埃维诺2017技术展望:零售商需做足准备迎接人工智能优先的世界

简介:

当你走进一家超市,恐怕很难想象当下人工智能对零售业的影响。然而一份由数字和云端服务供应商埃维诺发布的最新报告发现,到2020年,如果不把人工智能放在优先地位,那么公司将面临被淘汰的风险。在众多产业中,零售商处在与消费者互动的最前线,可以从人工智能中受益最多;但同样,如果他们不能从现在起就认识到这类技术的重要性,也将承受最惨重的损失。

去年开业的Amazon Go是一家无收银台的商店,顾客对其反响热烈,这证明了消费者对于期待的变化如此之快,零售商需要尽快完成向人工智能的转型。目前Amazon Go仅对亚马逊西雅图办公室的员工开放,但这个概念商店利用计算机视觉、深度学习算法和感官融合,创造了一种“即拿即走”的科技。消费者把商品从架子上拿走或者放回去,该技术都可以自动识别、跟踪记录虚拟购物车,当消费者离店后很快就能扣费,能做到让消费者从进店、购物到离店都可以全程不用碰钱包。

在意大利,超市巨头Coop Italia已经超越了概念商店的范畴,在米兰的比可卡大学城开了一家永久数字商店。商店的食品陈列和智能货架在可视化屏幕上提供一系列商品信息的实时数据,帮助消费者更好地做出选择。只要消费者向商品做出一个手势,智能货架就能检测到,并利用人体识别技术自动展示商品信息。

图片:Coop Italia使用微软Kinect传感器用于探测、识别消费者手势

零售行业竞争极其激烈,如果能为消费者提供一种简单、无缝的O2O购物体验,就能遥遥领先于其他同行。虽然所有的产业都面临人工智能革命,但该问题对零售商而言更为紧迫,毕竟零售商几乎在所有数字革命面前都首当其冲,无论是互联网、移动技术、电子商务、还是大数据分析。

那么对零售商来说,正在向人工智能转型的世界意味着什么呢?他们应该做好什么样的准备?为此,埃维诺推荐零售商关注五大问题:

1.全新用户体验:创造简单、逼真的互动

无论是增强现实,还是聊天机器人,这些逐渐兴起的新技术都具备一个共同之处,即无处不在,或者说不可思议。有很多新出现的零售体验非常引人瞩目,我们无法“看到它”(例如语音),非常简单也类似真人。你也许会说它们就是一种让用户什么都不做就能得到服务的体验,让互动越简单越好。人工智能是实现这一技术的基本。如果零售商无法提供由人工智能驱动且无需动手的购物体验,消费者将抛弃这个品牌,转向其他更简单灵活的服务体验。

2.增强版团队:激发员工潜能

人工智能优先的革命不会仅停留在消费者层面。它已经延伸到了商店、后端办公室和运营团队的每一个角落。通过应用比如智能机器人、流程自动化和机器学习等技术,商店员工将有能力做的更多、更快、更好。

根据EKN研究中心和埃维诺最近一项全球研究显示,52%的零售商表示他们将会在未来一两年后在商店中使用增强现实和机器人技术。人工智能无法替代工人,但是它能帮助企业将员工的能力,提升到新的高度。此外,还应该对员工进行培训,最大化的引导员工使用数字化工具来工作,从而创造出了这种无需手动的购物体验,并与客户建立起更有价值的联系。

3.平台经济: 着手考虑“数字化购物中心”

购物中心是零售商在激烈的竞争环境中获得巨大价值的极好例子。零售商可以将购物中心的模式带到任何生意中,包括数字化。埃维诺2017技术展望中介绍了下一代平台的标准在当下是如何建立的。在零售业中这样的例子比比皆是。开放的数字化平台对零售商来讲并不陌生,但是现在不同的是这种模式的普及,即消费者有了新的期待,希望能更容易地随时随地买到他们想要的东西。此外还必须参与到平台经济中来:可以从采用开放框架起步,建立API,并在新的环境中重新思考商业模式。

4.DesignOps 理念:关注顾客和价值

当前,各类企业已经开始实践现代工程与设计思维这两种相互关联却迥然不同的方法。我们今天提出的是,将这两种方法结合起来,并重新设计业务流程,并管理客户成果。这种理念我们称之为DesignOps,是一种基于设计的管理方法。

如今的零售商对现代工程原理尤为青睐,如敏捷和DevOps,通过数字化渠道(如移动应用和电子商务)进行快速响应。鉴于人工智能优先时代变革的规模和发展,将人作为运营的核心要素是非常重要的。因此,对客户和价值的关注是企业运营的重中之重。

探索会话型界面(例如聊天机器人)、流程自动化和增强现实。同时要按照设计思维的要求,确保客户体验。需要铭记的是,我们可能需要转变自己的文化观念和心态,以便为DesignOps革命做好准备。

5.数字化道德:制定适当框架

人工智能优先的世界也引发了隐私、社会责任和人性等方面的诸多问题。诚然每个重大的数字革命都会引起巨大反响,而我们无法提前预知这些影响。 因此我们强调,在人工智能优先的世界中,企业将需要建立适当的数字化道德框架。我们还建议企业创建以数字化道德为核心职能的专业团队,并与安全团队成员建立交叉联系。

不论身处哪行哪业,任何企业都必须谨慎行事,因为在我们所处的这个时代里,即使是因为数字化道德(特别是隐私)观念的缺乏都可以让一个品牌顷刻间跌入谷底。底线是:当您想开启人工智能优先的零售,请谨慎行事。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
6天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
38 3
|
15天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
119 59
|
4天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与深度学习:探索未来技术的无限可能
在21世纪,人工智能(AI)和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势,包括自然语言处理、计算机视觉和强化学习,并讨论这些技术在现实世界中的应用。此外,我们还将探讨深度学习的工作原理,包括神经网络、卷积神经网络(CNN)和循环神经网络(RNN),并分析这些模型如何帮助解决复杂的问题。通过本文,读者将对人工智能和深度学习有更深入的了解,并能够预见这些技术将如何继续影响我们的世界。
36 7
|
6天前
|
人工智能 自然语言处理 自动驾驶
技术与人性:探索人工智能伦理的边界####
本文深入探讨了人工智能技术飞速发展背景下,伴随而来的伦理挑战与社会责任。不同于传统摘要直接概述内容,本文摘要旨在引发读者对AI伦理问题的关注,通过提出而非解答的方式,激发对文章主题的兴趣。在智能机器逐渐融入人类生活的每一个角落时,我们如何确保技术的善意使用,保护个人隐私,避免偏见与歧视,成为亟待解决的关键议题。 ####
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
65 11
|
9天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
55 4
|
9天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
13天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
12天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。