فقط هوش مصنوعی کافی نیست؛ چرا زیرساخت فروشگاه‌ها سرنوشت غول‌های خرده‌فروشی را رقم می‌زند؟

شاید سخت‌ترین بخش پیاده‌سازی هوش مصنوعی در دنیای خرده‌فروشی، دقیقاً همان چیزی باشد که هیچ‌کس در دموهای پرزرق‌وبرق به شما نشان نمی‌دهد.

یک مدل هوش مصنوعی می‌تواند در کسری از ثانیه تخفیف روی یک کالا را پیشنهاد دهد، احتمال تمام شدن موجودی در قفسه را پیش‌بینی کند، مسیر چیدمان کالا را تغییر دهد یا الگوی رفت‌وآمد مشتریان در راهروها را شناسایی کند. اما برای یک خرده‌فروش، این تصمیمات تنها زمانی ارزش واقعی پیدا می‌کنند که به یک اقدام دقیق در فضای واقعی فروشگاه تبدیل شوند؛ چه پای تغییر قیمت یک برچسب دیجیتال در میان باشد و چه خواندن اطلاعات یک حسگر، داده‌ها فقط در صورتی مفیدند که بدون درنگ و در زمان مناسب به مقصد برسند.

به قلم معاون ارشد شرکت فناوری سولوم (SOLUM) در اروپا.

در حال حاضر شکاف چشمگیری میان رویاپردازی‌های پیرامون هوش مصنوعی و اجرای عملی آن در میدان عمل وجود دارد. نظرسنجی سال ۲۰۲۶ مؤسسه دیلویت (Deloitte) از ۲۰۰ مدیر ارشد در حوزه خرده‌فروشی و کالاهای مصرفی نشان می‌دهد که ۷۵ درصد آن‌ها هوش مصنوعی را اولویت راهبردی شماره یک خود می‌دانند، اما در کمال تعجب تنها ۱۶.۵ درصد توانسته‌اند بازدهی مالی واقعی حاصل از آن را با عدد و رقم مشخص کنند. کاملاً روشن است که خرده‌فروشان به پتانسیل هوش مصنوعی باور دارند، اما چالش اصلی و سخت‌تر، تبدیل قابلیت‌های پراکنده و جزیره‌ای به سیستمی پایدار است که در سرتاسر کسب‌وکار به درستی کار کند.

برای فروشگاه‌های فیزیکی، چالش به انتخاب مدل‌ها، داده‌ها یا نرم‌افزارها خلاصه نمی‌شود. تصمیمات مبتنی بر هوش مصنوعی باید از دل فروشگاه‌هایی عبور کنند که میزبان هزاران دستگاه متصل، شبکه‌های ارتباطی قدیمی و تجهیزاتی هستند که سال‌ها پیش نصب شده‌اند. در چنین محیط‌های پیچیده‌ای، حتی ساختار فیزیکی ساختمان هم می‌تواند روی آنتن‌دهی و اتصال اثر بگذارد. با افزایش تعداد گره‌ها و دستگاه‌های متصل، اهمیت بستر ارتباطات بی‌سیمی که باید بار این حجم از داده‌ها را در فضای فروشگاه به دوش بکشد، دوچندان می‌شود.

برای مدیران فناوری و اطلاعات (CIO و CTO)، این واقعیت حاوی یک پیام مهم است: بزرگ‌ترین مانع بعدی پیش روی هوش مصنوعی، عاملی است که تابه‌حال کم‌تر به آن توجه شده؛ یعنی اینکه آیا زیرساخت فیزیکی فروشگاه‌ها در عمل توانایی اجرای پایدار این دستورات را در مقیاس وسیع دارد یا خیر.

فروشگاه فیزیکی با بار کاری ابری زمین تا آسمان فرق دارد

خرده‌فروشی فیزیکی با چالش‌ها و شرایطی روبه‌روست که تیم‌های نرم‌افزاری نمی‌توانند به سادگی آن‌ها را پشت کدهای خود نادیده بگیرند. فروشگاه‌ها دارای دیوارهای بتنی، قفسه‌های فلزی، یخچال‌های صنعتی، انبارها، باراندازها و سیستم‌های قدیمی هستند؛ تازه ساعت‌های کاری و تردد مشتریان را هم نباید فراموش کرد. تغییرات زیرساختی که روی دیاگرام‌های معماری نرم‌افزار بسیار ساده به نظر می‌رسند، وقتی پای پیاده‌سازی در صدها شعبه به میان می‌آید، ممکن است هزینه‌هایی سرسام‌آور تراشیده و فعالیت روزمره فروشگاه را مختل کنند.

مدیریت موجودی انبار را به عنوان مثال در نظر بگیرید. یک مدل پیش‌بینی می‌تواند زمان و میزان شارژ مجدد کالاها را با دقت بالایی محاسبه کند، اما اجرای آن در سطح فروشگاه مستلزم آن است که حسگر‌های قفسه، بارکدخوان‌های دستی، ابزار‌های جمع‌آوری سفارش و سیستم اطلاعات کالا، همگی به شکلی هماهنگ و لحظه‌ای با یکدیگر داده ردوبدل کنند.

