AI za dopunu zaliha u prodavnicama: šta treba da odluči algoritam, šta nabavljač i kako proveriti da li pomaže

Automatsko naručivanje za prodavnice nije novost. Novo je to što ga nazivamo AI agentom i što od njega tražimo da preuzme veći deo posla: ne samo da izračuna količinu, već i da pripremi porudžbinu, obrazloži je i, na kraju, pošalje. Pre nego što odlučite koliko od toga da mu prepustite, vredi pogledati šta se dešava u lancima koji već tako naručuju, jer ljudi koji koriste te sisteme stalno menjaju ono što sistem predloži, a nove terenske studije izmerile su šta te izmene donose.

1. Od čega se sastoji porudžbina i ko treba da odluči o kom delu

Porudžbina za prodavnicu je mala računica obavijena sa nekoliko procena. Računica je mehanička: očekivana prodaja dok sledeća isporuka ne stigne i ne bude na polici, plus rezerva za varijabilnost, minus zaliha na stanju i zaliha koja je već naručena. Procene nisu mehaničke: koji dobavljač, da li će promocija ili lokalni događaj podići potražnju, da li novi proizvod zaslužuje mesto, da li je zaliha u magacinu stvarna. Kada se posao podeli po toj liniji, svaka strana dobija ono što radi dobro:

2. Šta dokazi govore o korekcijama

Najdetaljnija novija studija prati evropski lanac supermarketa višeg cenovnog segmenta koji je automatsko naručivanje koristio više od tri godine, u dve grupe kvarljive robe, pakovanom mesu i gotovim jelima¹. Osoblje prodavnica moglo je da prihvati ili izmeni svaki predlog. Njihova smanjenja nisu bila nasumična: kada je proizvoda nedavno nestalo, znatno su češće smanjivali predloženu porudžbinu, jer su nisku zabeleženu prodaju praznih dana čitali kao nisku potražnju. Ta smanjenja su zatim činila novu nestašicu istog proizvoda mnogo verovatnijom. Autori to nazivaju nestašicom koju je prodavnica sama izazvala.

Korekcije u suprotnom smeru mogu biti ispravne. U lancu prodavnica brze kupovine koji je sistem za preporuke porudžbina uveo u nekim prodavnicama, a u drugim nije, poslovođe su povećavale ili ranije slale porudžbine za popularne artikle, pre potražnje koju sistem još nije otkrio, a uzdržavale su se kod artikala koji se sporo prodaju². Dve vrste korekcija jedna pored druge:

Uvođenje u lancu prodavnica brze kupovine pokazalo je i šta je uradio sam sistem za preporuke: tačke ponovnog naručivanja su porasle, porudžbine su postale manje i češće, nivo usluge poboljšan je za 2,9% bez dodatnih zaliha i bez gubitka prodaje, a poslovođe su na naručivanje dnevno trošile 36,5% manje vremena². Pouka obe studije je ista. Pitanje nije da li ljudi treba da koriguju, već koje korekcije nose informaciju koju sistem nema.

3. Šta pomaže ljudima da dobro koriste preporuke

Pridržavanje preporuka retko je visoko, čak i kada je alat dobar. U Zari, čiji je alat za cene pri rasprodaji u pilotu povećao prihod, menadžeri zemalja sledili su njegove preporuke cena u 61,0% slučajeva u sopstvenim prodavnicama i u 46,4% slučajeva u franšizama; tamo gde alat nije preporučio nikakvo sniženje, menadžeri su cenu snižavali za medijanu od 19,9%³. Ta studija se bavi cenama, a ne naručivanjem, ali obrazac je poznat svakome ko je uvodio sistem za dopunu zaliha.

Tri nalaza pokazuju šta pomaže. Kada je na ekran u Zari dodata referentna tačka, tako da menadžeri vide šta bi značilo slediti alat, pridržavanje u franšizama poraslo je za oko devet i po procentnih poena³. U onlajn eksperimentima ljudi koji sopstvenu prognozu kombinuju sa algoritamskom po fiksnom ponderu prave greške od 20% do 61% veće nego što je potrebno, a prikaz ulaznih podataka koje algoritam koristi, bez otvaranja samog modela, smanjio je greške za četvrtinu⁴. U dva terenska eksperimenta sa naručivanjem zaliha, prikaz dosadašnjih rezultata algoritma poboljšao je porudžbine menadžera, a prikaz slučajeva u kojima je algoritam loše radio pomogao je više od prikaza slučajeva u kojima je radio dobro⁵.

Za alat za dopunu zaliha iz toga slede tri pravila dizajna: prikažite brojke na kojima počiva svaka stavka, prikažite rezultate samog alata zajedno sa njegovim promašajima i označite korekcije za koje dokazi pokazuju da vode u grešku. Studija supermarketa procenila je da bi samo blokiranje smanjenja odmah posle nestašice uklonilo trećinu nestašica koje su prodavnice same izazvale i povećalo profit za oko 1%, uz rast troškova držanja zaliha istog reda veličine, i sugerisala da bi upozorenje moglo da postigne velik deo toga¹.

