Nattida Suriyodara
URBN กำลังทดสอบใช้ระบบ Agentic AI เพื่อสร้างรายงานประสิทธิภาพรายสัปดาห์โดยอัตโนมัติ ซึ่งเดิมใช้เวลาหลายชั่วโมงในการจัดทำด้วยมือ โดยระบบดังกล่าวครอบคลุมแบรนด์ในเครืออย่าง Urban Outfitters, Anthropologie และ Free People
URBN กำลังทดสอบใช้ระบบ Agentic AI ทำรายงานรีเทลอัตโนมัติ
ในวงการค้าปลีก การตัดสินใจทางธุรกิจมักขึ้นอยู่กับรายงานประสิทธิภาพรายสัปดาห์ แต่การจัดทำรายงานเหล่านั้นอาจใช้เวลาหลายชั่วโมงในการทำด้วยตนเอง Urban Outfitters Inc. (URBN) จึงนำ AI แบบ Agentic มาทดลองใช้เพื่อสร้างรายงานเหล่านั้นโดยอัตโนมัติ
ระบบ AI จะวิเคราะห์ข้อมูลระดับร้านค้าและสร้างสรุปรายสัปดาห์ให้กับทีมงานด้านสินค้า (Merchandising Teams) แทนที่จะต้องตรวจสอบสเปรดชีตหรือแดชบอร์ดหลายตัว พนักงานจะได้รับรายงานที่เน้นรูปแบบและจุดที่ต้องให้ความสนใจเป็นพิเศษ
ตามรายงาน ระบบอัตโนมัตินี้ช่วยให้ทีมพ่อค้าไม่ต้องตรวจสอบรายงานแยกกันมากกว่า 20 ฉบับในทุกวันอาทิตย์ โดยรวบรวมข้อมูลทั้งหมดไว้ในรายงานภาพรวมเดียว
1. Agentic AI คืออะไร และต่างจาก AI ทั่วไปอย่างไร
ก่อนที่จะเข้าใจว่า URBN ทำอะไร สิ่งสำคัญคือต้องเข้าใจความแตกต่างระหว่าง AI แบบ Agentic กับ Generative AI ที่เราคุ้นเคยในปัจจุบัน
AI ทั่วไป (AI Assistance): ช่วยให้บุคคลทำงานได้เร็วขึ้น เช่น การร่างข้อความหรือการค้นหาข้อมูลภายใน โดยมนุษย์ยังเป็นผู้ดำเนินการหลัก
Agentic AI: ระบบทำงานในเบื้องหลังและนำเสนอผลลัพธ์ที่เสร็จสมบูรณ์ โดยพนักงานเพียงแค่ตรวจสอบและตัดสินใจ ไม่ต้องเตรียมข้อมูลเอง
ความแตกต่างนี้สำคัญมาก เพราะแทนที่ AI จะช่วยเหลือมนุษย์ในการทำงาน Agentic AI กลับเป็นผู้รับผิดชอบกระบวนการทั้งหมด และเสนอผลลัพธ์ให้มนุษย์ตรวจสอบ
2. กระบวนการทำงานของ Agentic AI ใน URBN
ระบบ AI ของ URBN ดำเนินการตามขั้นตอนดังนี้:
– รวบรวมข้อมูลระดับร้านค้าจากแหล่งต่าง ๆ
– จัดระเบียบผลลัพธ์และวิเคราะห์รูปแบบ
– สร้างสรุปที่อ่านเข้าใจได้ง่ายสำหรับทีมงาน
– เน้นจุดที่ต้องการความสนใจเป็นพิเศษ
พนักงานยังคงรับผิดชอบในการตีความผลลัพธ์และดำเนินการ แต่งานเตรียมข้อมูลทั้งหมดได้รับการจัดการโดยอัตโนมัติ
3. ทำไมระบบรายงานถึงเป็นเป้าหมายแรกของการทำให้อัตโนมัติ
การรายงานเป็นหนึ่งในพื้นที่ปฏิบัติการแรก ๆ ที่หลายบริษัทพยายามทำให้อัตโนมัติ เนื่องจากมีคุณสมบัติที่เหมาะสม:
– อิงข้อมูลที่มีการจัดระเบียบดีและมีรูปแบบที่คาดการณ์ได้
– สรุปรายสัปดาห์เป็นแบบแผนที่ทำซ้ำได้ ทดสอบง่าย
– ยังคงมีการดูแลและตรวจสอบโดยมนุษย์
การเริ่มต้นด้วยระบบรายงานช่วยให้ URBN ประเมินว่าผลลัพธ์ของ AI มีความน่าเชื่อถือเพียงใด และทีมงานปรับตัวรับข้อมูลเชิงลึกอัตโนมัติได้ดีแค่ไหน
4. ประโยชน์ที่ได้มากกว่าการประหยัดเวลา
การทำให้รายงานเป็นอัตโนมัติไม่เพียงแค่ประหยัดเวลาเท่านั้น แต่ยังมีประโยชน์หลายด้าน เช่น
ความสอดคล้องของข้อมูล: รายงานที่สม่ำเสมอช่วยให้ทีมงานในทุกภูมิภาคทำงานจากข้อมูลชุดเดียวกัน
การตอบสนองที่รวดเร็วขึ้น: ลดความล่าช้าระหว่างการระบุแนวโน้มและการตอบสนอง
การประสานงานที่ดีขึ้น: ช่วยเร่งการตอบสนองต่อปัญหาที่เกิดขึ้นในเครือข่ายค้าปลีกขนาดใหญ่
ใน network ค้าปลีกขนาดใหญ่ แม้การปรับปรุงเล็ก ๆ น้อย ๆ ในการส่งต่อข้อมูลเชิงลึกให้กับผู้ตัดสินใจก็สามารถส่งผลต่อการจัดการสต็อก และประสิทธิภาพการขายได้
5. อนาคตของ Agentic AI ในองค์กร
หาก automation ของรายงานพิสูจน์ว่าเชื่อถือได้ ระบบที่คล้ายกันอาจขยายไปยังพื้นที่ที่เกี่ยวข้อง เช่น:
- การคาดการณ์ความต้องการสินค้าล่วงหน้า (Demand Forecasting)
- การวิเคราะห์โปรโมชัน (Promotion Analysis)
- การติดตามซัพพลายเชน (Supply Monitoring)
แต่ละขั้นตอนจะดำเนินตามรูปแบบเดิม คือ ทำให้งานพื้นฐานที่ทำซ้ำได้เป็นอัตโนมัติ ส่วนการดูแล และการตัดสินใจจะเป็นหน้าที่ของมนุษย์
การนำ Agentic AI ไปใช้งานของ URBN แสดงให้เห็นว่า AI กำลังเปลี่ยนจากการช่วยเหลือประสิทธิภาพส่วนบุคคลไปสู่การเปลี่ยนรูปแบบการจัดระเบียบงาน สำหรับองค์กรอื่น ๆ ที่กำลังติดตามการพัฒนาของระบบ Agentic
บทเรียนก็คือการตัดสินใจว่ากระบวนการประจำวันใดสามารถมอบให้กับซอฟต์แวร์จัดการได้ และจะบริหารการเปลี่ยนผ่านนั้นอย่างไร?
ที่มา: AI News
