Искусственный интеллект открыл новые источники конкурентного преимущества в потребительском секторе. Производители товаров повседневного спроса (CPG) и розничные сети ощущают влияние этих трансформаций, поскольку покупатели используют новые инструменты для поиска, сравнения и принятия решений о покупке.
В ответ на это компании запускают пилотные проекты и применяют ИИ в большинстве функций — от маркетинга до управления запасами. Однако лишь немногие из них получают существенную отдачу от масштабирования. Совместное исследование консалтинговой компании Boston Consulting Group (BCG) и организации The Consumer Goods Forum проливает свет на то, почему возникает этот разрыв и как действуют лидеры рынка.
Исторически ритейл и производство всегда опирались на аналитику данных. Но сейчас потенциал ИИ значительно расширился на всю цепочку формирования спроса. Агентная коммерция (agentic commerce) становится новым рубежом, меняя способы обнаружения товаров и привлечения потребителей.
Данные опроса руководителей высшего звена показывают серьезную разницу в уровне зрелости компаний. Большинство производителей товаров повседневного спроса — около 75% — остаются на стадии пилотных проектов и исследований. Лишь 18% из них удается масштабировать решения до уровня заметного экономического эффекта.
В розничной торговле наблюдается четкое разделение: 45% сетей уже масштабируют результаты, в то время как 40% едва начали этот путь. Более половины респондентов признаются, что вообще не измеряют окупаемость инвестиций (ROI) в потребительский ИИ.
Анализ BCG показывает, что масштабирование полного набора релевантных инициатив ИИ может принести от 220 до 350 базисных пунктов к прибыли до вычета процентов и налогов (EBIT) для производителей. Для розничных сетей этот показатель составляет от 180 до 360 базисных пунктов. По мере развития автономных систем этот потенциал может вырасти еще в 1,7 раза.
Главная проблема отрасли сегодня — это «ловушка пилотов». Проекты отлично показывают себя в контролируемых условиях, но при масштабировании сложности накапливаются, а экономика процесса часто нарушается. Многие компании собирают данные в пилотных проектах, но делают это без четкого базового уровня или пороговых значений для дальнейшего расширения.
Компании, вырвавшиеся вперед, добиваются успеха не за счет внедрения большего количества решений или создания самых сложных моделей. Они применяют ИИ глубже, интегрируя его в основные коммерческие рычаги. Это включает в себя более быстрое внедрение инноваций, высокоточное прогнозирование спроса, локализованное формирование ассортимента и улучшенное выполнение операций в физических и цифровых каналах.
Успешная трансформация требует перехода от концепции «помощника» (copilot), который просто дополняет работу человека, к «автопилоту». В этом случае ИИ работает самостоятельно в рамках заданных ограничений, а человек лишь рассматривает исключения из правил.
Чтобы превратить технологии в реальное преимущество, руководителям необходимо сосредоточиться на двух-трех ключевых направлениях. Вместо того чтобы просто внедрять ИИ в существующие рабочие процессы, эффективнее перестраивать сами функции и создавать новые подходы. Это означает пересмотр рабочих процессов, управления и способов взаимодействия.
По мере того как ИИ становится более автономным, меняется и роль человека. Значительная часть человеческого труда будет смещаться в сторону надзора, принятия сложных решений, управления отношениями и оркестрации процессов.
Для контроля рисков и затрат компаниям необходимо установить строгие рамки. Они включают мониторинг качества результатов в реальном времени, отслеживание затрат по отношению к создаваемой ценности и постоянное обучение сотрудников. Будущее за теми, кто сможет систематизировать свои проприетарные знания и объединить их с возможностями автономного ИИ.