Handelsunternehmen, die die Leistungsfähigkeit der KI erfolgreich nutzen, zeichnen sich in der Regel in zwei Schlüsselbereichen aus. Erstens verstehen sie, wie Forschungsfälle der KI dazu beitragen können, bestimmte Bereiche zu verändern, anstatt ihre Ressourcen zu sehr auf eine Vielzahl von Fällen zu verteilen. Zweitens führen sie den Übergang von Pilotprojekten und Prototypen zu Implementierungen auf breiter Basis erfolgreich durch. Dies erfordert nicht nur die Priorisierung der Forschung und die wissenschaftliche Integration, sondern auch umfassende organisatorische Veränderungen, um die weit verbreitete Nutzung der KI zu unterstützen. Serienmäßige KI-Systeme sind im letzten Jahr deutlich leichter verfügbar geworden. Mehr als die Hälfte der befragten Einkaufsführer (60 Prozent) bevorzugen vor Ort entwickelte Netzwerke, während die Akzeptanzrate dieser Drittanbieterplattformen in Bereichen wie Einkauf (18 Prozent) und Handel (ein Viertel) geringer ist.
Die KI der Generation wird dazu beitragen, Prozesse zu verbessern, sodass Führungskräfte schnellere und fundiertere Entscheidungen über die internen Wertschöpfungsketten der Geschäfte treffen können. Die Technologie ermöglicht jetzt eine sofortige, sachliche Leistungssteigerung sowie Software, die die Entscheidungsfindung im Einzelhandel neu definieren wird (mehr dazu später). Selbst nach einigen KI-Erfolgen war eine der Herausforderungen in letzter Zeit, dass die Systeme der technischen Ressourcen anscheinend nicht über die erforderliche wirtschaftliche Produktivität verfügten. In einer Umfrage des MIT Sloan Management Research und der Boston Consulting Group AI aus dem Jahr 2019 gaben beispielsweise sieben von zehn Unternehmen an, dass die KI-Ressourcen nur einen geringen oder keinen Wert haben. Einer der Gründe für eine schlechte Produktivität ist, dass während der Entwicklung zu wenige Projekte umgesetzt wurden; es handelte sich zu oft um Suchübungen. Entwicklungsbereitstellungen werden sicherlich schwierig sein, da sie häufig eine Konsolidierung bestehender Lösungen und Prozesse, eine Umschulung der Mitarbeiter und die Möglichkeit zur technischen Weiterentwicklung der KI erfordern.
Unternehmensfunktionen
Die Ermittlung neuer oder verbesserter Leistungskennzahlen mithilfe von maschinellem Lernen erfordert Experimente. Da digitale Modelle reale Möglichkeiten widerspiegeln, bieten digitale Zwillinge Programme – oder Sandbox-Simulationen – zur intelligenten KPI-Entwicklung, die bestehende Versuche mit digitalen Zwillingen ergänzen und vervollständigen können. Die tägliche Analyse von KPIs ist eine gängige Managementpraxis in der Bürowelt – eine Praxis, die durch die Entwicklung hin zu detaillierteren, optisch ansprechenden und aufschlussreicheren Dashboards spannender und nützlicher wird.
Diese Tools liefern mehr Informationen und Sie können fundiertere Preisentscheidungen treffen. Nachdem die Daten gesammelt wurden, müssen sie analysiert werden, um Trends, Gewohnheiten und potenzielle Möglichkeiten zu identifizieren. Dazu gehört die Analyse der Konkurrenzpreise, um Preislücken zu identifizieren, die Ermittlung des Preisbewusstseins auf dem Markt und die Analyse der allgemeinen Konkurrenz für die https://rt-app.org/ Ausrüstungsprodukte Ihres Unternehmens. Unternehmen sollten auch die Auswirkungen von Saisonalität, Branchenstandards und Tool-Unterschieden auf ihre Preisstrategie berücksichtigen. Im Grunde funktionieren KI-Preisalgorithmen, indem sie große Datensätze sammeln und analysieren, um fundierte Preisentscheidungen zu treffen. Sie nutzen Host Learning, um komplexe Marktdaten zu verstehen und können Preisstrategien kontinuierlich anpassen, um den Gewinn zu steigern.
