AI belooft retailers slimmer te laten voorspellen, personaliseren en sturen. Maar tussen belofte en praktijk zit één hardnekkig obstakel: de meeste organisaties zijn er fundamenteel nog niet klaar voor. myBrand Conclusion legt uit waarom en wat er wél voor nodig is.
De belofte van AI in retail is groot. Slimmere vraagvoorspelling, geautomatiseerde prijszetting, gepersonaliseerde aanbevelingen: retailers zien de kansen en zijn vaak al begonnen met pilots. Toch strandt een opvallend groot deel van die initiatieven nog vóór ze echt waarde opleveren; niet omdat het model niet deugt, maar omdat de data eronder niet op orde is.
Aan de voorkant van retail is AI al langer zichtbaar: in chatbots, aanbevelingsengines en slimme zoekfuncties. Maar zodra een AI-toepassing verder de organisatie in reikt (richting inkoop, planning, pricing of fulfilment) stuit het op een aantal hardnekkigere problemen: slechte datakwaliteit, systemen die niet met elkaar praten, processen die nooit zijn ontworpen om van te leren. Elk AI-model is uiteindelijk zo goed als de organisatie die het model voedt.
Drie generaties ERP-denken
Om te begrijpen waar veel retailers nu staan, helpt het om terug te kijken. ERP-implementaties hebben een duidelijke evolutie doorgemaakt. In de Fit-to-Gap-fase pasten organisaties het systeem aan zichzelf aan; veel maatwerk, hoge kosten, maar het werkte. In de Fit-to-Standard-fase verschoof de aanpak: organisaties pasten zich aan de standaard aan, wat sneller en goedkoper was. Maar beide benaderingen waren primair gericht op transacties en stabiliteit, niet op leren en bijsturen.
Fit-for-AI is de volgende stap. Geen systeemvervanging, maar een andere manier van denken: processen en data ingericht om AI daadwerkelijk te laten werken. ERP registreert, AI adviseert en acteert. Elke dag een beetje beter.
Het gaat niet om technologie
Fit-for-AI draait in de kern om datakwaliteit, governance en scherpe organisatorische keuzes. Welke data is bedrijfskritisch? Wie is eigenaar? Waar wil je als retailer écht het verschil maken, en wat standaardiseer je? Die vragen bepalen onder de streep of AI een waardeversneller wordt of een dure pilot die nooit uitgroeit tot meer.
Hoe die keuzes eruitzien in de praktijk en welke concrete stappen retailers direct kunnen zetten, is precies wat Marcel Antons, directeur Strategie & Innovatie bij myBrand Conclusion, bespreekt op 9 april tijdens RetailTrends Topics. Aan de hand van een herkenbare retail business case laat hij zien hoe je ervoor zorgt dat AI een waardeversneller wordt in plaats van een kostenpost, inclusief concrete acties die je direct kunt toepassen.
Reacties 0