Warum scheitern Einzelhandelsunternehmen bei der Einführung von Gen-KI?
Es ist klar, dass generative KI im Jahr 2024 ganz oben auf der To-do-Liste der Einzelhändler steht. Die Unternehmen stürzen sich auf GenAI-Lösungen. BCG prognostiziert, dass die GenAI-Technologie bis 2025 30 % des KI-Marktes einnehmen wird.
Einzelhandelsunternehmen nehmen GenAI mit offenen Armen auf. Beeindruckende 87 % der Kunden, die ein GenAI-Tool ausprobiert haben, sind von den positiven Auswirkungen auf ihr Einkaufserlebnis begeistert, während 88 % der Unternehmen GenAI aktiv erforschen, um die Kundeninteraktion zu verbessern. Darüber hinaus sind 73 % der Verbraucher inzwischen offen für KI-gestützte Chatbots im Kundenservice. Wir befinden uns in der Experimentierphase - Unternehmen testen Anwendungsfälle, bauen Prototypen und navigieren durch die komplexe Landschaft der technologischen, rechtlichen und Compliance-Herausforderungen. Erfolgsgeschichten von Branchenriesen wie H&M und Wayfair zeigen das transformative Potenzial von GenAI auf Unternehmensebene.
Die Aussichten für die Einführung von GenAI im Jahr 2024 sind jedoch gemischt. Viele GenAI-Projekte bleiben in der experimentellen Phase stecken und schaffen es nicht in die Produktion. In diesem Artikel gehen wir auf die Gründe für diese Rückschläge ein und schlagen Strategien vor, um sie zu überwinden und den Weg für erfolgreiche GenAI-Implementierungen zu ebnen.
GenAI-Adoption: Die Realität jenseits des Hypes
Während 2023 die Einführung generativer KI im Einzelhandel stark zunahm, sind die Aussichten für 2024 weniger optimistisch.
Laut einem Bericht von Everest von Anfang 2024 verhindern mehrere Schlüsselfaktoren, dass GenAI-Prototypen auf die Produktionsstufe eines Unternehmens skalieren:
- Mangelnde Klarheit über die Erfolgsmetriken
- Budget- und Kostenbedenken
- Die sich schnell entwickelnde Technologielandschaft
- Bedenken hinsichtlich Sicherheit und Datenschutz
- Talentknappheit
Bei DataArt haben wir ein zunehmendes Interesse an GenAI-Technologie beobachtet. Allerdings wurden nur wenige erfolgreich realisierte Prototypen zu unternehmensfähigen Lösungen skaliert.
Einzelhandelsunternehmen, die wir beraten haben, stehen in der Regel vor Herausforderungen, die sich mit den Ergebnissen unabhängiger Branchenberichte decken:
1. Fehlen einer KI-Unternehmensstrategie. Die Implementierung von GenAI in einem Unternehmen erfordert eine kohärente Strategie und Vision. Der Erfolg hängt davon ab, dass GenAI-Anwendungsfälle in einen breiteren KI-Plattformansatz integriert werden, der mit der übergreifenden KI-Strategie des Unternehmens abgestimmt ist. Diese Strategie sollte sich mit den wichtigsten geschäftlichen Herausforderungen befassen, kompatible Technologiepakete einsetzen und sich an etablierte KI- und Data-Governance-Rahmenwerke halten. Der Versuch, GenAI-Lösungen ohne diesen strategischen Kompass zu entwickeln, gleicht dem Navigieren eines Schiffes ohne Kompass und birgt das Risiko eines Schiffbruchs oder eines ziellosen Abdriftens.
2. Navigieren in einem unsicheren regulatorischen Umfeld. Das Navigieren in einem unsicheren regulatorischen Umfeld ist ein weiterer komplexer Aspekt. Neben dem Datenschutz und der Einhaltung von Vorschriften stellen auch Fragen des Urheberrechts und der Rechte an geistigem Eigentum eine Herausforderung dar. Wenn die Gesetze im Fluss sind, wird die Einführung von Produkten von Natur aus riskant. Im E-Commerce kann die Erstellung von Produktbeschreibungen beispielsweise mit der Einhaltung von SEO-Richtlinien kollidieren, während die Erstellung von Bildern zu Problemen mit dem geistigen Eigentum führen kann.
3. Verstehen von Infrastruktur und Technologie. Es gibt viele Missverständnisse über Infrastruktur und Technologie. Manche glauben, dass GenAI von der Stange funktionieren kann, aber es lebt von individuellen Daten. Das Training auf den Daten des Unternehmens verbessert die Genauigkeit erheblich und stellt sicher, dass die Ergebnisse den Produktionsstandards entsprechen, wodurch das Risiko eines Fehlschlags verringert wird. Unternehmensdaten sind entscheidend für eine maßgeschneiderte Genauigkeit; mit ihnen können LLMs gute Leistungen erbringen.
4. Fehlende Change Management-Prozesse und -Kultur. Wie jedes KI-Projekt erfordert auch dieses die Zustimmung des Unternehmens und einen schrittweisen Ansatz zur Einführung, um Fehltritte zu vermeiden. Der berüchtigte Meal-Bot-Vorfall unterstreicht beispielsweise die Bedeutung einer sorgfältigen Planung und Überprüfung vor dem Einsatz.
