ਕਿਵੇਂ Macy’s ਇੱਕ AI-First ਫਿਲਾਸਫੀ ਰਾਹੀਂ ਰਿਟੇਲ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਰਿਹਾ ਹੈ

ਰਿਟੇਲ ਉਦਯੋਗ ਇੱਕ ਡੂੰਘੇ ਸੰਰਚਨਾਤਮਕ ਬਦਲਾਅ ਵਿੱਚੋਂ ਗੁਜ਼ਰ ਰਿਹਾ ਹੈ, ਜੋ ਸਿਰਫ਼ ਉੱਪਰ-ਉੱਪਰ ਦੇ AI ਚਮਕ-ਧਮਕ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਡੂੰਘੀ ਅਤੇ ਅੰਤਰ-ਸੰਬੰਧਿਤ (integrated) ਬੁੱਧੀ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਮੌਜੂਦਾ ਵੈੱਬਸਾਈਟਾਂ ਵਿੱਚ ਸਿਰਫ਼ ਚੈਟਬੋਟਸ ਜੋੜਨ ਦੀ ਬਜਾਏ, ਪ੍ਰਮੁੱਖ ਰਿਟੇਲਰ ਡਾਟਾ ਸਿਗਨਲਾਂ ਅਤੇ ਫੈਸਲਾਕੁੰਨ ਕਾਰਵਾਈਆਂ ਵਿਚਕਾਰਲੇ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਆਪਣੇ ਪੂਰੇ ਸੰਚਾਲਨ DNA ਨੂੰ ਮੁੜ ਕਲਪਨਾ ਕਰ ਰਹੇ ਹਨ।

ਅਲੱਗ-ਥਲੱਗ AI ਪਾਇਲਟਾਂ ਤੋਂ ਅੱਗੇ ਵਧਣਾ

ਬਹੁਤ ਸਾਰੇ ਪੁਰਾਣੇ (legacy) ਰਿਟੇਲਰਾਂ ਲਈ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਕਦਮ ਅਲੱਗ-ਥਲੱਗ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਤੱਕ ਸੀਮਤ ਸਨ—ਜੋ ਕਿ ਸਿਰਫ਼ ਸੰਕਲਪ ਨੂੰ ਸਾਬਤ ਕਰਨ ਲਈ ਕੀਤੇ ਗਏ ਛੋਟੇ ਪੱਧਰ ਦੇ ਪ੍ਰਯੋਗ ਸਨ। ਹਾਲਾਂਕਿ, ਜਿਵੇਂ ਕਿ Macy’s ਦਿਖਾ ਰਿਹਾ ਹੈ, ਅਸਲ ਮੁੱਲ ਇਹਨਾਂ ਪ੍ਰਯੋਗਿਕ "quick wins" ਤੋਂ ਇੱਕ ਅੰਤਰ-ਸੰਬੰਧਿਤ "AI-first" ਸੰਚਾਲਨ ਫਿਲਾਸਫੀ ਵੱਲ ਵਧਣ ਵਿੱਚ ਹੈ। Macy’s ਦੇ ਸੀਨੀਅਰ ਡਾਇਰੈਕਟਰ ਆਫ਼ ਇੰਜੀਨੀਅਰਿੰਗ, Murali Murugan, ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ ਇਹ ਪਹੁੰਚ ਪੁਰਾਣੇ ਵਰਕਫਲੋਅ ਦੇ ਉੱਪਰ ਬੁੱਧੀ ਦੀਆਂ ਪਰਤਾਂ ਲਗਾਉਣ ਬਾਰੇ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਫੈਸਲੇ ਲੈਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਜ਼ਮੀਨੀ ਪੱਧਰ ਤੋਂ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨ ਬਾਰੇ ਹੈ।

