Kada se govori o AI-u u trgovinama, ljudi cesto pomisle na futuristicke kase bez radnika ili potpuno automatizirane markete. U praksi se najveci efekat danas vidi na puno prizemnijem mjestu: na policama koje ne bi trebale biti ni prazne ni prepune, i u hladnjacima gdje roba ne bi trebala zavrsiti kao otpad samo zato sto je procjena bila losa.
Maloprodaja zivi od tacnog balansa. Ako narucite premalo, kupac ne nalazi proizvod i odlazi drugdje. Ako narucite previse, novac je vezan u zalihi, a kvarljiva roba zavrsava u otpadu. AI tu nije zanimljiv zato sto zvuci moderno, nego zato sto moze preciznije procijeniti sta ce se zaista prodati i kada.
Najveca korist dolazi iz boljeg planiranja potraznje
Klasicne procjene narudzbi oslanjaju se na historiju prodaje i iskustvo ljudi koji vode kategoriju. To i dalje ima smisla, ali postaje slabo kad se spoje akcije, vrijeme, lokalni dogadjaji, sezona i razlike medju poslovnicama. AI modeli upravo tu imaju prednost jer mogu istovremeno gledati vise signala nego sto to timovi mogu pratiti rucno.
Rezultat nije savrseno predvidjanje, nego osjetno manji broj promasaja. Mlijecni proizvodi, pekarski artikli, svjeze voce i povrce posebno profitiraju od toga, jer kod njih nekoliko pogresnih odluka vrlo brzo postane novac bacen kroz otpad ili izgubljenu prodaju.
Prazna polica i prepuno skladiste su isti problem
Mnoge trgovine odvojeno gledaju nestasice na polici i visak zaliha u pozadini, iako su to dva lica iste greske. Ako sistem kasno vidi da se traznja mijenja, jedna poslovnica ostaje prazna dok druga drzi previse robe. AI moze ranije prepoznati pomak i pomoci da se raspored zaliha ispravi prije nego sto kupac ili marza osjete puni udar.
To je posebno korisno za lance s vise lokacija. Jedna cetvrt, jedan grad ili jedno turisticko podrucje nema isti ritam kupovine kao drugo. Dobar model ne tretira sve prodavnice kao da imaju istog kupca.
AI je posebno koristan za kvarljivu robu
Kod artikala s kratkim rokom trajanja greska je skuplja nego kod konzervirane robe ili dugotrajnih proizvoda. Ako trgovina pogrijesi s jogurtom, salatom, gotovim jelima ili pecivima, taj promasaj ne ceka mirno sljedecu sedmicu. Rok brzo pretvara pogresnu procjenu u stvarni gubitak.
Zato se najkonkretniji rezultati cesto vide tamo gdje AI pomaze narudzbi, cijenama pred kraj roka ili internom upozorenju da se odredjena roba mora brze iznijeti i prodati. To nisu glamurozne funkcije, ali su operativno vrlo vrijedne.
Najveci izazov nije model nego disciplina podataka
Kao i u logistici ili energetici, AI u maloprodaji vrijedi onoliko koliko vrijede podaci koje dobija. Ako su sifre proizvoda neuredne, stanje zaliha netacno, akcije lose unesene ili kasnjenje dostave nevidljivo sistemu, model ce donositi lose preporuke s vrlo uvjerljivim tonom.
To je razlog zasto uspjesni projekti rijetko pocinju pitanjem "koji AI alat da kupimo". Pravo pitanje je da li trgovina ima dovoljno cist operativni tok da preporuka sistema zaista moze stici do police na vrijeme.
Zakljucak
AI u maloprodaji nije zanimljiv zato sto prodaje futurizam, nego zato sto pomaze u starom problemu: imati pravu robu na pravom mjestu u pravo vrijeme. Kad trgovina bolje planira zalihe, kupac lakse nalazi proizvod, menadzer manje gasi pozare, a otpad se smanjuje bez velikih parola. Za sektor koji zivi od sitnih margina i velikog volumena, to je vrlo ozbiljna razlika.
