SAP รวมข้อมูลพาณิชย์เป็นหนึ่งเดียวเพื่อขับเคลื่อนการทำ Personalization ด้วย AI แบบเรียลไทม์

ผู้นำองค์กรจำนวนมากมักประสบปัญหาในการเชื่อมช่องว่างระหว่างเป้าหมายประสบการณ์ลูกค้าในระดับสูง กับความเป็นจริงทางเทคนิคของข้อมูลที่กระจัดกระจาย SAP กำลังแก้ไขปัญหาความไม่สอดคล้องกันนี้ด้วยการจัดโครงสร้างข้อมูลพาณิชย์ให้สอดคล้องกัน เพื่อให้สามารถทำ AI Personalization ในระดับปฏิบัติการได้โดยตรงที่ชั้นการดำเนินงาน (execution layer)

การแก้ปัญหาความกระจัดกระจายของข้อมูลในระบบพาณิชย์ระดับองค์กร

สำหรับองค์กรขนาดใหญ่หลายแห่ง ความทะเยอทะยานที่จะส่งมอบเส้นทางลูกค้าแบบ hyper-personalized มักถูกขัดขวางโดยโครงสร้างพื้นฐานที่มีอยู่ แม้ว่าทีมผู้บริหารจะตั้งเป้าหมายเพื่อคาดการณ์ความต้องการของลูกค้าและสร้างปฏิสัมพันธ์ที่เกี่ยวข้องผ่านจุดสัมผัสทางดิจิทัล (digital touchpoints) ต่างๆ แต่ปัญหาไซโลข้อมูล (data silos) ภายในองค์กรกลับขัดขวางการดำเนินงานอย่างเป็นระบบ

ระบบแนะนำสินค้า (recommendation engines) ในปัจจุบันมักทำงานได้ไม่เต็มประสิทธิภาพ โดยมักจะแสดงรายการสินค้าแบบทั่วไปแทนที่จะเป็นคำแนะนำที่ปรับแต่งมาโดยเฉพาะ ความล้มเหลวนี้เกิดขึ้นเนื่องจากข้อมูลที่ป้อนให้กับโมเดล AI เหล่านั้นมักไม่มีโครงสร้าง ไม่เชื่อมต่อกัน หรืออยู่ในระบบไซโลที่ไม่สามารถสื่อสารได้ด้วยความเร็วที่จำเป็นสำหรับการมีปฏิสัมพันธ์แบบเรียลไทม์ ความเคลื่อนไหวเชิงกลยุทธ์ล่าสุดของ SAP จึงมุ่งเน้นไปที่การจัดโครงสร้างข้อมูลพาณิชย์ที่กระจัดกระจายเหล่านี้ให้สอดคล้องกัน เพื่อให้มั่นใจว่าโมเดล AI จะสามารถเข้าถึงกระแสข้อมูลที่สะอาด เป็นหนึ่งเดียว และมีความเร็วสูงได้

การย้ายการทำ Personalization ไปสู่ชั้นการดำเนินงาน

นวัตกรรมหลักในแนวทางของ SAP คือการเปลี่ยนจากการทำ Personalization เชิงทฤษฎี ไปสู่ "operational AI personalization" หรือการทำ Personalization ด้วย AI ในระดับปฏิบัติการ การนำ AI มาใช้ในด้านพาณิชย์ส่วนใหญ่มักทำงานในระดับสูง โดยวิเคราะห์แนวโน้มในอดีตเพื่อคาดการณ์พฤติกรรมในอนาคต อย่างไรก็ตาม หากไม่มีการจัดสรรให้สอดคล้องกันในชั้นการดำเนินงาน (execution layer) ข้อมูลเชิงลึกเหล่านี้ก็ไม่สามารถเปลี่ยนเป็นการกระทำที่ทันท่วงทีในระหว่างที่ลูกค้ากำลังใช้งานอยู่ได้