ਇਹ ਵਿਕਾਸ ਰਿਟੇਲ ਦੇ ਮੁੱਖ ਮਕੈਨਿਕਸ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦਾ ਹੈ: ਕਿਵੇਂ ਉਤਪਾਦ ਸਰਚ ਨਤੀਜਿਆਂ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ, ਕਿਵੇਂ ਇਨਵੈਂਟਰੀ ਗੁੰਝਲਦਾਰ ਸਪਲਾਈ ਚੇਨਾਂ ਰਾਹੀਂ ਵਗਦੀ ਹੈ, ਅਤੇ ਕਿਵੇਂ ਇੰਜੀਨੀਅਰ ਸੌਫਟਵੇਅਰ ਡਿਪਲਾਈਮੈਂਟ ਨੂੰ ਤੇਜ਼ ਕਰਦੇ ਹਨ। ਬੁਨਿਆਦੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਬੁੱਧੀ ਨੂੰ ਸ਼ਾਮਲ ਕਰਕੇ, ਕੰਪਨੀ ਦਾ ਉਦੇਸ਼ ਖਪਤਕਾਰਾਂ ਦੇ ਵਿਵਹਾਰ ਦੇ ਡਾਟਾ ਨੂੰ ਅਰਥਪੂਰਨ ਵਪਾਰਕ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਵਿੱਚ ਬਦਲਣ ਲਈ ਲੱਗਣ ਵਾਲੇ ਸਮੇਂ ਨੂੰ ਘਟਾਉਣਾ ਹੈ।

ਕਨਵਰਸੇਸ਼ਨਲ ਕਾਮਰਸ ਅਤੇ ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ

ਇਸ ਬਦਲਾਅ ਦੇ ਸਭ ਤੋਂ ਸਪਸ਼ਟ ਰੂਪਾਂ ਵਿੱਚੋਂ ਇੱਕ ਕਨਵਰਸੇਸ਼ਨਲ ਕਾਮਰਸ (conversational commerce) ਵੱਲ ਵਧਣਾ ਹੈ। Macy’s ਨੇ "Ask Macy’s" ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜੋ ਇੱਕ AI-ਸੰਚਾਲਿਤ ਸ਼ਾਪਿੰਗ ਸਹਾਇਕ ਹੈ ਜੋ ਰਵਾਇਤੀ ਕੀਵਰਡ-ਅਧਾਰਤ ਸਰਚ ਬਾਰ ਤੋਂ ਵੱਖਰਾ ਹੈ। ਇਹ ਟੂਲ ਇੱਕ ਡਿਜੀਟਲ ਪਰਸਨਲ ਸਟਾਈਲਿਸਟ ਵਾਂਗ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਗਾਹਕਾਂ ਨੂੰ ਆਪਣੀਆਂ ਗੁੰਝਲਦਾਰ ਲੋੜਾਂ—ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਖਾਸ ਛੁੱਟੀ ਜਾਂ ਆਖਰੀ ਮਿੰਟ ਦੇ ਸਮਾਗਮ ਲਈ ਕੱਪੜੇ—ਵਰਣਨ ਕਰਨ ਲਈ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਸਟੈਂਡਰਡ ਰੈਕਮੈਂਡੇਸ਼ਨ ਇੰਜਣਾਂ ਦੇ ਉਲਟ, "Ask Macy’s" ਸਿਫਾਰਸ਼ਾਂ ਤਿਆਰ ਕਰਨ ਲਈ ਸੰਦਰਭ (context), ਪਿਛਲੀ ਖਰੀਦ ਦੇ ਇਤਿਹਾਸ ਅਤੇ ਖਾਸ ਉਪਭੋਗਤਾ ਦੀਆਂ ਪਸੰਦਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਇੱਕ ਅਜਿਹਾ ਸੁਚਾਰੂ ਅਨੁਭਵ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਤਕਨਾਲੋਜੀ ਦਖਲਅੰਦਾਜ਼ ਲੱਗਣ ਦੀ ਬਜਾਏ ਸਹਿਜ ਮਹਿਸੂਸ ਹੁੰਦੀ ਹੈ, ਜੋ ਇੱਕ ਲੈਣ-ਦੇਣ ਵਾਲੀ ਸਰਚ ਨੂੰ ਇੱਕ ਵਿਅਕਤੀਗਤ ਸਲਾਹ (personalized consultation) ਵਿੱਚ ਬਦਲ ਦਿੰਦੀ ਹੈ।

