هوش مصنوعی کافی نیست: چرا زیرساخت فروشگاه تعیین می کند که کدام خرده فروشان با موفقیت مقیاس شوند

سخت ترین بخش هوش مصنوعی خرده فروشی ممکن است به زودی بخشی باشد که هیچ کس در نسخه نمایشی قرار نمی دهد.

یک مدل می‌تواند یک نشانه‌گذاری را توصیه کند، یک انبار را پیش‌بینی کند، یک مسیر انتخاب را تنظیم کند یا یک الگوی ترافیک فروشگاه را در میلی‌ثانیه شناسایی کند. اما یک خرده فروش تنها زمانی ارزش پیدا می کند که این تصمیم به یک اقدام دقیق در فروشگاه فیزیکی تبدیل شود. خواه تغییر قیمت باشد یا خواندن سنسور، باید فورا وارد شود تا مفید باشد.

در حال حاضر شکاف قابل توجهی بین جاه‌طلبی هوش مصنوعی و اجرا وجود دارد. نظرسنجی Deloitte در سال 2026 از 200 مدیر خرده‌فروشی و محصولات مصرفی نشان داد که 75٪ هوش مصنوعی را اولویت اصلی استراتژیک می‌دانند، با این حال فقط 16.5٪ می‌توانند بازدهی را که از آن دریافت می‌کنند کمیت کنند. واضح است که خرده فروشان به هوش مصنوعی اعتقاد دارند. مشکل سخت تر تبدیل قابلیت های مجزا به چیزی است که به طور مداوم در سراسر تجارت کار می کند.

برای خرده فروشان فیزیکی، چالش به مدل ها، داده ها یا نرم افزار ختم نمی شود. تصمیمات مبتنی بر هوش مصنوعی باید از فروشگاه های حاوی هزاران دستگاه، شبکه های موجود و سال ها فناوری نصب شده عبور کند. در محیط های پیچیده، خود ساختمان می تواند بر اتصال تاثیر بگذارد. با افزایش تعداد نقاط پایانی متصل، اهمیت پایه بی سیم که اطلاعات را در سراسر فروشگاه حمل می کند، افزایش می یابد.

برای CIOها و CTOها، این بدان معناست که محدودیت بعدی در AI ممکن است چیزی باشد که کمتر مورد توجه قرار گرفته است: اینکه آیا فروشگاه زیر آن می تواند به طور قابل اعتماد در مقیاس اجرا شود.

فروشگاه حجم کار ابری نیست

خرده‌فروشی فیزیکی شرایطی را معرفی می‌کند که تیم‌های نرم‌افزاری نمی‌توانند آن‌ها را انتزاع کنند. فروشگاه ها دارای دیوارها، قفسه های فلزی، سردخانه، اتاق های پشتی، محل بارگیری و سیستم های قدیمی نصب شده اند. ساعت معاملاتی هم دارند. تغییرات زیرساختی که در یک نمودار معماری ساده به نظر می رسند، زمانی که در صدها سایت تکرار شوند، می توانند گران یا مختل شوند.

برای مثال موجودی را در نظر بگیرید. یک مدل پیش‌بینی می‌تواند تصمیم دوباره‌سازی را بهبود بخشد، اما اجرای در سطح فروشگاه ممکن است به حسگرهای قفسه، دستگاه‌های دستی، ابزار انتخاب و اطلاعات دقیق محصول بستگی داشته باشد.

بینایی رایانه، نمایشگرهای دیجیتال و نظارت بر محیط، نقاط پایانی بیشتر و ترکیب گسترده‌تری از داده‌ها، از به‌روزرسانی‌های معمول دستگاه و خوانش حسگر گرفته تا محتوای بصری و داده‌های عملیاتی بلادرنگ را اضافه می‌کنند. این بارهای کاری خواسته های بسیار متفاوتی را در شبکه ایجاد می کنند.

برخی نیاز به پهنای باند بالا یا تاخیر کم دارند. برخی دیگر شامل جمعیت زیادی از دستگاه‌های باتری‌دار هستند که به‌روزرسانی‌های منظم را در محیط‌های دشوار ارسال می‌کنند. به طور جداگانه، هیچ یک لزوما یک مشکل شبکه نیست. در مجموع، آنها می توانند یکی شوند.

اگر تصمیم قیمت‌گذاری نتواند به سرعت به همه فروشگاه‌ها برسد، سیگنال تکمیل خیلی دیر برسد یا هر برنامه جدید به لایه زیرساختی پرهزینه دیگری نیاز داشته باشد، خرده‌فروش بخشی از ارزشی را که فناوری قرار بود ایجاد کند از دست می‌دهد.

یک پاسخ اضافه کردن دروازه، کنترلر یا لایه کاربردی دیگر برای پروژه بعدی است. این می تواند برای یک خلبان کار کند. با این حال، هر دستگاه جدید به اندازه کافی تکرار می شود، یک مسیر ادغام جداگانه، مالک امنیت، کنسول مدیریت و حالت خرابی پیدا می کند.

در محیط‌های سخت فروشگاه، افزودن زیرساخت‌های خاص پروژه برای غلبه بر شکاف‌های پوشش نیز می‌تواند اقتصاد استقرار را تغییر دهد. این فناوری کار می کند، اما بهره برداری از آن به تدریج سخت تر می شود.

