SAP ਰੀਅਲ-ਟਾਈਮ AI ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ ਕਾਮਰਸ ਡੇਟਾ ਨੂੰ ਇਕਜੁੱਟ ਕਰਦਾ ਹੈ

ਐਂਟਰਪ੍ਰਾਈਜ਼ ਲੀਡਰ ਅਕਸਰ ਉੱਚ-ਪੱਧਰੀ ਗਾਹਕ ਅਨੁਭਵ ਦੇ ਟੀਚਿਆਂ ਅਤੇ ਖਿੰਡੇ ਹੋਏ ਡੇਟਾ ਦੀ ਤਕਨੀਕੀ ਹਕੀਕਤ ਵਿਚਕਾਰਲੇ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ। SAP ਕਾਮਰਸ ਡੇਟਾ ਬਣਤਰਾਂ ਨੂੰ ਇਕਸਾਰ ਕਰਕੇ ਇਸ ਅਨੁਸੰਧਾਨ ਨੂੰ ਹੱਲ ਕਰ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲੇਅਰ (execution layer) 'ਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਓਪਰੇਸ਼ਨਲ AI ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ ਜਾ ਸਕੇ।

ਐਂਟਰਪ੍ਰਾਈਜ਼ ਕਾਮਰਸ ਵਿੱਚ ਫ੍ਰੈਗਮੈਂਟੇਸ਼ਨ (Fragmentation) ਦੀ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਕਰਨਾ

ਕਈ ਵੱਡੇ ਪੱਧਰ ਦੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਲਈ, ਹਾਈਪਰ-ਪਰਸਨਲਾਈਜ਼ਡ ਗਾਹਕ ਯਾਤਰਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਇੱਛਾ ਅਕਸਰ ਅੰਡਰਲਾਈਂ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਕਾਰਨ ਰੁਕ ਜਾਂਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਲੀਡਰਸ਼ਿਪ ਟੀਮਾਂ ਗਾਹਕਾਂ ਦੀਆਂ ਲੋੜਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਅਤੇ ਵੱਖ-ਵੱਖ ਡਿਜੀਟਲ ਟਚਪੁਆਇੰਟਸ 'ਤੇ ਪ੍ਰਸੰਗਿਕ ਇੰਟਰੈਕਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਉਦੇਸ਼ ਨਿਰਧਾਰਤ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਅੰਦਰੂਨੀ ਡੇਟਾ ਸਾਈਲੋਜ਼ (data silos) ਵਿਵਸਥਿਤ ਅਮਲ ਨੂੰ ਰੋਕਦੇ ਹਨ।

ਮੌਜੂਦਾ ਰੈਕੋਮੈਂਡੇਸ਼ਨ ਇੰਜਣ ਅਕਸਰ ਆਪਣੀ ਸਮਰੱਥਾ ਤੋਂ ਘੱਟ ਰਹਿ ਜਾਂਦੇ ਹਨ, ਜੋ ਕਿ ਅਕਸਰ ਤਿਆਰ ਕੀਤੇ ਸੁਝਾਵਾਂ ਦੀ ਬਜਾਏ ਆਮ ਪ੍ਰੋਡਕਟ ਲਿਸਟਿੰਗ ਦਿਖਾਉਂਦੇ ਹਨ। ਇਹ ਅਸਫਲਤਾ ਇਸ ਲਈ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹਨਾਂ AI ਮਾਡਲਾਂ ਨੂੰ ਫੀਡ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਡੇਟਾ ਅਕਸਰ ਅਣਸੰਗਠਿਤ, ਅਸੰਬੰਧਿਤ ਹੁੰਦਾ ਹੈ, ਜਾਂ ਅਜਿਹੇ ਸਾਈਲੋਡ ਸਿਸਟਮਾਂ ਵਿੱਚ ਹੁੰਦਾ ਹੈ ਜੋ ਰੀਅਲ-ਟਾਈਮ ਇੰਗੇਜਮੈਂਟ ਲਈ ਲੋੜੀਂਦੀ ਰਫਤਾਰ ਨਾਲ ਸੰਚਾਰ ਨਹੀਂ ਕਰ ਸਕਦੇ। SAP ਦਾ ਤਾਜ਼ਾ ਰਣਨੀਤਕ ਕਦਮ ਇਹਨਾਂ ਖਿੰਡੇ ਹੋਏ ਕਾਮਰਸ ਡੇਟਾ ਬਣਤਰਾਂ ਨੂੰ ਇਕਸਾਰ ਕਰਨ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹੋਏ ਕਿ AI ਮਾਡਲਾਂ ਕੋਲ ਸਾਫ਼, ਇਕਜੁੱਟ ਅਤੇ ਉੱਚ-ਗਤੀ ਵਾਲੀ ਜਾਣਕਾਰੀ ਦੀ ਸਟ੍ਰੀਮ ਤੱਕ ਪਹੁੰਚ ਹੋਵੇ।

ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲੇਅਰ (Execution Layer) ਤੱਕ ਲੈ ਕੇ ਜਾਣਾ

SAP ਦੇ ਪਹੁੰਚ ਵਿੱਚ ਮੁੱਖ ਨਵੀਨਤਾ ਸਿਧਾਂਤਕ ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ ਤੋਂ "ਓਪਰੇਸ਼ਨਲ AI ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ" ਵੱਲ ਤਬਦੀਲੀ ਹੈ। ਕਾਮਰਸ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ AI ਲਾਗੂਕਰਨ ਉੱਚ ਪੱਧਰ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਜੋ ਭਵਿੱਖ ਦੇ ਵਿਵਹਾਰ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਇਤਿਹਾਸਕ ਰੁਝਾਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲੇਅਰ 'ਤੇ ਇਕਸਾਰਤਾ ਤੋਂ ਬਿਨਾਂ, ਇਹ ਅੰਦਾਜ਼ੇ ਲਾਈਵ ਗਾਹਕ ਸੈਸ਼ਨ ਦੌਰਾਨ ਤੁਰੰਤ ਕਾਰਵਾਈਆਂ ਵਿੱਚ ਨਹੀਂ ਬਦਲੇ ਜਾ ਸਕਦੇ।

ਕਾਮਰਸ ਡੇਟਾ ਨੂੰ ਇਕਜੁੱਟ ਕਰਕੇ, SAP AI ਨੂੰ ਇੰਟਰੈਕਸ਼ਨ ਦੇ ਬਿੰਦੂ 'ਤੇ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜਿਵੇਂ ਹੀ ਕੋਈ ਗਾਹਕ ਡਿਜੀਟਲ ਸਟੋਰਫ੍ਰੰਟ ਰਾਹੀਂ ਅੱਗੇ ਵਧਦਾ ਹੈ, AI ਇਨਵੈਂਟਰੀ, ਗਾਹਕ ਦੇ ਇਤਿਹਾਸ ਅਤੇ ਮੌਜੂਦਾ ਬ੍ਰਾਊਜ਼ਿੰਗ ਸੰਦਰਭ ਬਾਰੇ ਰੀਅਲ-ਟਾਈਮ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਹੁਤ ਹੀ ਵਿਸ਼ੇਸ਼ ਅਨੁਭਵ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਸਮਰੱਥਾ ਐਂਟਰਪ੍ਰਾਈਜ਼ਾਂ ਨੂੰ ਵਿਸ਼ਾਲ ਸੈਗਮੈਂਟਾਂ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਵਿਅਕਤੀਗਤ ਪੱਧਰ ਦੀ ਪ੍ਰਸੰਗਿਕਤਾ ਵੱਲ ਵਧਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਪਰਸਨਲਾਈਜ਼ਡ ਇੰਟਰੈਕਸ਼ਨਾਂ ਦੀ ਮਾਤਰਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਭਾਰੀ ਵਾਧਾ ਹੁੰਦਾ ਹੈ।

