AI-First విధానం ద్వారా Macy’s రిటైల్ రంగంను ఎలా పునర్నిర్వహిస్తోంది

రిటైల్ పరిశ్రమ ఒక లోతైన నిర్మాణాత్మక మార్పుకు లోనవుతోంది; ఇది కేవలం ఉపరితల స్థాయి AI ట్రిక్కుల నుండి లోతైన, సమగ్రమైన ఇంటెలిజెన్స్ వైపు మళ్లుతోంది. కేవలం ఉన్న వెబ్‌సైట్‌లకు చాట్‌బాట్‌లను జోడించడం మాత్రమే కాకుండా, ప్రముఖ రిటైలర్లు డేటా సంకేతాలకు మరియు నిర్ణయాత్మక చర్యలకు మధ్య ఉన్న అంతరాన్ని తగ్గించడానికి తమ మొత్తం కార్యాచరణ విధానాన్ని (operational DNA) పునర్నిర్మిస్తున్నారు.

విడిగా నిర్వహించే AI పైలట్ ప్రాజెక్టుల నుండి ముందుకు

అనేక పాత రిటైల్ సంస్థలకు, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌లోకి ప్రవేశించడం అంటే కేవలం కాన్సెప్ట్‌ను నిరూపించడానికి చేసే చిన్నపాటి ప్రయోగాలు (isolated pilots) మాత్రమే. అయితే, Macy’s నిరూపిస్తున్నట్లుగా, నిజమైన విలువ అనేది ఈ ప్రయోగాత్మక "quick wins" నుండి సమగ్రమైన "AI-first" నిర్వహణ విధానానికి మారడంలో ఉంది. పాత పని విధానాల (workflows) పైన ఇంటెలిజెన్స్‌ను కేవలం ఒక పొరలా వేయడం కాదని, నిర్ణయాలు తీసుకునే విధానాన్ని మొదటి నుండి పునర్నిర్మించడమే ఈ విధానం అని Macy’s ఇంజనీరింగ్ సీనియర్ డైరెక్టర్ మురళి మురుగన్ నొక్కి చెప్పారు.

ఈ పరిణామం రిటైల్ రంగంలోని ప్రధాన అంశాలను లక్ష్యంగా చేసుకుంటుంది: సెర్చ్ రిజల్ట్స్‌లో ఉత్పత్తులు ఎలా కనిపిస్తాయి, సంక్లిష్టమైన సప్లై చైన్‌ల ద్వారా ఇన్వెంటరీ ఎలా ప్రవహిస్తుంది మరియు ఇంజనీర్లు సాఫ్ట్‌వేర్ డిప్లాయ్‌మెంట్‌ను ఎలా వేగవంతం చేస్తారు అనే అంశాలపై ఇది దృష్టి పెడుతుంది. ప్రాథమిక వ్యవస్థలలోనే ఇంటెలిజెన్స్‌ను అనుసంధానించడం ద్వారా, వినియోగదారుల ప్రవర్తన డేటాను అర్థవంతమైన వ్యాపార ప్రతిస్పందనలుగా మార్చడానికి పట్టే సమయాన్ని తగ్గించాలని కంపెనీ లక్ష్యంగా పెట్టుకుంది.

కన్వర్సేషనల్ కామర్స్ మరియు పర్సనలైజేషన్

ఈ మార్పులో అత్యంత స్పష్టంగా కనిపించే అంశం కన్వర్సేషనల్ కామర్స్ (conversational commerce) వైపు మళ్లడం. Macy’s "Ask Macy’s" అనే AI-ఆధారిత షాపింగ్ అసిస్టెంట్‌ను పరిచయం చేసింది, ఇది సాంప్రదాయ కీవర్డ్ ఆధారిత సెర్చ్ బార్‌కు భిన్నంగా ఉంటుంది. ఈ సాధనం ఒక డిజిటల్ పర్సనల్ స్టైలిస్ట్ వలె పనిచేస్తుంది, దీని ద్వారా కస్టమర్లు తమ సంక్లిష్ట అవసరాలను—ఉదాహరణకు ఒక నిర్దిష్ట సెలవుల కోసం లేదా చివరి నిమిషంలో జరిగే ఈవెంట్ కోసం ఎలాంటి దుస్తులు కావాలి అనే అంశాలను—సహజ భాషలో వివరించవచ్చు.

