소매 업계가 보다 디지털화된 주문형 소비자 기반으로의 전환을 목격함에 따라 AI는 소매업체가 진화하는 소비자 행동을 더 잘 이해하고 이에 부응할 수 있는 비밀 무기가 되고 있습니다. 고도로 개인화된 온라인 쇼핑, 소비자 직접 모델 및 배송 서비스의 등장으로 생성 AI는 소매업체가 고객 관리, 인재 혁신 및 애플리케이션 성능을 향상할 수 있는 다양한 이점을 더욱 활용하도록 도울 수 있습니다.

Generative AI는 이메일, 이미지, 비디오, 오디오 파일, 소셜 미디어 콘텐츠 등 다양한 데이터 소스를 처리하는 데 탁월합니다. 이 구조화되지 않은 데이터는 모델 생성과 생성 AI의 지속적인 교육을 위한 백본을 형성하므로 시간이 지나도 효율성을 유지할 수 있습니다. 이러한 비정형 데이터를 활용하면 챗봇을 통한 고객 서비스 강화, 보다 효과적인 이메일 라우팅 촉진 등 소매 운영의 다양한 측면으로 확장될 수 있습니다. 실제로 이는 사용자를 적절한 상담원과 연결하거나 사용자 가이드 및 FAQ로 안내하는 등 적절한 리소스로 사용자를 안내하는 것을 의미할 수 있습니다.

소매업체는 AI를 중심으로 전략을 수립하고 이를 운영의 여러 측면에 통합해야 할 필요성을 인식하고 있습니다. IBM의 최신 자료에 따르면 CEO 연구, 업계 리더들은 매출 성장을 촉진하기 위해 AI 기술에 점점 더 집중하고 있으며, 조사에 따르면 소매 CEO의 42%는 향후 XNUMX년 동안 결과를 제공하기 위해 생성 AI, 딥 러닝, 머신 러닝과 같은 AI 기술을 활용한다고 답했습니다. 이 데이터는 최근 IDC 유럽 연구 전 세계 소매업체와 브랜드의 40%가 생성적 AI 실험 단계에 있고, 21%는 이미 생성적 AI 구현에 투자하고 있는 것으로 나타났습니다.

이러한 투자의 영향은 앞으로 몇 년 안에 분명해질 것입니다. 연구 분석 회사인 IHL Group의 최근 예측에 따르면 생성 적 AI 총 재정적 영향은 다음과 같습니다. 9.2년까지 소매업에 2029조 XNUMX천억 달러. 생성적 AI는 현재 9년 소매 업계 수익에 미치는 영향의 2023%에 불과하지만, IHL은 생성적 AI가 78년까지 전체 금융 영향의 2029%를 차지해 그해 총 4.4조 XNUMX억 달러에 이를 것으로 예상하고 있습니다.

생성적 AI는 핵심 통찰력을 밝힐 수 있습니다

AI는 소매업체가 액세스할 수 있는 방대한 양의 데이터를 활용할 수 있도록 지원하며, 그 중 대부분은 지금까지 제대로 활용되지 않았습니다. 고객 행동 예측부터 공급망 효율성 및 개인화된 마케팅에 이르기까지 AI는 고객 관리, 운영 효율성 및 인재 혁신을 포함한 여러 중요한 영역에서 업계의 효율성과 생산성을 혁신할 수 있는 잠재력을 가지고 있습니다.

• 고객 지원: 인공 지능에 대한 소매 및 소비재 부문의 관점을 조사한 IBM의 최근 CEO 연구에 따르면, 오늘날 이들 업계의 최우선 과제는 고객 관리입니다. 고객 관리 영역에서 생성적 AI는 소매업체가 고객 피드백과 구매 습관에서 얻은 귀중한 통찰력을 활용하여 고객 중심 접근 방식을 채택할 수 있도록 지원합니다. 이러한 데이터 기반 접근 방식은 제품 디자인 및 포장을 개선하는 데 도움이 될 수 있으며 높은 고객 만족도와 매출 증대를 촉진하는 데 도움이 될 수 있습니다.

제너레이티브 AI는 고객 관리를 위한 인지 보조자 역할을 하여 대화 기록, 감정, 분석 및 콜센터 기록을 기반으로 상황에 맞는 지침을 제공할 수도 있습니다. 또한 생성적 AI는 개인화된 쇼핑 경험을 구현하여 고객 충성도를 높이고 경쟁 우위를 제공할 수 있습니다.

• 운영 효율성: 운영 효율성 측면에서 AI 기술은 가격 책정 전략, 재고 관리, 물류를 향상하여 수익을 최적화하고 고객을 위한 원활한 쇼핑 경험을 제공할 수 있습니다. 예를 들어, 생성적 AI를 사용하면 동적 가격 책정에 대한 수요 변동을 예측하고 배송 시간, 운송 비용 등의 요소를 분석하여 물류를 개선함으로써 잠재적으로 비용 절감과 고객 서비스 향상을 통해 가격 책정 및 이행 전략을 최적화할 수 있습니다.