ਸੰਚਾਲਨ ਕੁਸ਼ਲਤਾ ਦੀ ਇੱਕ ਅਦਿੱਖ ਪਰਤ ਵਜੋਂ AI

ਹਾਲਾਂਕਿ ਖਪਤਕਾਰਾਂ ਦੇ ਸਾਹਮਣੇ ਵਾਲੇ ਟੂਲ ਸਭ ਤੋਂ ਵੱਧ ਚਰਚਾ ਵਿੱਚ ਰਹਿੰਦੇ ਹਨ, ਪਰ ਰਿਟੇਲ ਵਿੱਚ AI ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਅਕਸਰ ਅਦਿੱਖ ਹੁੰਦਾ ਹੈ। ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਇੰਜੀਨੀਅਰਾਂ ਲਈ, AI ਦੀ ਵਰਤੋਂ ਕੋਡ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਭੇਜਣ ਅਤੇ ਸੰਚਾਲਨ ਯੋਜਨਾਬੰਦੀ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ। ਇਹ ਅੰਦਰੂਨੀ ਕੁਸ਼ਲਤਾ ਕਾਰੋਬਾਰ ਨੂੰ ਅਤਿ-ਪ੍ਰਤੀਯੋਗੀ ਮਾਹੌਲ ਵਿੱਚ ਚੁਸਤ ਰਹਿਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ।

ਰਿਟੇਲ ਲੀਡਰਾਂ ਲਈ ਲੰਬੇ ਸਮੇਂ ਦਾ ਵਿਜ਼ਨ ਮਨੁੱਖੀ ਫੈਸਲੇ ਲੈਣ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਬਦਲਣਾ ਨਹੀਂ, ਸਗੋਂ ਉਸਨੂੰ ਵਧਾਉਣਾ ਹੈ। ਪੈਟਰਨ ਪਛਾਣਨ ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਨੂੰ ਸੰਭਾਲਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਮਨੁੱਖੀ ਮਾਹਰ ਉੱਚ-ਪੱਧਰੀ ਰਣਨੀਤੀ ਅਤੇ ਲਾਗੂ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਸਦਾ ਉਦੇਸ਼ ਇੱਕ ਨਿਰੰਤਰ ਸੁਧਾਰ ਲੂਪ (improvement loop) ਬਣਾਉਣਾ ਹੈ ਜਿੱਥੇ ਪ੍ਰਣਾਲੀਆਂ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਡਾਟਾ ਤੋਂ ਸਿੱਖਦੀਆਂ ਹਨ, ਨਵੇਂ ਤਕਨੀਕੀ ਮਿਆਰਾਂ ਅਤੇ ਬਦਲਦੀਆਂ ਖਪਤਕਾਰਾਂ ਦੀਆਂ ਮੰਗਾਂ ਅਨੁਸਾਰ ਆਪਣੇ ਆਪ ਨੂੰ ਢਾਲਦੀਆਂ ਹਨ ਤਾਂ ਜੋ ਲਗਾਤਾਰ ਬਿਹਤਰ ਗਾਹਕ ਅਨੁਭਵ ਸਿਰਜਿਆ ਜਾ ਸਕੇ।

ਮੁੱਖ ਨੁਕਤੇ

• ਲੇਅਰਿੰਗ ਦੀ ਬਜਾਏ ਪ੍ਰਣਾਲੀਗਤ ਇੱਕੀਕਰਨ (Systemic Integration): ਸਫਲ AI ਲਾਗੂ ਕਰਨ ਲਈ ਪੁਰਾਣੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਸਿਰਫ਼ AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜੋੜਨ ਦੀ ਬਜਾਏ ਮੁੱਖ ਵਪਾਰਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
• ਕਨਵਰਸੇਸ਼ਨਲ ਕਾਮਰਸ ਦਾ ਵਿਕਾਸ: "Ask Macy’s" ਵਰਗੇ ਟੂਲ ਰਿਟੇਲ ਦੇ ਪੈਰਾਡਾਈਮ ਨੂੰ ਕੀਵਰਡ ਸਰਚਿੰਗ ਤੋਂ ਹਟਾ ਕੇ ਸੰਦਰਭ-ਜਾਣੂ (context-aware) ਅਤੇ ਕਨਵਰਸੇਸ਼ਨਲ ਸਟਾਈਲਿੰਗ ਵੱਲ ਲੈ ਜਾ ਰਹੇ ਹਨ।
• ਸਿਗਨਲ-ਤੋਂ-ਕਾਰਵਾਈ ਦੇ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨਾ: ਰਿਟੇਲ ਵਿੱਚ AI ਦਾ ਅੰਤਿਮ ਉਦੇਸ਼ ਸਪਲਾਈ ਚੇਨ, ਸਰਚ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਵਿੱਚ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਸਹੀ ਫੈਸਲੇ ਲੈਣ ਲਈ ਰੀਅਲ-ਟਾਈਮ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ।