* فائزه هدایت نظری
عضو هیات علمی موسسه مطالعات و پژوهش های بازرگانی

حول دیجیتال در خرده‌فروشی شامل تبدیل داده‌ها به بینشی است که تصمیم‌گیری‌ها را هدایت می‌کند و منجر به بهبود نتایج تجاری می‌شود و این گذار به تحول دیجیتال برای خرده‌فروشان، منجر به پیامدهایی بوده است که شامل ارتقای تجربیات برای مشتری، تسریع عملیات هوشمند و افزایش درآمد بوده است که همگی کمک می‌کند تا کسب وکارهای خردهفروشی از رقبای خود متمایز شوند. 

یکی از مهم ترین فناوریهای تحولآفرین، نوپدید و کاربردی در گذار به عصر دیجیتال استفاده از هوش مصنوعی(AI) در بخشهای مختلف اقتصادی نظیر بخش خردهفروشی است. هوش مصنوعی (AI)به سیستم‌های مبتنی بر نرم‌افزار اطلاق می‌شود که از ورودی داده‌ها برای تصمیم‌گیری استفاده می‌کنند یا به کاربران در تصمیم‌گیری کمک می‌کنند. باید در نظر داشت در حالی که پذیرش هوش مصنوعی در دهههای گذشته به کندی صورت گرفته است، اما پیشرفت‌های اخیر همراه با دسترسی عمومی به این ابزارها، توجه بیشتری را به تغییرات و امکانات جدیدی که عصر هوش مصنوعی به ارمغان خواهد آورد جلب نموده است. از این حیث پذیرش شتابان هوش مصنوعی یک تحول اساسی است که بر هر بخش از تجارت و زندگی روزمره تأثیر می‌گذارد و لذا بدیهی است هوش مصنوعی(از طریق یادگیری ماشینی و یادگیری عمیق) تا حد زیادی بینشهای بازار را در امور خرده فروشی هدایت و ساماندهی کند. براساس برخی مطالعات جهانی سهم عملکرد هوش مصنوعی در بازار خرده فروشی جهان 9.65 میلیارد دلار در سال 2024 تخمین زده میشود و انتظار میرود تا سال 2029 (با رشد 32.7 درصد) به 38.92 میلیارد دلار برسد.
از این باب، پیشبینیها حاکی از آن است که ظرف پنج سال آینده، استقرار هوش مصنوعی برای بقای کسب و کارها (صرف نظر از مدل کسب و کار و مقیاس) در همه بخش‌های اقتصادی ضروری خواهد بود و بخش خرده فروشی در نظام توزیع جهان نیز مستثنی نبوده است و سرمایهگذاریهای عظیمی در این بخش در حال انجام است که میتواند به توسعه و پیادهسازی هر چه بیشتر و بهتر این فناوری در نظام توزیع و متعاقب آن افزایش بهرهوری این بخش کمک شایانی نماید. بنابراین، در اینجا به بررسی تاثیرات هوش مصنوعی بر بخش خرده فروشی پرداخته میشود و اهم تحولات ایجاد شده به واسطه کاربرد هوش مصنوعی در بخش خرده فروشی در ادامه معرفی و تشریح شده است: 
تقویت پیشبینیپذیری در  زنجیره تامین و مدیریت موجودی 
 هوش مصنوعی در خردهفروشی پیشبینی تقاضای بهتری را ایجاد می کند و ابزارهای هوش تجاری با استخراج بینش از داده‌های بازار، مصرف‌کننده و رقبا، تغییرات صنعت را پیش‌بینی می‌کنند و تغییرات فعالانه‌ای را در استراتژی‌های بازاریابی، تجاری و شرکت ایجاد می‌کنند.
