Comment l'AIoT Transforme le Retail : Magasins Plus Intelligents, Meilleur Service et Chaînes d'Approvisionnement Optimisées

Le secteur du retail n'a pas été immunisé contre la prolifération des dispositifs et capteurs IoT dans les magasins, canaux de service client, entrepôts et chaîne d'approvisionnement. Maintenant, les détaillants ajoutent une couche d'Intelligence Artificielle pour mieux exploiter ces données.

En tant que tel, l'intelligence artificielle des objets (AIoT) émerge comme pivotale pour les détaillants. Pourquoi ? Combiner l'IA avec les données des dispositifs IoT aide les détaillants à réimaginer l'expérience en magasin, améliorer la livraison de service et maintenir la visibilité des produits à chaque niveau opérationnel.

Dans le rapport thématique IoT in Retail and Apparel de Global Data, l'intégration croissante de l'IA dans les produits et services IoT dans le retail est inévitable et déjà en cours : « Les couches clés dans la chaîne de valeur IoT sont physique, connectivité, données, apps et services. Bien que ces couches soient logiquement discrètes, les solutions IoT à grande échelle voient un flou considérable de ces frontières logiques.

Par exemple, s'il continuera d'y avoir une couche de données clairement identifiable vers le haut de la stack, une proportion croissante du traitement des données se produit au sein et en edge du réseau. Le développement accéléré de l'IA générative, particulièrement ChatGPT, a augmenté la pertinence de l'IA à travers toutes les couches IoT. Par conséquent, un nombre croissant de produits et services IoT incorporent l'IA dans leurs capacités, surtout à travers les interfaces pilotées par le client. »

La Sélection d'Événements Produit des Résultats et Solutions en Temps Réel

Le routage à grain fin via le streaming d'événements permet aux systèmes d'être plus sélectifs dans ce qui est analysé par l'IA pour qu'elle puisse être à la fois moins chère et plus réactive aux événements. Un événement représente un changement d'état, ou une mise à jour, comme un article placé dans un panier, une demande de carte de fidélité soumise, ou une commande devenant prête à expédier.

Les événements sont « publiés » avec un topic indiquant leur sujet, et les systèmes peuvent « s'abonner » pour recevoir tous les événements avec des topics pertinents. Les systèmes IA reçoivent les événements pour produire des résultats en temps réel qui permettent des solutions/actions en temps réel d'être automatiquement déclenchées, mais ce flux de données fournit aussi un flux pour l'apprentissage constant, soit par ingestion dans une base de données vectorielle, soit par fine-tuning du modèle lui-même.

Convaincre les Parties Prenantes avec des Cas d'Usage Intelligents

Beaucoup d'applications précoces de l'IA dans le retail se concentreront probablement sur l'IA générative (Gen-AI) et les Large Language Models (LLMs). Ceux-ci peuvent être utilisés pour des interactions directes avec les clients via les apps de magasin, les interactions de service client omnicanal, et même pour aider les travailleurs dans l'entrepôt.

Mais l'un des plus gros problèmes avec l'IA basée sur les LLM aujourd'hui est qu'elle est relativement chère et lente. Simplement arroser les données IoT vers un LLM pour traitement deviendra rapidement ingérable et très cher. Les plus grands bénéfices de la convergence de l'IA et de l'IoT dans le retail seront réalisés par les organisations retail identifiant des cas d'usage intelligents pour livrer des bénéfices aux clients, membres du personnel et l'entreprise dans son ensemble.

… et laisser les bénéfices parler d'eux-mêmes

L'event-enabling des flux IoT peut fournir des bénéfices aux clients et employés du retail en magasin, via les canaux de service client, et même dans l'entreposage.

Voici trois cas d'usage où la convergence de l'IA et de l'IoT dans le retail, sous-tendue par le streaming d'événements, peut faire une vraie différence.

1) Introduction du Travailleur d'Usine Connecté

En commençant par l'entrepôt, l'IA peut aider à la gestion des exceptions pour les travailleurs d'usine. La plupart des détaillants utilisent maintenant une sorte de dispositif mobile ou tablette dans les opérations d'entreposage, et ceux-ci sont supportés par des dispositifs IoT sur le terrain pour la surveillance des stocks et autres tâches liées à l'inventaire.

Tout cela fournit une richesse de bénéfices potentiels dont l'IA peut tirer de nouveaux insights et adresser des problèmes potentiels. Par exemple, une solution Gen-AI pourrait fournir à tous les travailleurs un moyen extrêmement facile de signaler des problèmes, incidents/quasi-accidents, ou idées pour l'efficacité. C'est de l'information qualitative, mais une IA basée sur LLM peut alors réviser, trier, grouper et fournir des conseils curatés au management.