4. Ovlašćenja na osnovu dokaza

Ista logika određuje koliko AI agent za nabavku sme da radi. Treba da počne savetovanjem, kako bi se njegovi predlozi mogli porediti sa onim što su nabavljači zaista naručili. Na pripremu nacrta za odobrenje može da pređe kada se njegovi saveti uglavnom prihvataju, a na izvršavanje posle jedne potvrde kada ljudi retko menjaju njegove nacrte. Svaki korak dodeljuje se po vrsti radnje, porudžbina za prodavnicu odvojeno od porudžbine dobavljaču, i tek posle probnog perioda sa pisanim pragovima. Vodič o AI agentima opisuje celu lestvicu. Neke porudžbine treba da ostanu kod osobe na svakom nivou:

5. Merenje efekta

Izveštaji samih trgovaca pokazuju zašto je tu potreban oprez. Ahold Delhaize navodi da koristi „algoritme za naručivanje vođene veštačkom inteligencijom“ kako bi uskladio dostupnost sa smanjenjem otpisa⁶ i izveštava o padu otpisa hrane, ali algoritmima ne pripisuje nijednu brojku; zatvaranja prodavnica, donacije i bolja kontrola manjkova uticali su na isti broj. Zbirni podaci grupe ne mogu da odvoje alat za naručivanje od svega ostalog što se te godine promenilo.

Poređenje koje to može jeste prodavnica naspram prodavnice. Zadržite deo uporedivih prodavnica u kojima AI samo savetuje, merite dostupnost na polici u obe grupe u istim nedeljama i efekat čitajte kao promenu razlike između njih. Istovremeno merite vrednost zaliha, jer dostupnost kupljena većim zalihama nije poboljšanje; vodič o nestašicama i vodič za mrtve zalihe pokazuju kako se obe strane čitaju prodavnicu po prodavnicu.

6. Napomena o regulativi

U EU sistem za preporuke porudžbina koji koriste nabavljači samog lanca uglavnom nije među sistemima na koje cilja član Akta EU o veštačkoj inteligenciji o transparentnosti; taj član se odnosi na AI koja direktno komunicira sa ljudima, kao što je asistent za razgovor, koji mora jasno da pokaže da je AI. Dve druge odredbe su bliže: oni koji uvode AI moraju da obezbede da njihovo osoblje ima dovoljnu AI pismenost, a sistemi koji se koriste za praćenje i ocenjivanje radnog učinka radnika svrstavaju se u visokorizične⁷. Rangiranje pojedinačnih nabavljača prema ishodu njihovih korekcija bilo bi blizu ovog drugog; merenje alata u odnosu na kontrolne prodavnice nije.

7. Ograničenja

Studija supermarketa obuhvata pet prodavnica, dve grupe kvarljive robe i nijednu promociju, a njene brojke o profitu potiču iz simulacije politika koje nisu primenjene u stvarnom radu. Dva eksperimenta su ovde poznata samo iz objavljenih sažetaka, koji ne navode veličinu uzorka. Podaci iz Zare potiču iz perioda od 2010. do 2013. i odnose se na cene. Uzete zajedno, studije se čvršće slažu u smeru nego u veličini efekta.

Kako radi marql AI agent za nabavku

marql AI agent za nabavku sledi ovaj dizajn. Svakog jutra od šest sati čita korpe porudžbina u marql radnom prostoru za dopunu zaliha, gde količine dolaze iz mehanizma zaštitnih zaliha, a ne iz jezičkog modela. Na nivou „Savetuje“ predlaže; kada mu je dozvoljeno da priprema, piše nacrt koji nabavljač menja, odobrava ili odbija kao bilo koji drugi, sa oznakom „Pripremio AI zaposleni za nabavku marql“. Nacrt koji niko nije dirao povlači se sledećeg jutra i ponovo pravi od svežih podataka. Korpa kojoj je potrebna osoba ostaje kod nabavljača, uz razlog: prevelika je, dobavljač je poznat samo sa faktura ili nije dan za porudžbine kod tog dobavljača.

Svaki predlog otvara se karticom „Zašto je ovo predloženo“, sa pokrivenošću danas i posle isporuke i rokom isporuke iza svake stavke. Dok samo savetuje, poredi se sa onim što su ljudi sami naručili. Njegov KPI je „Dostupnost na polici“ u njegovim prodavnicama u odnosu na kontrolne prodavnice u kojima samo savetuje, a vrednost zaliha je granica koju ne sme da prekorači da bi do toga stigao. Za nivo „Izvršava posle potvrde“ najpre mora da položi ispit na simulatoru maloprodaje; nivo „Izvršava u granicama“ nije otvoren ni za jednog klijenta.