 این امر همچنین بر برنامه ریزی زنجیره تامین و همچنین قیمت گذاری و برنامه ریزی تبلیغاتی تأثیر می گذارد. از این رو بازیگران حوزه خرده فروشی به استفاده از یادگیری ماشینی و هوش مصنوعی روی آوردهاند تا از این طریق بتوانند تاثیر صدها محرک تقاضا را برای پیش بینی بسیار دقیقتر تقاضای بازارها، بهبود فرآیندهای برنامهریزی در امور کسب وکار، زنجیره تامین و عملیات را با پیشبینی وضعیت تقاضای آتی، تبیین کنند. از این رو، قابلیت‌های پیشرفته یادگیری ماشینی می‌تواند تقاضا برای هر محصول، در هر فروشگاه و کانال توزیع را در کوتاه‌مدت و بلندمدت پیش‌بینی کند.
کاهش هزینههای عملیاتی با کاربرد چتباتها:
فروشگاه‌های بدون صندوق در حال حاضر در بخش خرده فروشی فعال هستند و نتایج کاربرد آنها نشان داده است که صفهای فروشگاهی را کاهش داده و هزینه‌های عملیاتی را به میزان قابل توجهی کاهش می‌دهند. «آمازون گو» یکی از اولین نمونه‌ها است که از این فناوری استفاده می‌کند که به محصولات برداشته‌شده از قفسه عکس‌العمل نشان می‌دهد و محصولاتی را که در فروشگاه خرید شدهاست به حساب آمازون مشتریان ارسال می‌شود و صورت‌حساب صادر می‌کند. خرده فروشان پیشرو در حوزه پوشاک نیز از چتباتهای هوش مصنوعی برای بهبود خدماترسانی به مشتریان، بهبود جستجو، ارسال پیام آگاهسازی در خصوص انواع جدید محصولات و یا معرفی و پیشنهاد محصولات مشابه به کار گرفتهاند. در واقع، این چتباتها  از هوش مصنوعی و یادگیری ماشینی برای مکالمه با مشتریان، پاسخ به سوالات رایج و هدایت آنها به سمت پاسخها و نتایج مفید استفاده میشوند و به نوبه خود، داده‌های ارزشمندی را از مشتریان جمع‌آوری می‌کنند که می‌توان از آنها برای اطلاع‌رسانی در تصمیمات آتی تجاری مشتریان استفاده کرد.
بهینهسازی تجربه خرید در خردهفروشی الکترونیکی
 پورتالهای دیجیتال مشتریان را میشناسند و تجربه خردهفروشی الکترونیکی را سفارشیسازی میکنند تا بتواند منعکس کننده بازخوردها به رفتارهای و خریدهای فعلی و مشتریان باشند و همچینن، سیستم‌های هوش مصنوعی به طور مداوم تجربه دیجیتال کاربران را برای ایجاد نمایشگرهای مرتبط با تعاملات آنها با خرده فروشی الکترونیکی بهینهسازی می‌کنند. 
تسریع جستجوی محصولات 
امکان جستجوی تصویر محصولات مورد نظر مشتریان (به جای جستجو در قالب کلمات) یکی از امکانات دیگری است که با کاربرد هوش مصنوعی در انبارهای فروشگاهی یا خردهفروشیهای بزرگ به خدماتدهی بهتر به مشتریان و شناسایی سریع تر محصول مد نظر و یا محصولات مشابه با آن کمک نموده است.
پویایی در توسعه و دسترسی به بازارها
 سیستمهای مدیریت ارتباط با مشتریان(CRM) پیشرفته و سیستم‌های بازاریابی، رفتارها و ترجیحات مصرف‌کننده را از طریق تعاملات مکرر یاد می‌گیرند تا یک نمایه دقیق خریدار ایجاد کنند و از این اطلاعات برای ارائه بازاریابی برون‌گرای فعال و شخصی سازی ‌شده ارائه توصیه‌ها، پاداش‌ها یا محتواهای متناسب برای مشتریان استفاده میکنند.