마찬가지로 Generative AI는 과거 판매 데이터와 외부 요인을 사용하여 수요를 보다 정확하게 예측하여 재고 부족과 초과 재고를 방지하는 동시에 재고 보충 및 할당을 자동화할 수 있습니다. 이러한 측면을 효율적으로 관리함으로써 소매업체는 운영을 간소화하고 전반적인 성과를 높일 수 있습니다.

• 인재 혁신: 세 번째 잠재적 영향 영역은 소매업체가 채용 및 온보딩에 챗봇을 활용하여 프로세스를 보다 효율적으로 만들 수 있는 인재 혁신입니다. 일단 온보딩되면 직원들은 개인의 학습 스타일과 지식 격차를 식별하는 데 도움이 되는 생성 AI가 만든 맞춤형 적응형 교육 프로그램을 받을 수 있습니다.

최근 보고서에 따르면 기존 직원을 위한 새로운 기술을 구축하는 것이 최고 경영진의 가장 중요한 인재 문제라고 합니다. IBM 기업가치연구소(IBV) 연구. 설문 조사에 참여한 소매업체 경영진은 오늘날 조직의 가장 큰 인재 과제 중 두 가지로 "기술 문맹"과 "기존 인재를 위한 새로운 기술 구축"을 꼽았습니다. 설문 조사에 참여한 소매업체 경영진은 향후 41년 동안 AI 및 자동화 구현으로 인해 인력의 XNUMX% 이상이 재교육이 필요할 것으로 예상했습니다. 응답한 소매업체 임원 중 거의 절반이 외부 채용이 아닌 재교육에 투자한다고 답했습니다.

IBM 생성 AI는 소매업에 사용할 준비가 되어 있습니다.

IBM은 이러한 요구 사항을 해결하는 데 도움이 되는 AI 솔루션을 개발했습니다. 소매업계는 세 가지 모드를 통해 IBM의 AI에 접근할 수 있습니다. 그 중 가장 중요한 것은 설계 제어와 유연성을 제공하는 클라우드 기반 AI 및 데이터 플랫폼인 IBM® watsonx™입니다. 기타 IBM AI 제품으로는 IBM® watsonx Orchestrate™, IBM® watsonx Code Assistant™ 및 IBM® watsonx Assistant™가 있습니다. 세 번째 모드는 Red Hat® OpenShift® AI와 같은 오픈 소스 플랫폼과 파트너 제품과의 원활한 통합을 통해 이루어집니다. 

IBM은 기업이 생성 AI 및 기반 모델의 기회를 활용할 수 있도록 돕기 위해 watsonx를 출시했습니다. Watsonx는 IBM® watsonx.ai™, IBM® watsonx.data™ 및 IBM® watsonx.governance™로 구성됩니다. Watsonx.ai는 AI 빌더가 개방적이고 직관적인 사용자 인터페이스를 통해 기반 모델을 기반으로 하는 기존 기계 학습과 새로운 생성 AI 기능을 모두 훈련, 검증, 조정 및 배포할 수 있는 차세대 엔터프라이즈 스튜디오입니다. Watsonx.data는 기초 모델에 대한 엔터프라이즈 데이터를 관리하도록 설계된 레이크하우스 아키텍처 및 개방형 데이터 형식을 기반으로 하는 데이터 저장소입니다. 세 번째 구성 요소는 2023년 XNUMX월에 제공될 예정인 watsonx.governance입니다. 이는 전사적 거버넌스 프로세스를 지정 및 관리하고 위험을 제어하는 ​​강력한 도구 세트입니다. 

앞으로 소매업체는 watsonx.data를 사용하여 대량의 이질적이고 구조화되지 않은 고객 데이터를 활용하고 watsonx.ai에서 모델을 구축하여 추천 알고리즘을 활용할 수 있습니다. 개인화 된 쇼핑 추천. 고객의 동의를 바탕으로 과거 구매 및 검색 행동을 기반으로 소매업체는 가상 체험 도구를 만들고 대화형 쇼핑 도우미를 개발할 수 있습니다. Watsonx.governance를 이 프로세스에 통합하면 소매업체가 윤리적이고 책임감 있게 고객 데이터를 관리할 수 있습니다. 

이러한 도구를 활용하여 소매업체는 생성 AI를 전략의 필수 부분으로 수용할 수 있는 좋은 위치에 있으며 점점 더 복잡하고 빠르게 변화하는 소비자 환경을 탐색할 수 있는 준비를 갖추게 될 것입니다.

귀하의 비즈니스가 책임 있는 AI 워크플로우를 하나의 플랫폼에 모두 포함하고 가속화하는 데 watsonx가 어떻게 도움이 되는지 자세히 알고 싶으십니까?

Watsonx가 무엇을 할 수 있는지 알아보세요