ด้วยการรวมข้อมูลพาณิชย์ให้เป็นหนึ่งเดียว SAP ช่วยให้ AI สามารถทำงานได้ ณ จุดที่มีปฏิสัมพันธ์ ซึ่งหมายความว่าในขณะที่ลูกค้ากำลังเลือกซื้อสินค้าในหน้าร้านดิจิทัล AI จะสามารถใช้ข้อมูลแบบเรียลไทม์เกี่ยวกับสินค้าคงคลัง ประวัติลูกค้า และบริบทการท่องเว็บในขณะนั้น เพื่อส่งมอบประสบการณ์ที่เฉพาะเจาะจงอย่างยิ่ง ความสามารถนี้ช่วยให้องค์กรสามารถก้าวข้ามการแบ่งกลุ่มลูกค้าแบบกว้างๆ ไปสู่การสร้างความเกี่ยวข้องในระดับบุคคล ซึ่งจะช่วยเพิ่มปริมาณและความแม่นยำของการปฏิสัมพันธ์แบบเฉพาะบุคคลได้อย่างมีนัยสำคัญ

ทำไมเรื่องนี้จึงสำคัญต่อภูมิทัศน์ของ AI

การพัฒนานี้ส่งสัญญาณถึงการเปลี่ยนแปลงครั้งสำคัญในแผนงาน AI ขององค์กร นั่นคือการเปลี่ยนจาก "ความอยากรู้อยากเห็นใน Generative AI" ไปสู่ "การใช้ประโยชน์จาก Operational AI" สำหรับภูมิทัศน์ AI ในวงกว้าง การที่ SAP มุ่งเน้นไปที่การจัดระเบียบข้อมูลให้สอดคล้องกันนั้นช่วยตอกย้ำความจริงที่สำคัญว่า ประสิทธิภาพของ LLM หรืออัลกอริทึมการแนะนำสินค้านั้นถูกจำกัดอย่างเข้มงวดด้วยคุณภาพและการเชื่อมต่อของสถาปัตยกรรมข้อมูลพื้นฐาน

เมื่อธุรกิจก้าวไปสู่พาณิชย์แบบอัตโนมัติ (autonomous commerce) และเวิร์กโฟลว์แบบเอเจนต์ (agentic workflows) ความสามารถในการดำเนินงานที่ซับซ้อนและเป็นส่วนตัวแบบเรียลไทม์จะกลายเป็นจุดต่างในการแข่งขันที่สำคัญ SAP กำลังวางตำแหน่งตัวเองเป็นชั้นรากฐานที่ทำหน้าที่เป็น "ระบบท่อส่งข้อมูล" (data plumbing) ที่จำเป็นสำหรับเอเจนต์ AI ขั้นสูงเหล่านี้ เพื่อให้สามารถทำงานได้อย่างมีประสิทธิภาพภายในสภาพแวดล้อมทางการค้า

สรุปประเด็นสำคัญ

  • การกำจัดไซโลข้อมูล: SAP กำลังจัดโครงสร้างข้อมูลพาณิชย์ที่กระจัดกระจายให้สอดคล้องกัน เพื่อป้องกันการแนะนำสินค้าแบบ "one-size-fits-all" หรือแบบทั่วไปที่มักพบในระบบเก่า
  • การดำเนินงานในระดับปฏิบัติการ: จุดมุ่งหมายกำลังเปลี่ยนจากการวิเคราะห์เชิงคาดการณ์ ไปสู่การทำ AI Personalization แบบเรียลไทม์ที่ทำงานในชั้นการดำเนินงานของเส้นทางลูกค้า
  • โครงสร้างพื้นฐานคือเงื่อนไขสำคัญ: การพัฒนานี้เน้นย้ำว่าความสำเร็จในการปรับใช้ AI ในองค์กรนั้นขึ้นอยู่กับการจัดระเบียบข้อมูลและโครงสร้างพื้นฐาน มากกว่าตัวโมเดล AI เอง