7 Minutės
Starbucks išbando naujus dirbtinio intelekto įrankius, sukurtus padėti baristams ir prognozuoti klientų užsakymus dar prieš juos atvykstant. Konferencijoje Dreamforce generalinis direktorius Brian Niccol apibūdino ateitį, kurioje mobili programa ir serverio pusės AI bendradarbiauja, kad atsiėmimas būtų sklandus ir aptarnavimas greitesnis, nekeičiant parduotuvių darbuotojų vaidmens.
Ką Starbucks kuria ir nuo ko tai prasidėjo
Brian Niccol pristatymo metu pabrėžė, kad Starbucks vykdo kelis dirbtinio intelekto pilotinius projektus, kurių tikslas – paremti parduotuvės komandas ir pagerinti klientų srautų valdymą. Bendrovė laiko Starbucks programėlę pagrindine platforma šiems eksperimentams. Pagal šią viziją, klientas galėtų pranešti programėlei: „Aš atvyksiu per 10 minučių“ ir jo gėrimas jau būtų paruoštas atvykus. Tokia pagalbinė pažangi užsakymo prognozė yra viena iš prioritetinių krypčių.
Šie pilotai nėra vien tik teoriniai – jie apima konkrečius veiklos procesų pakeitimus, integruojamus į kasdienį darbą: nuo užsakymų prioritetizavimo iki gamybos laiko valdymo. Starbucks akcentuoja, kad sprendimai orientuoti į praktinius rezultatus: trumpesnį laukimo laiką, didesnį atitikimą pažadėtiems išleidimo laikams ir geresnę darbo krūvio paskirstymo kontrolę.
Technologiškai projektai remiasi mobilių signalų, parduotuvės telemetrijos ir istorinių užsakymų duomenų sinteze. Modeliai analizuoja klientų elgseną, užsakymų dažnumą ir laikus, kad sudarytų tikimybinius prognozių profilius. Tokia duomenų integracija leidžia taikyti personalizuotus aptarnavimo sprendimus, pavyzdžiui, dinaminį išankstinį paruošimą ar rekomendacijas darbuotojams.
Green Dot: skaitmeninis baristos asistentas
Šiandien plačiausiai naudojama AI sistema Starbucks viduje vadinama Green Dot. Šią sistemą galima laikyti vidiniu pagalbos asistentu darbuotojams ir parduotuvės vadovams. Kai darbuotojui reikia pagalbos dėl įrangos naudojimo, receptūros ar konkretaus užsakymo paruošimo, Green Dot suteikia greitus ir praktiškus nurodymus, kad operacijos vyktų sklandžiai.
Green Dot funkcionalumas apima technines instrukcijas, receptūrų paiešką, veiksmų sekas gedimo atvejais ir rekomendacijas, kaip perskirstyti užduotis piko metu. Sistema taip pat gali pažymėti, kada reikia papildyti ingredientus arba siūlyti alternatyvas, jei trūksta tam tikrų dalių. Tokiu būdu mažėja klaidų skaičius ir pagreitėja aptarnavimo procesas.
Starbucks nurodo, kad Green Dot pilotiniai testai prasidėjo birželį ir etapas po etapo plečiamas į daugiau vietų. Įmonės atstovai pabrėžia, jog įrankis skirtas darbą palengvinti, o ne pakeisti žmones – tai ypač svarbus argumentas darbuotojams, kurie susirūpinę dėl automatizacijos poveikio užimtumui.
Iš techninės pusės Green Dot remiasi natūralios kalbos apdorojimu (NLP), žinių bazių integracija ir realaus laiko duomenų srautų analizė. Tai leidžia sistemai greitai interpretuoti darbuotojų užklausas, pateikti kontekstines instrukcijas ir prisitaikyti prie konkrečios parduotuvės įrangos bei procedūrų.
Be to, svarbus aspektas yra darbinio procesų įrašymas ir grįžtamasis ryšys: darbuotojai gali įvertinti sistemos patarimų naudingumą, o šie duomenys padeda tobulinti modelius. Tokia žmogaus ir mašinos bendradarbiavimo ciklinė mokymosi schema sumažina klaidų riziką ir padidina pasitikėjimą sistemos rekomendacijomis.
Smart Q: daugialypių užsakymo kanalų kontrolė
Užsakymai Starbucks atkeliauja per keturis kanalus: parduotuvėje, per drive-thru, pristatymui (delivery) ir mobiliąją programėlę. Tradiciškai parduotuvės naudojo eilės tvarką (first-in, first-out), tačiau tuo pačiu metu kelių kanalų pikai sukeldavo spūstis ir netinkamą prioritetų paskirstymą. Smart Q yra sukurtas tam, kad šią painiavą suvaldyti.
Smart Q naudoja intelektualią prioritetizaciją ir gamybos laiko sinchronizavimą: jis atsižvelgia į užsakymo sudėtingumą, pristatymo kanalą, klientų pažadėtą atsiėmimo laiką ir esamą darbuotojų bei įrangos pajėgumą. Tikslas – užtikrinti, kad aptarnaujami klientai parduotuvėje ir drive-thru gautų gėrimus per mažiau nei keturias minutes, o mobiliųjų užsakymų laikas atitiktų programėlėje nurodytą minutę.