5. Ungewisser ROI für KI-Lösungen und schwer messbare Auswirkungen. Außerdem müssen die ROI-Erwartungen neu kalibriert werden. Auch wenn GenAI den menschlichen Aufwand minimiert, ist sie kein vollständiger Ersatz. Eine genaue Schätzung der Betriebs- und Wartungskosten ist für eine realistische ROI-Bewertung unerlässlich.
6. Bewertung des Unternehmenstalents. Und schließlich ist die Bewertung der Talente entscheidend. Während Outsourcing bei der Implementierung helfen kann, sind interne Daten- und KI-Führungskräfte unverzichtbar, um die Bemühungen mit der strategischen Vision des Unternehmens in Einklang zu bringen. Die Zusammenarbeit mit dem richtigen Partner kann den Fortschritt beschleunigen, aber internes Fachwissen gewährleistet die Ausrichtung und Nachhaltigkeit.
GenAI ist sehr vielversprechend, aber um das Potenzial auszuschöpfen, ist ein strategischer, ganzheitlicher und anpassungsfähiger Ansatz erforderlich, der auf die individuellen Gegebenheiten des jeweiligen Unternehmens zugeschnitten ist.
Der Weg zu skalierter GenAI: Wege zur Bewältigung der Herausforderungen
Trotz der zahlreichen Herausforderungen gibt es in der Branche bemerkenswerte Erfolgsgeschichten bei der Einführung von GenAI und ihrer Skalierung auf Unternehmensebene. Beispiele für diesen Trend sind das virtuelle Styling-Studio von H&M, der Home-Styling-Visualisierer von Wayfair und der Team Talk von Under Armour.
Unabhängig davon, ob die Entwicklung ausschließlich intern oder in Zusammenarbeit mit Partnern erfolgt, müssen Einzelhandelsunternehmen der Pflege einer datengesteuerten Kultur und Investitionen in die digitale und datenbezogene Reife Priorität einräumen. Für den Erfolg ist ein ganzheitlicher Ansatz erforderlich, der technologische Fortschritte, organisatorische Bereitschaft und ethische Überlegungen einbezieht.
Um sich auf diese transformative Reise zu begeben, sollten Sie einige grundlegende Schritte in Betracht ziehen:
- Formulierung der North Star Vision: Entwickeln Sie eine klare Vision für die Datenreife und KI-Bewertung, die die strategische Richtung des Unternehmens vorgibt.
- Ernennung eines internen Leiters für Daten und KI: Ernennen Sie einen internen Leiter für Daten und KI, der die Strategie vorantreibt und die Bemühungen der internen Teams und externen Partner koordiniert.
- Erforschung der geschäftlichen Herausforderungen und Priorisierung der Anwendungsfälle: Untersuchen Sie spezifische geschäftliche Herausforderungen und priorisieren Sie Anwendungsfälle für zukünftige Lösungen auf der Grundlage ihrer potenziellen Auswirkungen und der Übereinstimmung mit den Unternehmenszielen.
- Entwickeln Sie die richtige technische und organisatorische Strategie: Entwickeln Sie eine technische und organisatorische Strategie, die darauf zugeschnitten ist, die identifizierten geschäftlichen Herausforderungen effektiv anzugehen.
- Formulierung der Projektvision und Prioritätensetzung: Legen Sie eine klare Vision für das Projekt fest und priorisieren Sie die Initiativen mit einer klar definierten Roadmap.
- Festlegung von Erfolgsmetriken und Überwachungsprozeduren: Definieren Sie Erfolgsmetriken und implementieren Sie Überwachungsverfahren, um den Fortschritt zu verfolgen und die Übereinstimmung mit den Zielen sicherzustellen.
Diese Schritte entsprechen den neun Bausteinen der KI-Strategie, die die Formulierung der KI-Strategie, die Einrichtung von KI-Ausschüssen, rechtliche und Compliance-Ansätze, Risikomanagement-Rahmenwerke, Datenmanagement, Informationssicherheit, den Aufbau von Plattformen, Überwachungs- und Beobachtungsansätze sowie die Entwicklung von Fähigkeiten und Know-how umfassen. Dies sind gemeinsame Elemente, die bei der erfolgreichen Einführung von GenAI im Einzelhandel zu beobachten sind.
Fazit
Zusammenfassend lässt sich sagen, dass die Wirksamkeit von GenAI im Einzelhandel von einer sorgfältigen Planung und digitalen Kompetenz abhängt. Einzelhändler, die sorgfältig planen und die Feinheiten von GenAI verstehen, werden am meisten davon profitieren. Ziel ist es, GenAI mit Bedacht zu implementieren, um erhebliche Vorteile zu garantieren, die das Geschäft vorantreiben. Lassen Sie uns diese klugen Entscheidungen priorisieren, um das volle Potenzial von GenAI auszuschöpfen.
Um das volle Potenzial der generativen KI über die Prototypphase hinaus auszuschöpfen und wirkungsvolle Einzelhandelslösungen zu erzielen, wenden Sie sich an die Experten von DataArt, um maßgeschneiderte Beratung zu erfolgreichen Strategien zur Einführung der generativen KI zu erhalten.