مشکل پوسته پوسته شدن پس از کار پایلوت ظاهر می شود

تیم‌های فن‌آوری خرده‌فروشی برای پرسیدن اینکه آیا یک برنامه جدید با شرایط تجاری آن مطابقت دارد یا خیر، استفاده می‌کنند. هوش مصنوعی یک سوال دیگر اضافه می کند: در صورت موفقیت برنامه چه اتفاقی برای زیرساخت می افتد؟

یک آزمایشی ممکن است شامل یک فروشگاه و تعداد محدودی از نقاط پایانی باشد. مقیاس، اقتصاد را تغییر می دهد. پوشش باید در سرتاسر ساختمان کار کند، به‌روزرسانی‌ها باید در طول معاملات عادی قابل اعتماد باقی بماند و تیم‌های امنیتی به روشی ثابت برای سوار شدن و مدیریت دستگاه‌ها نیاز دارند. تیم‌های عملیاتی همچنین به مالکیت واضح در هنگام شکست نیاز دارند.

بنابراین اتصال باید به عنوان یک انتخاب معماری در نظر گرفته شود، نه یک مشخصات مدفون در هر خرید. هدف جایگزینی هر شبکه موجود یا ایجاد یک شبکه برای هر برنامه نیست، بلکه تطبیق بارهای کاری با لایه بی سیم است که به بهترین وجه برای نیازهای آن ها مناسب است و در عین حال مدیریت املاک را حفظ می کند.

طرح های فعلی ممکن است در برخی فروشگاه ها مناسب باشند. در قالب‌های بزرگ یا دشوار، یا جایی که نقاط پایانی خرده‌فروشی مناسب اینترنت اشیا به سرعت در حال رشد هستند، ممکن است یک لایه بی‌سیم با هدف ساخته شده اضافی توجیه شود. تصمیم باید عمدی باشد نه اینکه یک پروژه در یک زمان به ارث برده شود.

بارهای کاری مختلف به پایه های بی سیم متفاوتی نیاز دارند

بعید است که فروشگاه آماده آینده به یک شبکه وابسته باشد که همه چیز را انجام دهد. به احتمال زیاد از ترکیبی از لایه‌های اتصال استفاده می‌کند که هر کدام از بارهای کاری مناسب‌تر پشتیبانی می‌کنند. اکنون، خرده فروشان باید در نظر بگیرند که آیا Wi-Fi سازمانی باید لایه انتقال واقعی برای هر دسته جدید از دستگاه های متصل باقی بماند یا خیر.

همانطور که مجموعه‌های برچسب قفسه الکترونیکی گسترش می‌یابند و خرده‌فروشان حسگرها و کاربردهای خرده‌فروشی IoT را معرفی می‌کنند، ممکن است حجم کاری مناسب با یک لایه بی‌سیم ساخته‌شده در کنار شبکه سازمانی بهتر انجام شود.

این نباید به معنای یک شبکه ایزوله برای هر مورد استفاده باشد، بلکه یک لایه اتصال قابل استفاده مجدد و مقیاس‌پذیر است که قادر به پشتیبانی از جمعیت بزرگ دستگاه در طول زمان است. امنیت متعلق به همان گفتگو است. هر نقطه پایانی نیاز به مدیریت منسجم دارد، از نصب قابل اعتماد و اعتبارنامه گرفته تا از کار انداختن.

استانداردهای باز همچنان مهم باقی می مانند زیرا پایه و اساس سازگارتری برای دستگاه ها، برنامه ها و پلتفرم های آینده فراهم می کنند. اما باز بودن به تنهایی معماری نیست. تصمیم این است که کدام بار کاری به کدام لایه اتصال تعلق دارد. استانداردها به این لایه ها کمک می کنند تا قابل مدیریت و سازگار باقی بمانند.

موفق ترین برنامه های خرده فروشی هوش مصنوعی بیشتر از کیفیت پیش بینی های آنها مورد قضاوت قرار می گیرند. همانطور که املاک متصل رشد می کنند، آزمون این خواهد بود که آیا سازمان ها می توانند این پیش بینی ها را به اقدامات قابل اعتماد در فروشگاه های واقعی تبدیل کنند یا خیر.

قبل از تایید پایلوت بعدی هوش مصنوعی، خرده فروشان باید بپرسند که در صورت موفقیت املاک آنها به چه چیزهایی نیاز خواهد داشت، چه حجم کاری افزایش خواهد یافت، و آیا باید همه آنها به همان روش حمل شوند؟

اگر موفقیت به معنای دستگاه‌های بیشتر، داده‌های غنی‌تر، به‌روزرسانی‌های مکرر یا استقرار در یک دارایی بسیار بزرگ‌تر است، معماری بی‌سیمی که از این حجم‌های کاری پشتیبانی می‌کند باید بخش مرکزی استراتژی هوش مصنوعی باشد.

خرده فروشان به خاطر خودشان روی ابزارهای هوش مصنوعی یا اتصال سرمایه گذاری نمی کنند. آنها می خواهند از حاشیه محافظت کنند، در دسترس بودن را بهبود بخشند و فروشگاه ها را آسان تر کنند. قابلیت هوش مصنوعی و مقیاس پذیری هوش مصنوعی مشکلات متفاوتی هستند.

هدف باید معماری باشد که در آن بارهای کاری جدید بتوانند از لایه بی سیم مناسب برای خود استفاده کنند، بدون اینکه هر بار اجباری شود که دارایی بازسازی شود. خرده فروشانی که برای هر دو طراحی می کنند، در موقعیت بسیار قوی تری برای تبدیل جاه طلبی به اجرای قابل اعتماد و قابل تکرار خواهند بود.

ما بهترین چت ربات هوش مصنوعی را برای تجارت معرفی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit