Agentní AI v retailu: Od reportingu k autonomní optimalizaci

Digitalizace retailu v tichosti překročila významný milník – většina obchodníků, kteří to mysleli s digitalizací vážně, již integrovala své klíčové systémy a strukturovala obrovské objemy dat. Skutečný zlom však přichází až nyní s nástupem tzv. agentní AI (Agentic AI). Ta konečně dokáže efektivně zpracovat onen „dlouhý chvost“ drobných, dříve přehlížených rozhodnutí.

Od integrovaných systémů k autonomním agentům

V uplynulém desetiletí se retail soustředil na propojování ERP, POS, e commerce platforem, věrnostních programů a skladových systémů, přičemž data z nich byla lidem servírována prostřednictvím dashboardů a reportů. Taková práce byla nezbytná, ale i tak ponechala podnikání silně závislé na manuálním úsilí, lokálních „expertech na Excel“ a tichém know how uvězněném v hlavách zaměstnanců.

Agentní AI zavádí novou vrstvu: místo pouhé analýzy a vizualizace dokážou AI agenti sledovat cíle, volat nástroje a provádět akce napříč systémy – například upravovat parametry, navrhovat objednávky nebo připravovat změny cen ke schválení. Tím se digitalizace posouvá od „lepšího reportingu“ k „neustálé autonomní optimalizaci“ každodenního provozu.

Halíře dělají talíře

Tradiční automatizace se zaměřovala na relativně malý počet velkých rozhodnutí s vysokým dopadem, jako jsou centrální cenové strategie, velké promo akce nebo celoplošné zásady řízení zásob. Kdo neslyšel o pravidlu 80 : 20?

Skutečná hodnota v maloobchodě je však často skryta v tisících mikrorozhodnutí: mírně chybně nastavená hladina minimálních zásob v jedné prodejně, lokální akce konkurence, která zůstane bez povšimnutí, nebo zapomenutý „ležák“ zabírající místo v regálu i kapitál.

Každý z těchto případů je příliš malý na to, aby ospravedlnil manuální pozornost manažera. Možná tak malý, že si nezaslouží pozornost člověka vůbec. Společně však tvoří rozdíl mezi průměrným a excelentním výkonem. Agentní AI je pro tento prostor jako stvořená – agenti mohou nepřetržitě skenovat data, detekovat anomálie, navrhovat či provádět nápravná opatření a učit se z výsledků, aniž by vyhořeli nebo ztratili soustředění. V praxi to znamená přesnější doplňování zboží (replenishment), méně výpadků zásob (stockouts), nižší nadbytečné zásoby a hladší exekuci v prodejnách i v distribuci.

Nové dimenze: Hlas, překlad a vizuální vnímání

Nedávné pokroky v rozpoznávání řeči, vícejazyčných modelech a počítačovém vidění dramaticky rozšiřují to, co v retailu považujeme za „data“. Personál prodejny může popisovat problémy hlasem místo vyplňování formulářů. AI dokáže přepsat záznam, pochopit záměr a spustit workflow – například vytvořit úkol, upravit parametr nebo položit doplňující otázku.

Vícejazyčné modely umožňují reálně podporovat mezinárodní obchod, např. přijímat objednávky a odpovídat na ně a přitom komunikovat s každým uživatelem v jeho vlastním jazyce. Modely počítačového vidění zase mohou analyzovat fotografie regálů, zázemí či cenovek, detekovat chybějící zboží, nedodržení planogramů, nesprávné ceny nebo bezpečnostní rizika a tyto informace předávat přímo plánovacím a optimalizačním agentům. Tyto schopnosti umožňují obchodníkům těžit znalosti nejen z databází, ale i z konverzací, obrázků a dokumentů, které byly pro tradiční systémy neviditelné.

Jak uvést AI do praxe?

Nepotřebujete akci typu „velký třesk“. Není ani reálné očekávat, že za vás AI vyřeší všechny problémy včetně těch nejtěžších, se kterými si nevíte rady. Začněte s úlohami, kde mají lidé velmi malou přidanou hodnotu, kde je práce rutinní a kde AI pracují spíše jako lidské rozhraní mezi systémy.

1. Začněte jedním měřitelným případem užití (use case)
   Vyberte doménu s jasným dopadem na P&L – typicky tam, kde se údaje manuálně přepisují, kde je hodně e-mailové komunikace a kde se pracuje s Excelem (importy a exporty ze systému) – definujte omezený rozsah, kde bude AI agent zpočátku pouze navrhovat akce pod vaší kontrolou. Měřte zlepšení v dostupnosti, snížení odpadu, marži nebo vytížení, abyste ve firmě vybudovali důvěru a mohli nastavení dále ladit.
2. Navrhněte spolupráci mezi lidmi a agenty
   Explicitně rozhodněte, které úkoly má AI pouze navrhovat, které může vykonávat automaticky a co musí zůstat pod lidskou kontrolou. Přijměte fakt, že AI bude dělat chyby (my lidé je také děláme), a zaměřte se na transparentnost, zpětnovazební smyčky a rychlou nápravu spíše než na nereálnou dokonalost.

Za pár let nám přijde použití AI agentů stejně přirozené jako to, že jezdíme autem a ne drožkou. A že se nespoléháme na papírovou poštu.