Anda mungkin pernah melihatnya video viral pelanggan drive-thru Wendy di Amerika Serikat yang memesan makanan cepat saji dari bot AI generatif perusahaan tersebut AI Segar Wendy. Kebanyakan menunjukkan transaksi yang sangat mirip manusia dengan diselingi teriakan takjub pada seberapa cepat, akurat dan sopan sistem ini. Meskipun sistem dan sistem sejenisnya masih dalam tahap awal, dan beberapa masih sangat bergantung pada bantuan manusia, pengecer berinvestasi sejumlah besar AI untuk menggantikan pekerja manusia. Mengapa terburu-buru melakukan otomatisasi? Tampaknya ini semua tentang memotong tagihan upah, dan memang benar adanya pertukaran AI-untuk-manusia terjadi di banyak peran.

Namun ada kekuatan lain yang mendorong hal tersebut tsunami restrukturisasi secara eceran. Yang dipertaruhkan adalah sumber kehidupan tersembunyi dari bisnis abad ke-21: data.

Pemanen data manusia super

Karyawan ritel biasanya tidak memasukkan banyak data kembali ke dalam bisnis. Sebaliknya, aliran data membentuk mereka secara pribadi, dan mereka mengembangkan apa yang kita kenal sebagai pengalaman atau keahlian. Inilah salah satu alasan mengapa bisnis dilakukan secara tradisional mencoba mempertahankan karyawan untuk waktu yang lama.

Bot AI ritel, di sisi lain, mengotomatiskan pengumpulan data sepenuhnya. Bot adalah bagian dari sistem komputer bisnis yang lebih luas, sehingga rincian setiap interaksi pelanggan dapat disalurkan langsung ke database. Pengumpulan data dapat mencakup “stimulus” lengkap yang diberikan kepada setiap pelanggan: sapaan awal, volume, nada, tempo, tanggapan terhadap pertanyaan pelanggan, dan tentu saja hasil yang didapat.

Tergantung pada perusahaan posisi etis, bot AI juga dapat dirancang untuk itu memanen tidak hanya kata-kata pelanggan tetapi juga berbagai “meta-fakta”: laki-laki atau perempuan, tua atau muda, kurus atau gemuk, pendek atau tinggi, bertato atau tidak bertato.

Faktanya, dengan rekaman video dan audio yang begitu lumrah, tidak ada alasan segala sesuatu tentang suatu interaksi tidak dapat ditangkap untuk nanti kerusakan dan analisis oleh AI.

Dengan menggantikan manusia dengan bot, semua data yang dulunya disimpan di karyawan (yang, karena memiliki data sebagai keahlian, mungkin memerlukan lebih banyak uang untuk tetap tinggal) kini dapat langsung masuk ke brankas elektronik bisnis.

Apa yang membuat kasus bisnis bot AI menjadi lebih menarik adalah mereka dapat menyelesaikan perulangan dan menyelesaikan masalah menggunakan data serta memanennya.

Pembuat “titik kontak” yang dinamis

Pengecer menaruh banyak perhatian pada “titik sentuh” – momen kontak kritis yang dapat memengaruhi persepsi dan keputusan pelanggan.

Di masa lalu, karyawan manusia telah dipilih atau dilatih untuk memberikan titik kontak yang efektif. Misalnya remaja berseragam warna-warni menjadi staf restoran cepat saji meminjamkan citra dan getaran tertentu. Dan itu skrip dan perintah yang mereka sampaikan, seperti “Apakah Anda ingin kentang goreng dengan itu?”, berasal langsung dari manual.

Namun karyawan manusia sebenarnya tidak mampu melakukannya memodelkan jutaan interaksi pelanggan masa lalu, atau menimbangnya dengan pelanggan yang berdiri di depannya.

Bot ritel bisa. Mereka dapat menyelesaikan “loop data” secara real-time.

Maksudnya itu apa? Dengan menggunakan sejumlah besar data masa lalu, bot ritel dapat membuat profil pelanggan saat ini dan menyesuaikan perilaku mereka, berinteraksi dengan pelanggan, dan kemudian memberi umpan balik pada data yang dibuat untuk kinerja yang lebih baik di waktu berikutnya. Dan kejadian berikutnya mungkin terjadi dua detik kemudian di gerai serupa di belahan negara lain dengan pelanggan serupa.

Dunia usaha berusaha untuk menjadi persamaan – yang dapat dipecahkan oleh AI

Semua putaran data ini ditutup dengan mengorbankan pekerjaan manusia karena digitalisasi penuh adalah bisnis ideal saat ini.

Mengapa? Karena bisnis yang berjalan dengan data yang mengalir dalam putaran yang lancar pada dasarnya adalah sebuah persamaan. Dan jika sebuah bisnis adalah sebuah persamaan, Anda dapat menggunakan (Anda dapat menebaknya) AI terbaru untuk terus-menerus mengubah bot ritel Anda dan menarik pengaruh lain untuk memaksimalkan keuntungan.

Jawaban yang diberikan AI terhadap pertanyaan penting “Bagaimana kita menghasilkan lebih banyak uang?” bisa sangat granular. Misalnya, berdasarkan data dari bot ritel, suatu hari nanti AI mungkin menyarankan (dan menguji serta menerapkan) jeda tambahan 300 milidetik sebelum bertanya kepada pelanggan yang kelebihan berat badan dan bermata coklat, “Ada lagi?”. Dan hal ini mungkin meningkatkan keuntungan karena alasan yang tidak dipahami oleh siapa pun.

Daun ini pelanggan di tempat yang aneh.

Perulangan data menciptakan bisnis yang sangat gesit sehingga pelanggan merasa pikiran mereka tidak hanya dibaca tetapi juga dibaca diantisipasi. Menurutmu itu tidak masuk akal? Anda mungkin sudah mengetahui seberapa baik hal ini bekerja selama berjam-jam yang terpaku pada pionir algoritmik dan bisnis persamaan penuh seperti Google, YouTube, Amazon, Facebook, dan TikTok.

Pengecer ingin menggunakan AI untuk ikut serta dalam aksi ini.

Faktanya, setelah bonanza data AI drive-thru, Wendy's baru-baru ini harus menghilangkan laporan bahwa mereka sedang mempertimbangkan gaya Uber “harga dinamis".

Jadi, pekerjaan ritel mana yang akan diambil pertama kali oleh AI?

Tidak ada jawaban sederhana untuk ini pertanyaan yang rumit. Tapi saya bisa menawarkan prinsip panduan.

AI berkembang pesat dalam hal data. Jika pekerjaan Anda melibatkan banyak data, dan data tersebut saat ini tidak diambil (orang yang berurusan dengan lalu lintas bervolume tinggi, seperti pekerja drive-thru), atau tidak menginformasikan cara Anda memberikan layanan (lagi-lagi pekerja drive-thru , tetapi juga mereka yang berurusan dengan produk yang kompleks) – hati-hati. Anda memblokir loop data, dan Anda mungkin berada di garis bidik.

Sebaliknya, jika Anda tidak menyukai terlalu banyak data, dan banyak data tidak akan membuat perbedaan besar bagi Anda sebagai titik kontak, Anda mungkin aman untuk sementara waktu. Anda dapat bersantai dan menunggu untuk menjadi korban restrukturisasi AI yang menghemat upah.

Cameron Shackell, Sesi Akademik dan Pengunjung, Sekolah Sistem Informasi, Queensland University of Technology

Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.