Tokia sistema remiasi keletu techninių komponentų: realaus laiko srauto apdorojimu, prognozavimo modeliais (pvz., laiko serijų analizė ir klasterizacija), optimizavimo algoritmais (prioritetų svoriavimas, resursų paskirstymas) ir vartotojo sąsajos integracija, kuri perduoda instrukcijas baristams. Rezultatas – dinaminė eilės tvarka, kuri keičiasi priklausomai nuo situacijos ir siekia maksimalios efektyvumo naudos.
Smart Q taip pat gali atlikti prevencinį užsakymų paruošimą pagal prognozes: jeigu modelis nustato padidėjusį tikimybės lygį, jog tam tikro tipo užsakymai bus pateikti artimiausiomis minutėmis, sistema gali pradėti paruošimo veiksmus anksčiau, taip sutrumpindama bendrą laiką nuo užsakymo iki atsiėmimo. Tai ypač naudinga piko metu arba kai keli kanalai aktyvūs vienu metu.
Reikšmingas Smart Q privalumas yra jo gebėjimas suderinti klientų lūkesčius su operatyvine realybe. Pavyzdžiui, mobilūs užsakymai gali būti suplanuoti taip, kad būtų pagaminti tiksliai tada, kada klientas atvyks, sumažinant išlaidų dėl perankstinio paruošimo ir tuo pačiu didinant pasitenkinimą dėl šviežumo. Toks tikslingas laiko valdymas yra svarbi mobilių užsakymų optimizavimo dalis.
Ką tai reiškia klientams ir darbuotojams
Klientams pažadas yra aiškus: greitesnis ir patogesnis aptarnavimas – trumpesnės eilės, mažiau laukimo ir mažiau praleistų laiko langelių mobiliems užsakymams. Užtikrinant, kad mobilūs užsakymai būtų paruošti tiksliai laiku, mažėja nusivylimo atvejų, kai klientai atvyko ir rado, kad jų užsakymas dar neparuoštas ar atvirkščiai – jau seniai paruoštas ir nebešviežias.
Darbuotojams nauda matoma operacinėje parama: mažiau streso piko metu, aiškesnės prioritetų sekos ir greitesnės sprendimų priėmimo priemonės. Green Dot ir Smart Q kartu veikia kaip papildoma „trečioji ranka“ – suteikdami kontekstinę informaciją ir rekomendacijas, kad baristos galėtų priimti geresnius sprendimus greitai ir užtikrintai.
Starbucks pozicionuoja šiuos AI įrankius kaip bendradarbiaujančius sprendimus – žmonių darbuotojų stiprinimą, o ne jų pakeitimą. Tai reiškia, kad žmogaus sprendimas išlieka esminis: duomenys ir algoritmai pateikia variantus, tačiau galutinį sprendimą priima žmogus arba jis turi galimybę peržvelgti ir koreguoti sistemos rekomendacijas.
Vis dėlto kyla klausimų apie darbo vietų pobūdį ir reikalingus įgūdžius. Įmonės turės investuoti į darbuotojų mokymą, kad jie efektyviai naudotų naujas priemones: nuo operatyvinių instrukcijų skaitymo iki supratimo, kaip ir kodėl sistema teikia tam tikras rekomendacijas. Tai sukuria galimybes pereiti prie įgūdžių, susijusių su technologijų naudojimu ir sprendimų priėmimu realiu laiku.
Klausimai, kuriuos verta stebėti
- Kaip tiksliai sistemos gali nustatyti kliento ketinimą pirkti ir prognozuoti atvykimo laiką?
- Ar diegimo procesas užtikrins privatumą ir aiškų sutikimo mechanizmą programėlės vartotojams?
- Kaip greitai Green Dot ir Smart Q bus išplėsti už pilotinių parduotuvių ribų ir į skirtingas rinkas?
Judant pirmyn, programėlės signalų ir AI pagrįsto eilių valdymo derinys gali pakeisti skubaus aptarnavimo kavos sektorių. Svarbiausia bus rasti pusiausvyrą tarp patogumo ir skaidrumo bei užtikrinti, kad baristos išliktų šio patirties centro centru. Dėl techninių parametrų, privatumo, darbuotojų įtraukimo ir modelių patikimumo sprendimai turi būti nuosekliai vertinami ir tobulinami remiantis realaus pasaulio duomenimis bei grįžtamuoju ryšiu.
Galiausiai, ilgalaikė sėkmė priklausys ne tik nuo technologijos veiksmingumo, bet ir nuo to, kaip Starbucks komunikuos apie šiuos pakeitimus klientams ir darbuotojams, kaip užtikrins duomenų saugą ir kaip integruos žmonių žinias į sistemų valdymą. Jei bus pasiekta teisinga pusiausvyra, tokie sprendimai gali reikšmingai pagerinti aptarnavimo kokybę ir operacinį efektyvumą prekybos vietose.
Šaltinis: smarti
Palikite komentarą