Sztuczna inteligencja w służbie małego biznesu: Netstock i rewolucja w zarządzaniu zapasami

W dobie intensywnej dyskusji o potencjalnej bańce spekulacyjnej wokół sztucznej inteligencji, niektóre branże, takie jak logistyka i zarządzanie łańcuchem dostaw, stają się poligonem doświadczalnym dla realnych zastosowań tej technologii. Obok gigantów takich jak Flexport czy Uber Freight, mniejsze firmy również dostrzegają szansę na wykorzystanie AI.

Netstock, firma z ponad dekadą doświadczenia w tworzeniu oprogramowania do zarządzania zapasami, niedawno wprowadziła narzędzie oparte na generatywnej sztucznej inteligencji o nazwie 'Opportunity Engine’. To rozwiązanie integruje się z istniejącymi systemami ERP klientów i dostarcza rekomendacje w czasie rzeczywistym, bazując na analizie danych.

Według Netstock, 'Opportunity Engine’ generuje realne oszczędności dla firm. Spółka niedawno ogłosiła, że system wygenerował już milion rekomendacji, z czego 75% propozycji dla klientów miało wartość co najmniej 50 000 dolarów.

Początkowa nieufność

Jednym z klientów Netstock jest Bargreen Ellingson, rodzinna firma z 65-letnią tradycją w branży zaopatrzenia restauracji. Początkowo podchodzili oni z dystansem do implementacji sztucznej inteligencji. 'Tradycyjne, rodzinne firmy nie ufają ślepym zmianom’, powiedział Jacob Moody, dyrektor ds. innowacji w Bargreen Ellingson. Zamiast narzucać rewolucję, Moody przedstawił AI jako narzędzie, z którego menedżerowie magazynów mogą korzystać, ale nie muszą. Jak sam to określił, było to 'ostrożne zanurzenie stóp’ w świat AI.

Moody przyznaje, że system pomaga unikać błędów, filtrując ogromne ilości danych, które pracownicy wykorzystują do podejmowania decyzji dotyczących zapasów. Podkreśla, że choć podsumowania generowane przez AI nie są w 100% dokładne, to pomagają szybko 'wyłowić sygnały z szumu informacyjnego’, szczególnie poza godzinami pracy.

Wzrost efektywności

Najbardziej znaczącą zmianą, jaką zauważył Moody, jest wzrost efektywności mniej doświadczonych pracowników magazynu. Jako przykład podaje pracownika z dwuletnim stażem, który nie ma wyższego wykształcenia. Wdrożenie go w skomplikowany system zarządzania zapasami i prognozowania wymaga czasu. Dzięki 'Opportunity Engine’ pracownik ten może szybko ocenić, czy rekomendacje systemu mają sens, bazując na swojej znajomości klientów i codziennych dostaw. Jak podkreśla Moody, pracownik czuje się dzięki temu bardziej kompetentny.

Klucz do sukcesu

Cofounder Netstock, Kukkuk, rozumie obawy związane z nowymi technologiami, zwłaszcza że wiele produktów AI to w gruncie rzeczy przeciętne chatboty podłączone do istniejącego oprogramowania. Sukces 'Opportunity Engine’ przypisuje kilku czynnikom. Po pierwsze, firma dysponuje danymi zebranymi przez ponad dekadę współpracy z detalistami, dystrybutorami i producentami. Dane te, chronione zgodnie z normami ISO, stanowią fundament dla modeli generujących rekomendacje. Netstock korzysta z kombinacji technologii AI zarówno z otwartego oprogramowania, jak i od firm prywatnych.

Każda rekomendacja może być oceniona przez użytkownika, a system uczy się na podstawie tych ocen oraz na podstawie tego, czy klient podejmuje sugerowane działanie. Kukkuk podkreśla, że w przeciwieństwie do firm takich jak Facebook czy Instagram, Netstock koncentruje się na realnych korzyściach dla klientów, a nie na generowaniu ruchu.

Przyszłość AI w Netstock

Kukkuk ostrożnie podchodzi do rozszerzania interakcji z użytkownikami ze względu na ograniczenia obecnej technologii generatywnej AI. Uważa, że zbyt duża swoboda w interakcji z systemem może prowadzić do spadku dokładności rekomendacji. Dlatego 'Opportunity Engine’ jest zintegrowany z istniejącym panelem klienta, a rekomendacje są widoczne, ale łatwe do zignorowania. Nie ma tu nachalnego wciskania 20 funkcji AI na siłę, jak to ma miejsce w niektórych rozwiązaniach.

Moody docenia fakt, że AI nie narzuca się. 'Nie pozwalamy, aby silnik AI podejmował jakiekolwiek decyzje dotyczące inwentaryzacji, których nie przeanalizował i nie zatwierdził człowiek. Kiedy dojdziemy do momentu, w którym będziemy zgadzać się z 90% sugestii, być może zrobimy kolejny krok i oddamy systemowi większą kontrolę. Ale jeszcze nie jesteśmy na to gotowi.’

To obiecujący początek w czasach, gdy wiele wdrożeń generatywnej AI w przedsiębiorstwach kończy się fiaskiem. Moody obawia się jednak implikacji szerszego zastosowania tej technologii w przyszłości. 'Osobiście boję się tego, co to oznacza. Myślę, że czeka nas wiele zmian i nikt z nas nie jest pewien, jak to będzie wyglądać w Bargreen’, mówi. Sugeruje, że może to doprowadzić do zmniejszenia liczby ekspertów ds. analizy danych w firmie. Podkreśla jednak, że nawet jeśli oznaczałoby to przesunięcie tych pracowników z magazynu do biura, zachowanie wiedzy jest kluczowe.

Bargreen potrzebuje ludzi, którzy 'dogłębnie rozumieją teorię i filozofię i potrafią racjonalizować, dlaczego Netstock wydaje określone rekomendacje’, aby 'upewnić się, że nie podążamy ślepo’ w złym kierunku.