AI ਲੈਂਡਸਕੇਪ ਲਈ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਇਹ ਵਿਕਾਸ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਰੋਡਮੈਪ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ: "Generative AI ਉਤਸੁਕਤਾ" ਤੋਂ "Operational AI ਉਪਯੋਗਤਾ" ਵੱਲ ਵਧਣਾ। ਵਿਆਪਕ AI ਲੈਂਡਸਕੇਪ ਲਈ, ਡੇਟਾ ਅਲਾਈਨਮੈਂਟ 'ਤੇ SAP ਦਾ ਧਿਆਨ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੱਚਾਈ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ—ਕਿਸੇ LLM ਜਾਂ ਰੈਕੋਮੈਂਡੇਸ਼ਨ ਐਲਗੋਰਿਦਮ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਅੰਡਰਲਾਈਂ ਡੇਟਾ ਆਰਕੀਟੈਚਰ ਦੀ ਗੁਣਵੱਤਾ ਅਤੇ ਕਨੈਕਟੀਵਿਟੀ ਦੁਆਰਾ ਸਖ਼ਤੀ ਨਾਲ ਸੀਮਤ ਹੁੰਦੀ ਹੈ।

ਜਿਵੇਂ-ਜਿਵੇਂ ਕਾਰੋਬਾਰ ਆਟੋਨੋਮਸ ਕਾਮਰਸ ਅਤੇ ਏਜੈਂਟਿਕ ਵਰਕਫਲੋਜ਼ (agentic workflows) ਵੱਲ ਵਧ ਰਹੇ ਹਨ, ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਗੁੰਝਲਦਾਰ, ਪਰਸਨਲਾਈਜ਼ਡ ਕਾਰਜਾਂ ਨੂੰ ਅਮਲ ਵਿੱਚ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ ਮੁੱਖ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਅੰਤਰ (competitive differentiator) ਬਣ ਜਾਵੇਗੀ। SAP ਆਪਣੇ ਆਪ ਨੂੰ ਇੱਕ ਬੁਨਿਆਦੀ ਲੇਅਰ ਵਜੋਂ ਸਥਾਪਿਤ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਇਹ "ਡੇਟਾ ਪਲੰਬਿੰਗ" ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜੋ ਇਹਨਾਂ ਉੱਨਤ AI ਏਜੰਟਾਂ ਨੂੰ ਵਪਾਰਕ ਮਾਹੌਲ ਦੇ ਅੰਦਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਹੈ।

ਮੁੱਖ ਗੱਲਾਂ (Key Takeaways)

• ਡੇਟਾ ਸਾਈਲੋਜ਼ ਨੂੰ ਖਤਮ ਕਰਨਾ: SAP ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਆਮ ਹੋਣ ਵਾਲੀਆਂ ਜਨਰਿਕ "one-size-fits-all" ਰੈਕੋਮੈਂਡੇਸ਼ਨਾਂ ਨੂੰ ਰੋਕਣ ਲਈ ਖਿੰਡੇ ਹੋਏ ਕਾਮਰਸ ਡੇਟਾ ਬਣਤਰਾਂ ਨੂੰ ਇਕਸਾਰ ਕਰ ਰਿਹਾ ਹੈ।
• ਓਪਰੇਸ਼ਨਲ ਐਗਜ਼ੀਕਿਊਸ਼ਨ: ਧਿਆਨ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਅੰਦਾਜ਼ਿਆਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਰੀਅਲ-ਟਾਈਮ AI ਪਰਸਨਲਾਈਜ਼ੇਸ਼ਨ ਵੱਲ ਜਾ ਰਿਹਾ ਹੈ ਜੋ ਗਾਹਕ ਦੀ ਯਾਤਰਾ ਦੀ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਲੇਅਰ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ।
• ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਇੱਕ ਪੂਰਵ-ਸ਼ਰਤ ਵਜੋਂ: ਇਹ ਵਿਕਾਸ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਕਿ ਸਫਲ ਐਂਟਰਪ੍ਰਾਈਜ਼ AI ਤੈਨਾਤੀ (deployment) AI ਮਾਡਲਾਂ ਨਾਲੋਂ ਡੇਟਾ ਅਲਾਈਨਮੈਂਟ ਅਤੇ ਇਨਫਰਾਸਟ੍ਰਕਚਰ 'ਤੇ ਵਧੇਰੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।