تقویت ادراک واکنش احساسی مشتریان 
با تشخیص و تفسیر نشانه‌های دریافت شده از چهره، ویژگیهای بیومتریک و صوت، رابط‌های هوش مصنوعی می‌توانند احساسات، عواطف و یا واکنش‌های ایجاد شده درمشتریان را در لحظه خرید شناسایی کرده و محصولات، توصیه‌ها یا پشتیبانی مناسب را به مشتریان ارائه دهند.
تسریع تحولات در حوزه تحقیق و توسعه(R&D)
الگوریتمهای عمیق یادگیری، انبوه دادههای ناشی از بازخورد مشتریان را به موازات دادههای خرید جمع آوری و تفسیر می کنند تا پشتیبان طراحی نسل بعدی محصولات و خدمات باشند و از این راه نیازهای برآورده نشده در بازار یا ترجیحات مشتری را بهتر برآورده نمایند.
نوآوری در خدمات سفارشیسازی شده
امروزه برخی از فروشگاههای عرضه کننده محصولات آرایشی و بهداشتی به استفاده از هوش مصنوعی روی آوردهاند چراکه از طریق هوش مصنوعی تصویر ارسال شده از چهره مشتری بررسی میشود و براساس شرایط و ویژگی مشتری نظیر سن و وضعیت سلامت پوست صورت، محصولات مناسب به مشتری پیشنهاد میشود. 
افزایش قدرت تشخیص تقلب(فریب) در معاملات
امروزه شرکتهایی نظیر «پیپال» و یا «شاپیفای» در حال بهرهبرداری از الگوریتمهای یادگیری عمیق برای جلوگیری از تقلب در معاملات هستند که از طریق تجزیه و تحلیل دادههای تراکنشها به شناسایی الگوهای رفتار متقلبانه می پردازد. پیپال گزارش داده است که این امر به کاهش ضررهای ناشی از کلاهبرداری تا 25٪ کمک کرده است و شاپیفای نیز مدعی است که این روش تا 85 درصد در کاهش تقلب موثر بوده است. 
بهبود عملکرد مدیریت نیروی انسانی
هوش مصنوعی امکان شناسایی افزایش تقاضا برای کارکنان در مکانهای خاص را بر اساس ترافیک مشتریان فراهم می کند و این امر به تصمیم‌گیری‌های مهمی نظیر زمان‌بندی حضور کارکنان در فروشگاهها، بررسی فرصت‌های استخدام و حتی مسائل بالقوه در خصوص مازاد کارکنان در برخی نقاط کاری را شناسایی کند. این به جلوگیری از اضافه بار کارکنان کمک می کند و در دراز مدت تأثیر مثبتی بر رفاه آنها خواهد داشت.
بنابر موارد صدرالاشاره قابل مشاهده است که کاربرد هوش مصنوعی در بخش خرده فروشی جهان عمدتا در سه حوزه اصلی ناظر بر هوش مصنوعی عرضه ، تقاضا و مشتری بوده است. بدینترتیب ، کاربرد هوش مصنوعی ناظر بر طرف عرضه به کسب بینش برای پیشبینیپذیری، مدیریت و کنترل امور تامین منجر میگردد و در عمل موجب ارتقای عملکرد بخش انبارداری، لجستیک و مدیریت نیروی انسانی میشود. همچنین، کاربرد هوش مصنوعی ناظر بر طرف تقاضا به کسب بینش برای پیشبینی پذیری امور تقاضا میانجامد و در عمل با بهینهسازی فرایندهای بازاریابی، تبلیغات و پاسخگویی به تقاضا با افزایش سطح راحتی برای مشتریان همراه میگردد. از سوی دیگر، کاربرد هوش مصنوعی ناظر بر امور مشتریان موجب بهره مندی مشتریان از امکانات و خدماتی است که زمینه خرید موثرتری را فراهم نموده و با پیامهای شخصیسازی شده و پیشنهادات مناسب در انواع برنامهها و شبکههای اجتماعی بهینهسازی شده است.