సాధారణ రికమెండేషన్ ఇంజన్‌ల వలె కాకుండా, "Ask Macy’s" సందర్భం (context), గత కొనుగోళ్ల చరిత్ర మరియు వినియోగదారుల ప్రత్యేక ప్రాధాన్యతలను ఉపయోగించుకుని సిఫార్సులను అందిస్తుంది. ఇది సాంకేతికత అనేది ఇబ్బంది కలిగించేదిగా కాకుండా, సహజంగా అనిపించేలా ఒక అద్భుతమైన అనుభవాన్ని సృష్టిస్తుంది, తద్వారా కేవలం ఒక సెర్చ్‌ను వ్యక్తిగత సంప్రదింపుగా (personalized consultation) మారుస్తుంది.

కార్యాచరణ సామర్థ్యంలో ఒక అదృశ్య పొరగా AI

వినియోగదారులకు కనిపించే సాధనాలు ఎక్కువ వార్తలను ఆకర్షించినప్పటికీ, రిటైల్ రంగంలో AI యొక్క అత్యంత ముఖ్యమైన ప్రభావం తరచుగా అదృశ్యంగా ఉంటుంది. డెవలపర్లు మరియు ఇంజనీర్ల కోసం, కోడ్‌ను వేగంగా డెలివరీ చేయడానికి మరియు కార్యాచరణ ప్రణాళికను మెరుగుపరచడానికి AIని ఉపయోగిస్తున్నారు. ఈ అంతర్గత సామర్థ్యం వల్ల వ్యాపారం అత్యంత పోటీతత్వం ఉన్న మార్కెట్‌లో చురుగ్గా (agile) ఉండగలుగుతుంది.

రిటైల్ రంగ నాయకుల దీర్ఘకాలిక విజన్ మానవ నిర్ణయాలను భర్తీ చేయడం కాదు, వాటిని మరింత మెరుగుపరచడం (augmentation). భారీ స్థాయిలో డేటా ప్రాసెసింగ్ మరియు ప్యాటర్న్ రికగ్నిషన్ కోసం AIని ఉపయోగించడం ద్వారా, మానవ నిపుణులు ఉన్నత స్థాయి వ్యూహాలు మరియు అమలుపై దృష్టి పెట్టవచ్చు. సిస్టమ్స్ రియల్ టైమ్‌లో డేటా నుండి నేర్చుకుంటూ, కొత్త సాంకేతిక ప్రమాణాలకు మరియు మారుతున్న వినియోగదారుల డిమాండ్లకు అనుగుణంగా మారుతూ, నిరంతరం మెరుగైన కస్టమర్ అనుభవాన్ని అందించడమే దీని లక్ష్యం.

ముఖ్య అంశాలు

• లేయరింగ్ కంటే వ్యవస్థాగత అనుసంధానం ముఖ్యం: విజయవంతమైన AI అమలు కోసం పాత వ్యవస్థలకు కేవలం AI ఫీచర్లను జోడించడం కంటే, ప్రధాన వ్యాపార ప్రక్రియలను పునర్నిర్మించడం అవసరం.
• కన్వర్సేషనల్ కామర్స్ పరిణామం: "Ask Macy’s" వంటి సాధనాలు రిటైల్ విధానాన్ని కీవర్డ్ సెర్చింగ్ నుండి సందర్భోచితమైన, సంభాషణ రూపంలో ఉండే స్టైలింగ్‌కు మారుస్తున్నాయి.
• సిగ్నల్-టు-యాక్షన్ గ్యాప్‌ను తగ్గించడం: రిటైల్ రంగంలో AI యొక్క అంతిమ లక్ష్యం సప్లై చైన్, సెర్చ్ మరియు ఇంజనీరింగ్‌లో వేగవంతమైన, మరింత ఖచ్చితమైన నిర్ణయాలు తీసుకోవడానికి రియల్ టైమ్ డేటాను ఉపయోగించడం.