ورود فناوری‌های بینایی ماشین، نمایشگرهای دیجیتال تبلیغاتی و سیستم‌های پایش محیطی، دستگاه‌های متصل بیشتری را به این اکوسیستم اضافه کرده و ترکیبی متنوع از داده‌ها را می‌طلبد؛ از به‌روزرسانی‌های روزمره دستگاه‌ها و خواندن مداوم حسگر‌ها گرفته تا ارسال محتوای تصویری سنگین و داده‌های عملیاتی زنده. هر یک از این فرایندها نیازهای کاملاً متفاوتی را به شبکه ارتباطی تحمیل می‌کنند.

برخی از این کاربردها به پهنای باند بالا یا تاخیر بسیار کم نیاز دارند، در حالی که برخی دیگر شامل انبوهی از دستگاه‌های مجهز به باتری هستند که باید در محیط‌های نفوذناپذیر، به‌روزرسانی‌های دوره‌ای ارسال کنند. شاید هر کدام از این سیستم‌ها به تنهایی مشکلی برای شبکه ایجاد نکنند، اما وقتی همه آن‌ها با هم فعال می‌شوند، شبکه زیر بار ترافیک سنگین به زانو درمی‌آید.

اگر تصمیم تغییر قیمت نتواند به سرعت به قفسه‌های تمامی شعب برسد، سیگنال شارژ مجدد قفسه دیر مخابره شود، یا پیاده‌سازی هر برنامه کاربردی جدید نیازمند ایجاد یک لایه زیرساختی پرهزینه باشد، خرده‌فروش بخش بزرگی از ارزش و بازدهی اولیه‌ای را که هوش مصنوعی قرار بود خلق کند از دست خواهد داد.

یک راه‌حل دم‌دستی که خیلی‌ها به سراغش می‌روند، افزودن گیت‌وی‌ها، کنترلرها یا لایه‌های نرم‌افزاری مجزا برای هر پروژه جدید است. این ترفند شاید برای یک پروژه آزمایشی کوچک جواب بدهد، اما با تکرار مداوم آن، هر دستگاه جدید مسیر اتصال، متولی امنیتی، کنسول مدیریتی و ریسک خرابی مختص به خود را پیدا می‌کند و همه‌چیز حسابی شلوغ و به‌هم‌ریخته می‌شود.

در محیط‌های پیچیده فروشگاهی، اضافه کردن زیرساخت‌های وصله‌پینه‌ای برای پوشش نقاط کور شبکه می‌تواند معادله اقتصادی پروژه را کاملاً برهم بزند؛ فناوری شاید کار کند، اما مدیریت و نگهداری آن روزبه‌روز دشوارتر و پرهزینه‌تر خواهد شد.

چالش واقعی مقیاس‌پذیری تازه پس از پایان پروژه آزمایشی رخ نشان می‌دهد

تیم‌های فناوری در خرده‌فروشی‌ها معمولاً از خود می‌پرسند که آیا یک برنامه جدید توجیه اقتصادی دارد یا نه؛ اما هوش مصنوعی سؤال مهم‌تری را روی میز می‌گذارد: اگر این برنامه موفق شود، چه بلایی سر زیرساخت‌ها خواهد آمد؟

یک پروژه آزمایشی شاید فقط در یک شعبه و با تعداد انگشت‌شماری دستگاه اجرا شود، اما وقتی پای توسعه سراسری به میان می‌آید، ابعاد اقتصادی و فنی کاملاً دگرگون می‌شود. پوشش آنتن باید در تمام گوشه‌وکنار ساختمان برقرار باشد، به‌روزرسانی‌ها در طول ساعات کاری بدون قطعی انجام شوند و تیم‌های امنیت سایبری روشی یکپارچه برای احراز هویت و مدیریت دستگاه‌ها داشته باشند؛ علاوه بر این، در زمان وقوع اختلال، تیم‌های عملیاتی باید فوراً بدانند مشکل از کجاست و چه کسی مسئول رفع آن است.

بنابراین، اتصالات شبکه باید به عنوان یک تصمیم کلان در معماری سیستم در نظر گرفته شود، نه صرفاً یک مشخصه فنی که لابه‌لای اسناد قراردادهای خرید پنهان شده است. هدف این نیست که تمام شبکه‌های موجود را دور بریزیم یا برای هر برنامه یک شبکه مجزا بالا بیاوریم؛ بلکه هدف اصلی این است که بارهای کاری گوناگون را به مناسب‌ترین لایه بی‌سیم متصل کنیم و در عین حال، کل مجموعه دستگاه‌ها را یکپارچه و قابل مدیریت نگه داریم.

شاید طراحی‌های فعلی در برخی فروشگاه‌های کوچک‌تر جوابگو باشند، اما در شعبه‌های بزرگ یا فروشگاه‌هایی که تعداد گجت‌های اینترنت اشیاء (IoT) در آن‌ها با سرعت سرسام‌آوری رو به افزایش است، اضافه کردن یک لایه ارتباطی بی‌سیم اختصاصی کاملاً منطقی خواهد بود. این تصمیم باید با برنامه‌ریزی قبلی و هشیارانه اتخاذ شود، نه اینکه صرفاً از دل پروژه‌های جداگانه و تکه‌تکه به سازمان تحمیل گردد.

