Inzet van AI in digital commerce leidt tot veel succesverhalen

Het gebruik van kunstmatige intelligentie (AI) in digitale commerce leidt over het algemeen tot succesverhalen. Ongeveer 70% van de digitale commerce organisaties noemt hun AI-projecten zeer tot extreem succesvol.

Dit blijkt uit onderzoek van Gartner onder 307 digital commerce organisaties die momenteel gebruik maken van AI of pilotprojecten op dit gebied uitvoeren. Driekwart van de respondenten geeft aan dubbelcijferige verbeteringen te zien in de uitkomsten die zij meten. Het meest gebruikte meetcijfer hierbij is de business impact van AI op de klanttevredenheid, omzet en kostenreductie. Respondenten melden hierin verbeteringen te zien van respectievelijk 19, 15 en 15 procent.

Vruchtbare grond voor AI-technologieën

Gartner voorspelt dat in 2020 AI door tenminste 60% van de digital commerce organisaties wordt gebruikt. 30% van de omzet uit digital commerce kan in dit jaar naar verwachting worden toegeschreven aan het gebruik van AI-technologieën. "Digital commerce is een vruchtbare grond voor AI-technologieën dankzij de aanwezigheid van veel multidimensionele data in zowel klantgerichte als back-office operations", aldus Sandy Shen, onderzoeksdirecteur bij Gartner. De drie belangrijkste toepassingen van AI in digital commerce zijn klantsegmentatie, productiecategorisatie en frauddetectie.

Ondanks deze successen lopen digital commerce organisaties ook tegen uitdagingen aan bij het implementeren van AI. Een gebrek aan kwalitatief goede trainingsdata (29%) en vaardigheden van eigen personeel (27%) worden het vaakst genoemd als uitdaging. AI-vaardigheden zijn schaars en veel organisaties beschikken hierdoor zelf niet over het benodigde talent op dit gebied. Zij zien zich hierdoor genoodzaakt externe krachten aan te trekken of externe partners in te schakelen.

Commerciële oplossing of oplossing op maat?

43% van de respondenten kiest op maat gemaakte oplossingen te laten bouwen door eigen professionals of een externe service provider. 63% van de meer succesvolle organisaties zet een commerciële AI-oplossing in, meldt Gartner. "Oplossingen met bewezen prestaties kunnen u meer zekerheid geven aangezien zij in verschillende implementaties zijn getest en er is een toegewijd team beschikbaar voor het onderhouden en verbeteren van het model", aldus Shen.

"Organisaties die AI willen implementeren in digital commerce moeten eenvoudig beginnen", stelt Shen. "Velen hebben hoge verwachtingen van AI en stellen meerdere business doelstellingen op voor één project, wat het te complex maakt om goede prestaties te leveren. Daarnaast draait een AI-project vaak meer dan 12 maanden, waardoor zij lessen die uit een project worden getrokken moeilijk kunnen toepassen op andere projecten."

Investering

Gemiddeld investeren respondenten 1,3 miljoen dollar in de ontwikkeling van een AI-project. De meer succesvolle organisaties geven echter aan minder dan 1 miljoen dollar te hebben besteed. Bij 20% van deze groep bedraagt de investering een bedrag van 1 tot 2 miljoen dollar, terwijl 9% meer dan 5 miljoen dollar heeft geïnvesteerd.

Om de kans op succes met een AI-project te vergroten adviseert Gartner:

• Talent te beoordelen: is er voldoende AI-talent in eigen huis beschikbaar om een goed presterende oplossing te ontwikkelen en onderhouden? Zo niet, kies dan voor een commerciële oplossing met bewezen prestaties.
• Probeer een AI-project minder dan 12 maanden te laten duren: deel grotere projecten op in fases en probeer voor de eerste fase niet meer dan 12 maanden uit te trekken van planning, ontwikkelen en integratie tot officiële lancering.
• Zorg voor voldoende financiering: stel het merendeel van dit budget beschikbaar voor het aantrekken van talent, databeheer en -verwerking, evenals de integratie met bestaande infrastructuur en processen. Voldoende financiering helpt ook hoge prestaties zeker te stellen.
• Gebruik een minimum viable product aanpak: deel complexe business problemen op en ontwikkel gerichte oplossingen om de resultaten van de business te verbeteren. Gebruik AI om bestaande technologieën en processen te optimaliseren in plaats van nieuwe baanbrekende oplossingen te ontwikkelen.