Die neue Webseite, nach der Sie suchen, finden Sie auf der neuesten Website des JP Morgan Personal Lender Area.
- Unsere Umfrage zeigt, dass Unternehmen, die KI zur Erstellung neuer KPIs einsetzen, im Vergleich zu Unternehmen, die diese Technologie nicht zur Erstellung neuer KPIs nutzen, eine größere Anzahl von Teammitgliedern finden.
- Untersuchungen zeigen, dass die Kombination aus KI und Big-Data-Technologie fast 80 % aller physischen Arbeiten, 70 % der Datenverarbeitung und 64 % der Datenerfassungsaufgaben beschleunigt.
- Bei der Stärkung einer Geschäftsinstanz müssen Einzelhändler auch an die Investitionen denken, die für die Entwicklung eines großartigen Chatbots erforderlich sind.
Durch die Kombination von künstlicher Intelligenz (KI) und Preisintelligenz können Unternehmen die vollständige Kontrolle über ihr Zahlungssystem und ihre Rentabilität erlangen. Das neue Zahlungssystem ist ein weiterer Bereich der Geschäftswelt, in dem künstliche Intelligenz revolutioniert wird. Verbraucher wissen manchmal nicht, wie viel sie sich leisten können oder wie viel sie ausgeben müssen. Die Einführung von ML-Trendmodellen sowie der drei Cs (Kreditaufnahme, Kapazität und Eigenkapital) ermöglicht es Kreditgebern, einen ganzheitlichen Blick auf einen Kunden zu werfen und früher im Prozess zu bestimmen, wer qualifiziert ist und wer nicht.
Die Kosten für die Nutzung dieser LLM-APIs sind im letzten Jahr erheblich gesunken (wenn man beispielsweise die Kosten für Eingabetoken vergleicht, ist GPT-4o, das im Mai 2024 veröffentlicht wird, halb so teuer wie GPT-4 Turbo, das ein Jahr zuvor veröffentlicht wurde). KI-Technologien gehen davon aus, dass die Kosten für LLM-APIs weiterhin erheblich sinken werden, wobei einige Preise in den nächsten zwei bis drei Jahren einen Rückgang von bis zu 80 Prozent verzeichnen. Grundsätzlich benötigen Unternehmen KPIs für ihre KPIs – intelligente Metriken und Anforderungen, mit denen sie die Fähigkeiten, die Leistung und die Positionierung ihrer KPIs selbst leicht messen können. Die Entwicklung von KPIs für KPIs ist ein hervorragender Ansatz auf Metaebene und eine Methode zur Sicherstellung einer kontinuierlichen Verbesserung des Leistungsmessungssystems selbst. Alle Manager, mit denen wir gesprochen haben und die Ihnen gezeigt haben, dass die Entwicklung der leitenden KPIs gerade erst begonnen hat. Traditionell haben Personalmanager KPIs entsprechend Erfahrung, Markttrends und Teamerwartungen angepasst und festgelegt.
Sie haben den Konvertierungsprozess von Kernproblemen mit KI-basierten, margenerhöhenden Anzeigen erweitert und margenzerstörende Anzeigen gestoppt – und das alles, ohne viel Zeit in die Entwicklung und Analyse der neuesten Daten zu investieren. Avinash Kaushik, Chief Strategy Manager beim Digital-Marketing-Unternehmen Croud, ist ehemaliger Senior Director für Global Customs Statistics bei Google, wo maschinelles Lernen seinen Mitarbeitern dabei half, ein neues Maß an Leistung zu erkennen. In einem Fall, erinnert er sich, habe der Technologieriese eine beträchtliche, aber hinter den Erwartungen zurückgebliebene Marketinginvestition in seinen ersten Digitalkanal getätigt.
