligente use cases te identificeren om voordelen te leveren aan klanten, medewerkers en het bedrijf als geheel.

… en laat de voordelen voor zich spreken

Event-enabling IoT-stromen kan voordelen bieden aan detailhandelklanten en medewerkers in-winkel, via klantenservicekanalen, en zelfs in opslag.

Hier zijn drie use cases waar de convergentie van AI en IoT in de detailhandel, ondersteund door event streaming, een echt verschil kan maken.

1) De verbonden fabriekswerknemer introduceren

Beginnend in het magazijn, kan AI helpen bij uitzonderingsafhandeling voor fabriekswerkers. Meeste retailers gebruiken nu een of andere vorm van mobiele of tablet-apparaten in opslagoperaties, en deze worden ondersteund door IoT-apparaten op de vloer voor voorraadmonitoring en andere voorraadgerelateerde taken.

Al deze bieden een schat aan potentiële voordelen waaruit AI nieuwe inzichten kan gleanen en potentiële issues kan adresseren. Bijvoorbeeld, een Gen-AI-oplossing kan alle werknemers een extreem makkelijke manier bieden om issues, incidenten/near misses, of efficiëntiegedachten te rapporteren. Dit is kwalitatieve informatie, maar een LLM-gebaseerde AI kan dit dan reviewen, sorteren, groeperen en gecureerde adviezen aan management leveren.

Noodreactie in real-time om operaties veilig te houden

In een noodsituatie is er ook het potentieel om de snelheid waarmee organisaties in real-time kunnen reageren in het magazijn of op de fabrieksvloer aanzienlijk te verhogen. Een event-gedreven systeem om de informatie te leveren en AI om het te transcriberen, ernaar te kijken, en het dan zo snel mogelijk voor de relevante persoon te plaatsen, kan veiligheid, tijd en geld op de fabrieksvloer verbeteren.

Hier kan de event mesh veel AI-agents koppelen, elk afgestemd op een specifieke set events. Dit kan zo eenvoudig zijn als abonneren op alle events die raw audio bevatten en een speech-to-text model gebruiken om de transcriptie te creëren, wat dan weer in de mesh gepubliceerd wordt. Al deze componenten communiceren asynchroon via de event mesh met gegarandeerde messaging om te waarborgen dat geen events in transit verloren kunnen gaan en ze geleverd worden aan de juiste persoon of apparatuur om een noodreactie te triggeren.

2) Klantvoorkeuren beter begrijpen om de winkelervaring te personaliseren

AIoT stelt retailers in staat om intelligently te profiteren van in-winkel en klantdata om hoogst gepersonaliseerde winkelervaringen aan te bieden. Door AI te gebruiken om klantdata van IoT-apparaten te analyseren, kunnen retailers productaanbevelingen, aanbiedingen en zelfs in-winkel ervaringen afstemmen op individuele voorkeuren. Neem het voorbeeld van een in-winkel klantenservice-assistent die weet waar de klant is en, nog belangrijker, waar alles anders zich bevindt.

Bijvoorbeeld, een klant kan de winkel-app vertellen dat ze een hek willen bouwen. Ze hoeven niet langer te wachten op de bouwmarktrepresentatief om hen te adviseren over waar het product dat ze nodig hebben is en welk ze moeten gebruiken. In plaats daarvan zou een AI-assistent winkel-specifieke informatie gebruiken om een reactie te leveren afgestemd op elke klant zijn behoeften. Het zou naar zijn databases gaan, de query intelligent beantwoorden, en zeggen: OK, nu we uitgevonden hebben wat voor materialen je nodig hebben, laten we door de winkel lopen en ze vinden.

Front-end klantervaring maximaliseren vereist back-end dataverplaatsing

In staat zijn om deze verzoeken snel, nauwkeurig en effectief te handelen betekent event-enabling alle voorraadinformatie en AI-verwerking. Klanten moeten in real-time weten of de materialen die ze nodig hebben beschikbaar zijn, en dit zou ook de contextuele gebruik van sensoren in-winkel vereisen om ze naar het gebied van de winkel te leiden om hun goederen te vinden.

Een event-gedreven benadering om zowel deze device data als AI-verwerking te integreren zou een event mesh gebruiken – een netwerk van interconnected event brokers dat de distributie van events-informatie tussen applicaties, cloud-diensten en apparaten mogelijk maakt – om real-time verwerking en predictieve inzichten te enableen. Eenmaal gekocht, kunnen events ook back-end documentatie en instructies omvatten die de klant uitleggen hoe ze hun vereiste project thuis kunnen bouwen.

3) Een betrouwbare Copilot-agent duikt op in het contactcentrum

Moderne klantcontactcentra komen nu met een AI-copilot ontworpen voor betere klantenservice. Microsoft Copilot is bijvoorbeeld nu inherent met Microsoft 365 en breidt bestaande contactcentrumkanalen uit met generatieve AI om service-ervaringen te verbeteren en agent-productiviteit te verhogen.

AI kan helpen bij het verwerken van opgenomen of real-time gesprekken naar klantenservice om serieuze issues te benadrukken die noodhulp vereisen. Let op dat dit niet de AI is die de plaats inneemt van de klantenservice-medewerker, maar reageert op issues die in een mens-tot-mens-gesprek zijn gekomen om real-time context te bieden over de klant en het probleem dat ze hebben.

Event-ingeschakelde AI om context toe te voegen voor klantenservice-reps

Door deze AI-copilot event-te-enablen en te koppelen aan de talloze datapunten over het klantenserviceproces (CRM-data voor klantgeschiedenis, type apparaat/kanaal waar ze vanaf communiceren, klantenservice-scripts/protocollen, en BI-rapportage), kunnen organisaties nieuwe niveaus van real-time inzichten leveren aan de klantenservice-rep.

AI-agents kunnen abonneren op een smalle set events, een prompt-template specifiek voor dat abonnement leveren, en dan een LLM gebruiken om het event te verrijken met additionele informatie. Bijvoorbeeld, sentimentanalyse uitvoeren op gebruikersinteracties om klanten met issues te identificeren die routing naar een expert nodig hebben, een klant rijp voor een upsell, of nieuwe events synthetiseren gebaseerd op de combinatie van geaccumuleerde data.

Connected commerce creëert een slimme detailhandelstoekomst

De combinatie van AI en IoT in de detailhandel vertegenwoordigt een transformatieve shift in hoe retailers de technologie en data ter beschikking kunnen benutten. Een event-gedreven strategie is een kritisch component in dit proces en zal detailhandelorganisaties helpen klantervaringen te verbeteren, operaties te stroomlijnen en werknemers te empoweren van de fabrieksvloer tot de in-winkel en het contactcentrum.