بارهای کاری گوناگون نیازمند بسترهای بی‌سیم متفاوتی هستند

بعید است فروشگاه‌های آینده فقط متکی به یک شبکه واحد برای انجام همه امور باشند؛ بلکه به احتمال قوی، ترکیبی از لایه‌های ارتباطی مختلف را به کار خواهند گرفت که هرکدام به بهترین نحو از عهده پردازش بارهای کاری متناسب با خود برمی‌آیند. اکنون زمان آن رسیده که خرده‌فروشان این فرضیه قدیمی را بازنگری کنند که آیا واقعاً شبکه وای‌فای سازمانی باید همچنان بستر پیش‌فرض برای اتصال تک‌تک دستگاه‌های جدید باشد یا خیر.

با گسترش برچسب‌های الکترونیکی قفسه‌ها (ESL) و پیاده‌سازی روزافزون حسگر‌ها و کاربردهای اینترنت اشیاء در خرده‌فروشی، بهتر است پردازش این حجم از داده‌ها به یک لایه بی‌سیم اختصاصی سپرده شود که به موازات شبکه اصلی سازمانی کار می‌کند.

البته این به معنای ساخت یک شبکه جداگانه برای هر کاربرد خاص نیست، بلکه صحبت از یک لایه ارتباطی مقیاس‌پذیر و چندبارمصرف است که بتواند با گذر زمان از حجم بالایی از دستگاه‌ها پشتیبانی کند. امنیت سایبری نیز بخش جدایی‌ناپذیر این معادله است؛ تک‌تک گره‌ها و پایانه‌ها از مرحله ورود امن به شبکه و تخصیص گواهی‌ها گرفته تا زمان بازنشستگی و خروج از مدار، نیازمند نظارت یکپارچه و دقیق هستند.

استانداردهای باز همچنان از اهمیت ویژه‌ای برخوردارند، زیرا بستری پایدار و هماهنگ را برای پشتیبانی از دستگاه‌ها، نرم‌افزارها و پلتفرم‌های آینده فراهم می‌کنند. اما استانداردهای باز به تنهایی جایگزین معماری هوشمندانه نیستند؛ تصمیم کلیدی این است که کدام بار کاری روی چه لایه ارتباطی قرار گیرد و استانداردها در اینجا به روان‌تر و انعطاف‌پذیر ماندن این لایه‌ها کمک می‌کنند.

موفق‌ترین برنامه‌های هوش مصنوعی در خرده‌فروشی، فراتر از کیفیت و دقت پیش‌بینی‌های مدل‌ها قضاوت خواهند شد. با رشد سرسام‌آور ناوگان دستگاه‌های متصل، محک و آزمون واقعی این است که آیا سازمان‌ها می‌توانند این پیش‌بینی‌های محاسباتی را در دنیای واقعی فروشگاه‌ها به اقداماتی مطمئن و قابل اتکا تبدیل کنند یا نه.

مدیران خرده‌فروشی پیش از تأیید پروژه آزمایشی بعدی هوش مصنوعی باید از خود بپرسند: اگر این طرح به موفقیت برسد، زیرساخت فروشگاهی ما به چه تجهیزاتی نیاز خواهد داشت؟ کدام بارهای کاری سنگین‌تر می‌شوند و آیا هنوز می‌توانیم همه آن‌ها را با همان روش‌های سنتی جابه‌جا کنیم؟

اگر رسیدن به موفقیت به معنای حضور دستگاه‌های بیشتر، داده‌های غنی‌تر، به‌روزرسانی‌های مداوم‌تر یا پیاده‌سازی در صدها شعبه باشد، معماری ارتباطات بی‌سیمی که باید این بار را به دوش بکشد باید به قلب تپنده استراتژی هوش مصنوعی شرکت تبدیل شود.

واقعیت این است که خرده‌فروشان برای دلخوشی خود روی ابزار‌های هوش مصنوعی یا شبکه‌های ارتباطی سرمایه‌گذاری نمی‌کنند؛ هدف آن‌ها حفظ حاشیه سود، جلوگیری از ناموجود شدن کالاها و ساده‌تر کردن اداره فروشگاه‌هاست. نباید فراموش کرد که «توانایی اجرای هوش مصنوعی» با «قابلیت مقیاس‌پذیری آن در ابعاد وسیع» دو مسئله کاملاً متفاوت هستند.

هدف نهایی باید دستیابی به معماری منعطفی باشد که در آن بارهای کاری جدید بدون نیاز به بازسازی دوباره کل زیرساخت‌های فروشگاهی، از لایه بی‌سیم متناسب با خود استفاده کنند. خرده‌فروشانی که هم برای توان محاسباتی الگوریتم‌ها و هم برای زیرساخت فیزیکی فروشگاه‌ها از قبل برنامه‌ریزی کنند، در موقعیت بسیار بهتری برای تبدیل رویاهای هوش مصنوعی خود به نتایج عملی و ملموس قرار خواهند داشت.