För många handlare är AI fortfarande något diffust som eventuellt ska hjälpa oss i framtiden. Men AI är redan här och kan hjälpa svenska handlare att fatta fler korrekta beslut när det är osäkra ekonomiska tider. AI-experten Serge de Gosson de Varennes på Pricer listar fallgropar inom området och ger råd till de handlare som nu vill ta steget.
Handeln har under hela historien haft svårt att förutsäga framtida försäljning på grund av att alla metoderna baserats på historiska försäljningssiffror och för få andra lika relevanta faktorer. Dessa metoder har byggts på att man försöker upptäcka mönster och trender i tidigare data och sen hoppas att detta kommer upprepas framöver.
Missar omvärldsfaktorer
Dessa modeller har dock tyvärr inte blivit särskilt träffsäkra eftersom de missar att ta hänsyn till viktiga omvärldsfaktorer som exempelvis demografiska förändringar, inflation eller konkurrenternas priser. Det har helt enkelt inte varit möjligt att skapa mer avancerade modeller som också skulle ta hänsyn till dessa faktorer och ge en bättre träffsäkerhet.
Under det senaste året har det varit tydligare än någonsin hur sårbara handlare är för dessa omvärldsfaktorer, där många kämpat med allt från förändrade logistikkedjor till kraftiga variationer i råvarupriser.
Dyrare att avstå
Därför behöver handlare i allt högre utsträckning använda sig av de framsteg som gjorts inom artificiell intelligens och maskininlärning. Till skillnad från de traditionella metoderna går det numera att göra bättre prognoser till rimliga kostnader.
Nya AI-modeller har få begränsningar när det gäller vilka faktorer som kan bakas in i modellerna. De ger handlarna en mycket mer träffsäker bild. Men det finns ett antal fallgropar på vägen om man inte är uppmärksam.
Fem fallgropar
- AI-modeller kräver stora mängder data för att bli tillförlitliga. För lite data i modellträningen leder till sämre prognoser. Dessa större datamängder finns dock oftast tillgängliga nu för tiden.
- Säkerställ att er data inte är snedvriden, exempelvis ger en stark övervikt mot en viss kategori eller överrepresenterar en viss typ av kund. Det kan annars göra att modellen blir snedvriden.
- Undvik överanpassning. I dessa fall har man presenterat för mycket data i träningen av modellen vilket gjort att den för mycket anpassat sig till just denna data och får svårare att göra prognoser på er nya data.
- Ha tillgång till kunniga specialister. Utan djupare förståelse för underliggande matematiken och statistiken är det svårt att skapa tillförlitliga modeller.
- Ha rätt förväntningar. Det är ofta svårt att veta varför man får de prognoser som man får, även när de är korrekta. Därför behövs folk med kunskap från branschen för att både avgöra rimligheten i utfallen och för att bidra till förståelse kring bakomliggande faktorer.
Ej bara för utvalda
AI har i någon mening demokratiserats, det är inte längre bara de globala retailjättarna som har råd att investera i AI.
Många av verktygen finns byggda på öppen källkod och mycket av den kompetens som redan finns för att lagra data etc. kan också användas för AI-arbetet. Det är dock viktigt att komma ihåg att en investering i AI bör ses som löpande, snarare än bara en startkostnad, eftersom modellerna behöver underhållas, tränas och omtränas på er data.
Trots fallgroparna innebär AI en enorm potential för svensk handel. Under för lång tid har prognosmodellerna hunnit bli inaktuella innan de ens börjat användas. 2023 ser ut att bli stökigare än många tidigare år, med fortsatta konflikter i närområdet, störningar i logistikkedjor och fortsatta prisökningar. Därför behövs AI mer än någonsin och det är dags för svenska handlare att agera.