Réponse d'urgence en temps réel pour maintenir les opérations sûres

Dans une situation d'urgence, par exemple, il y a aussi le potentiel d'augmenter grandement la vitesse à laquelle les organisations peuvent répondre en temps réel dans l'entrepôt ou sur le terrain d'usine. Avoir un système event-driven pour livrer l'information et l'IA pour la transcrire, l'analyser, et la mettre devant la personne pertinente le plus vite possible pourrait améliorer la sécurité, le temps et l'argent sur le terrain d'usine.

Ici, le event mesh peut lier de nombreux agents IA, chacun adapté à un ensemble spécifique d'événements. Cela peut être aussi simple que de s'abonner à tous les événements contenant de l'audio brut et utiliser un modèle speech-to-text pour créer la transcription, qui est ensuite republiée dans le mesh. Tous ces composants communiquent de manière asynchrone via le event mesh en utilisant du messaging garanti pour s'assurer qu'aucun événement ne peut être perdu en transit et qu'ils sont livrés à la personne ou au dispositif approprié pour déclencher une réponse d'urgence.

2) Mieux Comprendre les Préférences Clients pour Personnaliser l'Expérience d'Achat

L'AIoT permet aux détaillants d'exploiter intelligemment les données en magasin et clients pour offrir des expériences d'achat hautement personnalisées. En utilisant l'IA pour analyser les données clients des dispositifs IoT, les détaillants peuvent adapter les recommandations de produits, offres et même les expériences en magasin aux préférences individuelles. Prenez l'instance de fournir un assistant de service client en magasin qui sait où le client est et, plus important, où tout le reste est situé.

Par exemple, un client pourrait dire à l'app du magasin qu'il cherche à construire une clôture. Il n'a plus à attendre le représentant du magasin de bricolage pour lui conseiller où se trouve le produit dont il a besoin et lequel il devrait utiliser. À la place, un assistant IA utiliserait des informations spécifiques au magasin pour fournir une réponse adaptée aux besoins de chaque client. Il irait dans ses bases de données, répondrait à la requête intelligemment, et dirait, OK, maintenant qu'on a déterminé le genre de matériaux dont vous avez besoin, faisons le tour du magasin et trouvons-les.

Maximiser l'expérience client front-end nécessite le mouvement de données back-end

Être capable d'agir sur ces requêtes rapidement, précisément et efficacement signifie event-enabler toutes les informations de stock et le traitement IA. Les clients ont besoin de savoir en temps réel si les matériaux dont ils ont besoin sont disponibles, et cela nécessiterait aussi l'utilisation contextuelle de capteurs en magasin pour les diriger vers la zone du magasin pour trouver leurs biens.

Une approche event-driven pour intégrer à la fois ces données de dispositifs et le traitement IA utiliserait un event mesh — un réseau de brokers d'événements interconnectés qui permet la distribution d'informations d'événements entre applications, services cloud et dispositifs — pour activer le traitement en temps réel et les insights prédictifs. Une fois achetés, les événements pourraient aussi inclure de la documentation back-end et des instructions expliquant au client comment construire leur projet requis quand ils rentrent chez eux.

3) Un Agent Copilote Fiable Émerge dans le Centre de Contact

Les centres de contact client modernes viennent maintenant avec un copilote IA conçu pour un meilleur service client. Microsoft Copilot, par exemple, est maintenant inhérent à Microsoft 365 et étend les canaux de centre de contact existants avec l'IA générative pour améliorer les expériences de service et booster la productivité des agents.

L'IA peut aider au traitement des appels enregistrés ou en temps réel vers le service client pour mettre en évidence tout problème sérieux nécessitant une assistance d'urgence. Notez que ce n'est pas l'IA qui prend la place de la personne de support client mais réagit aux problèmes qui ont surgi dans un appel humain-à-humain pour fournir un contexte en temps réel sur le client et le problème qu'ils ont.

IA event-enabled pour ajouter plus de contexte pour les représentants du service client

En event-enablant ce copilote IA et en le liant aux nombreux points de données à travers le processus de service client (données CRM pour l'historique client, type de dispositif/canal ils communiquent depuis, scripts/protocoles de service client, et reporting BI), les organisations peuvent livrer de nouveaux niveaux d'insights en temps réel au représentant du service client.

Les agents IA peuvent s'abonner à un ensemble étroit d'événements, fournir un template de prompt spécifique à cet abonnement, et ensuite utiliser un LLM pour enrichir l'événement avec des informations additionnelles. Par exemple, effectuer une analyse de sentiment sur les interactions utilisateur pour identifier les clients avec des problèmes nécessitant un routage vers un expert, un client mûr pour un upsell, ou synthétiser de nouveaux événements basés sur la combinaison de données accumulées.

Le Commerce Connecté Crée un Avenir Retail Plus Intelligent

La combinaison de l'IA et de l'IoT dans l'industrie du retail représente un changement transformationnel dans la façon dont les détaillants peuvent exploiter la technologie et les données à leur disposition. Une stratégie event-driven est un composant critique dans ce processus et aidera les organisations retail à améliorer les expériences client, rationaliser les opérations et autonomiser les employés du sol d'usine au en magasin et au centre de contact.