Bemerkenswerterweise machen diese 10 Unternehmen jedoch auch einen größeren Anteil des Indexkapitals aus, nämlich derzeit 26 %, als einmal im Jahr zuvor. Im Jahr 2000, kurz vor dem Börsencrash, machten die Top 10-Aktien des S&P 500 27 % des Marktkapitals aus, aber nur 17 % des Kapitals. Die Technologie bietet jedoch viele potenzielle Spielräume in allen Sektoren der Welt.
Gute Teams auf der ganzen Welt wissen, dass ihre KPIs messbar intelligenter und leistungsfähiger sein müssen. Sie investieren daher in algorithmische Innovationen und machen ihre Leistungskennzahlen praktischer, transformativer und prädiktiver. Intelligente KPIs, die auf künstlicher Intelligenz (KI) basieren, sind Quelle – nicht bloße Information – aus angemessener Unterscheidung und Wertschöpfung. Mit einem automatisierten Kostenansatz können Unternehmen leichter auf Veränderungen im Markt und im Wettbewerbsumfeld reagieren. Durch die Bereitstellung wettbewerbsfähiger Preise können Unternehmen mehr Mitarbeiter beschäftigen und sich einen Wettbewerbsvorteil verschaffen.
Um sicherzustellen, dass die KPIs den sich ändernden Erwartungen und dem neuen Leistungspotenzial entsprechen, hat Coureil ein Performance Management Office (PMO) in der Forschungsgruppe des Teams mit ins Leben gerufen, um Leistungsprobleme zu managen. „Ich habe die Leistungsdimension der Konvertierungsfahrzeugbetreiber untersucht“, sagt er. Das neue PMO hat dem Topmanagement geholfen, sein KPI-Portfolio zu entwickeln und diese mit den verschiedenen Betriebsmitteln des Unternehmens in Einklang zu bringen.
Und obwohl KI-bezogene Unternehmen heute einen relativ großen Anteil der gesamten US-Wirtschaft ausmachen, glaube ich nicht, dass der Marktfokus wirklich ein Grund zur Sorge ist. Im Grunde gibt es viele KI-bezogene Investitionsmöglichkeiten, über die man jetzt und in den nächsten Jahren nachdenken kann. Wie Dobson es ausdrückte, ist die neue „Antwort nicht einfach“ und dieser Ansatz wird auf lange Sicht erfolgreich sein. „Es kommt nur darauf an, womit man anfängt … und welches Rechenzentrum man bauen möchte“, fuhr er fort.
Möglicherweise reicht der Flaschenauftrieb nicht aus, um die Kosten für die Investition zu decken. Um eine vollständige Amortisierung der Investition zu erreichen, müssen die Geschäfte die Kosten für die Gewinnung neuer Kunden, die diese Geräte verwenden, berücksichtigen und inwieweit die neuen Geräte die Kaufhäufigkeit der bestehenden Kunden erhöhen. Im letzten Jahr haben viele Einzelhändler damit begonnen, KI-Spiele der nächsten Generation in Bezug auf die Einkaufspreise zu testen. Trotz all dieser Experimente haben es nur wenige Unternehmen geschafft, das volle Potenzial der Technologie in diesem Umfang zu nutzen. Als generative KI (Generation AI) Ende 2022 den Mainstream erreichte, dauerte es nicht lange, bis die Merchandising-Manager das Potenzial erkannten, das sich ihnen bot. Zusammen mit dem Wert nicht-generativer KI und der Statistik werden sich Milliardenbeträge im Wert von Billionen ergeben.
Besonders wichtig ist es, Abteilungen und Teams zu haben, die bisher nur zögerlich neue Technologien für Innovatoren in Bereichen entdeckt haben, die den Einsatz von Technologie vorantreiben. Da die Technologie in diesem Bereich gewachsen ist, ist es nicht verwunderlich, dass die KI-Innovationen in der Kreditfinanzierung zunehmend in die Kreditwelt einfließen. Sobald ein solches Problem gelöst ist, wird der Entwicklungsprozess automatisch ablaufen und auf das nächste Jahr, Quartal oder sogar Jahr geschätzt werden.