Når AI-agenter går på indkøb, bliver produktdata adgangsbilletten
AI-agenter ser ud til at være på vej til at overtage mange indkøbsopgaver for både private og virksomheder. Det betyder, at produktdata går fra at være en støtte i salgsprocessen til at blive absolut afgørende. Er dine produktdata ikke fuldstændige og maskinlæsbare, springer AI-agenterne dig simpelthen over. En ekspert giver her sine bud på, hvordan du undgår at blive usynlig på dit marked.
”… når AI-agenter i stigende grad træffer eller påvirker købsbeslutninger, bliver strukturerede og pålidelige produktdata en forudsætning for overhovedet at komme i betragtning. Hvis maskinerne ikke entydigt kan identificere et produkt og forstå dets egenskaber, risikerer virksomhederne at blive usynlige i den automatiserede handel”, fortæller Louise Zingenberg, CEO i GS1 Denmark. Foto: GS1
En ud af tre forbrugere er villige til at overlade deres købsbeslutninger til AI-agenter inden for de næste fem år. For B2B-indkøb kan udviklingen ske endnu hurtigere, og det stiller nye krav til ledere i forsyningskæden om at forberede sig på en verden, hvor maskiner træffer beslutninger på vegne af både forbrugere og virksomheder.
Tendensen rejser et oplagt opfølgende spørgsmål: Hvordan skal en AI-agent kunne finde, sammenligne og købe de rigtige varer, hvis produktdata er ufuldstændige, forældede eller beskrevet forskelligt fra system til system?
Eller som Louise Zingenberg, der er nyudnævnt CEO for GS1 Denmark, formulerer det: ”AI-agenterne køber kun varer, som har fuldstændige, opdaterede, ensrettede, pålidelige, standardiserede…. produktdata. Så har du ikke det, risikerer du, at de springer dig over, og du går glip af salg”.
License to operate
Hun supplerer: ”For faktum er, at når AI-agenter i stigende grad træffer eller påvirker købsbeslutninger, bliver strukturerede og pålidelige produktdata en forudsætning for overhovedet at komme i betragtning. Hvis maskinerne ikke entydigt kan identificere et produkt og forstå dets egenskaber, risikerer virksomhederne i værste fald at blive usynlige i den automatiserede handel”.
Hun fremhæver, at AI-agenter ændrer kravene til virksomhedernes produktdata – og at fælles identifikatorer og globale datastandarder får endnu større betydning, når det ikke længere kun er mennesker, men også maskiner, der skal forstå og handle på oplysningerne.
De nye skærpede krav til produktdata omfatter ifølge Louise Zingenberg for eksempel:
- Først og fremmest en unik identifikator som for eksempel GS1’s GTIN. Men det er ikke nok, AI-agenterne har brug for at gå nogle spadestik dybere og forstå mere af og om produktet.
- De skal være maskinlæsbare.
- Produktdata skal kunne tilbyde sammenligninger med andre produkter.
- Dataene skal være troværdige.
- Dataene skal til enhver tid være opdaterede.
Data bliver præmissen for salg
”Hidtil har data understøttet salgsprocessen. Fremover bliver produktdata fuldstændig afgørende for salg. Produktdata har altid været vigtige, men fremover bliver de livsvigtige for virksomheder. I traditionel e-handel kan du stadig slippe afsted med en pdf med informationer. Eller du kan blive reddet af billeder, der i en vis udstrækning kan kompensere for ufuldstændige data. Den går ikke i en verden, hvor det er maskiner, der køber ind. Er produktdataene ikke maskinlæsbare, er du irrelevant. Punktum”, fortæller hun.
Det skærper behovet for at samle produktdata i en struktureret platform eller database som for eksempel GS1 TradeSync, som er en digital platform og stamdatadatabase leveret af GS1 Denmark. Platformen bruges til at udveksle og dele produktdata, som for eksempel varestamdata, GTIN og emballagedata, mellem producenter, grossister og supermarkeder.
”AI-agenter er ligeglade med traditionel UX eller brugervenlig grænseflade. De stiller krav om produktdata, der er strukturerede i en infrastruktur, som gør dem entydige og maskinlæsbare. Det er netop den infrastruktur, GS1 har arbejdet med i mere end 50 år. Stregkoder, unikke produktidentiteter og standardiseret udveksling af produktdata skaber et fælles sprog på tværs af virksomheder, systemer og lande. Et sprog, som nu også bliver afgørende for AI – og det er nok ikke noget, nogen havde forestillet sig, at det ville blive dengang for 50 år siden. Vi forventer, at AI-udviklingen kun vil gøre GS1 endnu mere relevant og forstærke vores værdiskabelse i de kommende år”, fortæller Louise Zingenberg.
Læs også: Fragtfakturaer kan forbedre styringen af globale transportomkostninger
Digital moden og data moden er ikke det samme
Hun peger på, at danske og nordiske virksomheder generelt har høj digital modenhed sammenlignet med konkurrenter i resten af verdenen; men også at digital modenhed og datamæssig modenhed ikke er det samme.
”Digital modenhed giver et godt afsæt til også at blive datamæssig moden, men der skal ske en indsats både teknologisk, procesmæssigt og organisatorisk. Det sidste er afgørende - organisationen skal være gennemsyret af bevidsthed om, at data skal behandles med stor grundighed og på en struktureret måde. God datahåndtering kan ikke overvurderes, det er et spørgsmål om overlevelse”, fortæller hun.
Louise Zingenberg peger på fem anbefalinger til at komme i gang eller videre med det vigtige dataarbejde:
- Skab overblik over datafeltet: Processer, hvor data er, hvem der har ansvar, hvilke systemer, hvilke data bliver gentaget eller fremstillet forskelligt og så videre.
- Skab entydig identifikation af produktdata, for eksempel med GTIN.
- Strukturer data på en standardiseret måde. Så alle parter kan genkende produkterne, så AI-agenter har mulighed for at sammenligne med andre produkter etcetera.
- Placer ansvar tydeligt med forankring i ledelsen. Ansvaret går på tværs af organisation og funktioner. Vær for eksempel opmærksom på, at data ikke er modstridende i forskellige systemer.
- Test det af. Opret egne AI-agenter som køber jeres produkter. Hvordan ser det ud fra AI-agentens perspektiv?
