Bij de introductie van AI-agents aan frontline retailmedewerkers is het belangrijk om te bepalen welk type agent hen het beste ondersteunt. In het verleden werd aanbevolen om een algemene AI-toepassing te gebruiken die is getraind op een brede dataset. Het is vaak echter beter voor medewerkers om te kunnen beschikken over een groep AI-agents die specifiek zijn getraind op bedrijfsgegevens en -toepassingen.
Dit geldt vooral als AI-agents worden ingezet bij het beantwoorden van productvragen, het uitleggen van standaard operating procedures (SOP’s), het beheren van schapindeling en voorraden en als ze fungeren als beheerders van de apparaten waarop de AI-agents draaien.
Een AI-model op maat genereert relevantere, nauwkeurigere output en stemt intelligente automatisering af op specifieke bedrijfsprocessen zonder dat gevoelige data terechtkomt in bredere AI-trainingssets. Het is echter van groot belang dat de data goed wordt gefilterd op nauwkeurigheid voordat het wordt verspreid naar of door AI-agents. De AI-agent is mogelijk niet in staat om goede kwaliteit data van slechte kwaliteit te onderscheiden. Zijn taak is wellicht alleen het doorgeven van ontvangen of opgevraagde gegevens.
Het is cruciaal dat deze data vóór gebruik grondig wordt gecontroleerd. Ook moeten leidinggevenden nadenken over versiebeheer van standaard operating procedures (SOP’s) om ervoor te zorgen dat AI-agents refereren naar de meest recente documenten. Meestal vindt deze data-opschoning plaats in het oorspronkelijke systeem, wat betekent dat meerdere systemen moeten worden gecontroleerd voordat de AI-agent kan worden ingezet.
Efficiënte AI voor de werkvloer: slim, schaalbaar en handsfree
Het is belangrijk om te kijken naar het meest efficiënte en schaalbare hostingmodel voor deze technologieën. Moet de AI-agent worden gehost op een apparaat, in de cloud of via een gedistribueerd model dat zowel bronnen op het apparaat als in de cloud gebruikt?
Veel retailers geven de voorkeur aan de hybride aanpak, omdat de chatbot-interface en bepaalde functionaliteiten hiermee kunnen worden geoptimaliseerd voor de apparaten van frontline-medewerkers. Rekenintensieve taken kunnen zo worden verwerkt in de cloud, wat zorgt voor efficiënt gebruik van middelen en schaalbaarheid.
Een hybride aanpak maakt ook een praktische synchronisatie mogelijk van de AI-agent met gekoppelde technologieën. Door de communicatiemogelijkheden van de AI-agent uit te breiden naar een draagbaar apparaat, kan de handheld in een zak, aan de heup of op de arm worden opgeborgen tot het nodig is voor het scannen van barcodes, RFID-tag en het opslaan van afbeeldingen of visuele instructies. Voor veelvoorkomende taken kunnen frontline-medewerkers spraakopdrachten gebruiken om informatie op te vragen of door te geven, of om te communiceren met de AI-agents, andere medewerkers en klanten. Vraag dus om AI-agents die het best werken voor – en met – frontline-medewerkers.
Zorg voor veilige verbindingen
Overweeg hoe goed de huidige Wi-Fi- of private, draadloze netwerken de toegenomen communicatie tussen AI-agents en frontline-werkers of tussen hostapparaten en cloudgebaseerde opslaglocaties kunnen ondersteunen. Bedrijven moeten vroegtijdig investeren in upgrades van de infrastructuur om communicatiestoringen in de toekomst te voorkomen.
Bedenk tot slot hoe de AI-agents moeten worden geconfigureerd om te worden geactiveerd. Zijn wake phrases, een API of een fysieke sneltoets het meest geschikt? Deze factoren moeten al in een vroeg stadium in de scope worden meegenomen, zodat er later geen onverwachte compatibiliteitsproblemen ontstaan met software of hardware van derden – en zodat duidelijk is welke API’s nodig zijn om de AI-agents te verbinden met bedrijfseigen datasystemen.
Beveilig de verbinding
Voor AI-beveiliging is een volledig beveiligd netwerk van apparaten noodzakelijk. Dit zorgt voor bescherming op elk niveau, vermindert risico’s en houdt data veilig. Of een organisatie nu externe AI-diensten gebruikt of zelf AI-systemen ontwikkelt,
het is cruciaal om rekening te houden met on-premise- en cloudarchitecturen om de beste beveiligingsfuncties op elk potentieel toegangspunt te implementeren. Elk toegangspunt tot data moet voorzien zijn van sterke beveiligingsmaatregelen. Met behulp van geautomatiseerde tools kan regelmatig worden gecontroleerd op zwakke plekken in de beveiliging en kunnen deze in het systeem worden verholpen.
Het is belangrijk om data zowel in transit als at rest te versleutelen om het te beschermen tegen ongeautoriseerde toegang. Geavanceerde versleutelingsstandaarden (AES) en SSL-protocollen (Secure Sockets Layer) versterken de databeveiliging. Strengere controles zorgen ervoor dat alleen geautoriseerd personeel toegang heeft tot gevoelige data, terwijl multi-factor authenticatie (MFA) en rolgebaseerde toegangscontrole (RBAC) de beveiliging verbeteren. Door regelmatige kwetsbaarheidstests, code-reviews en compliance controles bij het identificeren en aanpakken van beveiligingslekken.
De voorkeur van retailers voor een hybride aanpak betekent dat AI-agents op het apparaat een waardevolle manier zijn om de beveiliging te verbeteren. De agents verwerken data direct op het apparaat in plaats van het naar de cloud te sturen. Dit vermindert het risico op datalekken, omdat gevoelige informatie lokaal blijft. Omdat er minder data wordt verzonden of opgeslagen in de cloud, is de kans op cyberdreigingen minder groot. Bovendien is het eenvoudiger om de toegang tot gegevens te controleren als alles op het apparaat blijft, waardoor het risico op onbevoegde toegang of datalekken afneemt.
Veilige ondersteuning
IT kan kiezen voor self-service onboarding. Het is belangrijk om te onthouden dat AI-agents een zorgvuldige, persoonlijke aanpak vereisen. Schakel de hulp in van een professioneel serviceteam dat gespecialiseerd is in het ontwerpen, het onboarden en het beheren van AI-systemen. Ook is het belangrijk dat dit team vertrouwd is met de nuances van retail-workflows en systeemarchitecturen.
Omdat er verschillende onderdelen en mensen bij dit proces betrokken zijn, worden risico’s en kostbare vertragingen het best beperkt wanneer een objectief team de tijdlijnen, budgetten en coördinatie beheert. Bovendien zullen organisaties antwoorden nodig hebben op vragen over het trainen van AI-agents naarmate SOP’s veranderen.
Een geschikt team stelt de juiste vragen en lost verwachte problemen op voordat ze van invloed zijn op de werkzaamheden. Ook moet het team in staat zijn om frontline-medewerkers vertrouwd te maken met hun nieuwe AI-assistenten via praktische workshops, documentatie en trainingen, zodat iedereen vertrouwen heeft in de toegevoegde waarde.
De sleutel tot succesvolle AI-investeringen in de retail
Frontline-medewerkers hebben ondersteuning nodig, en veel mensen geloven dat AI-agents die hulp kunnen bieden – vooral degenen die in de retailsector werken. AI kan retailmedewerkers helpen om productiever en efficiënter te zijn, beter verbonden te blijven en de klantenservice te verbeteren. Nu retailers steeds meer investeren in AI-agents om werknemers te ondersteunen, is het dus belangrijk om stil te staan bij de overwegingen die komen kijken bij het kwalificeren, inwerken en beheren van dergelijke agents. Het is de enige manier om waarde uit deze investeringen te halen zonder verspilling van tijd of financiële verliezen in het proces te riskeren.
Dit is een ingezonden bijdrage van Zebra Technologies. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.