Zakupy, które wydają się „proste”, są efektem pracy zespołów, które pilnują terminów wysyłek, uzupełniają brakujące szczegóły produktów i tworzą dopracowane doświadczenia zakupowe. W praktyce oznacza to codzienne zmaganie się z przestarzałymi systemami, rozproszonymi danymi oraz rosnącymi oczekiwaniami klientów — połączenie, które utrudnia zachowanie spójności i szybkości działań przy każdej nowej kolekcji czy dodanym numerze katalogowym (SKU).
Aby te wyzwania obrócić w przewagę, NVIDIA udostępniła dwie otwarte referencyjne implementacje dla deweloperów: Multi‑Agent Intelligent Warehouse (MAIW) oraz Retail Catalog Enrichment. Obie blueprinty — opublikowane dziś jako open‑source — mają ułatwić tworzenie rozwiązań AI na potrzeby całego łańcucha wartości w handlu detalicznym, od magazynów po ofertę produktową online. Zdaniem Tarika Hammadou, dyrektora ds. relacji z deweloperami ds. AI dla handlu i dóbr konsumpcyjnych w NVIDIA, dzięki nim integracja będzie tańsza, a firmy i partnerzy wdrożą aplikacje szybciej, uzyskując skalę i efektywność potrzebne na rynku.
Usprawnienie przepływu pracy w magazynach
Magazyny to dynamiczne środowiska — przemieszczają się tam produkty, pracują roboty i ludzie, realizowanych jest tysiące zamówień dziennie. Problemy mogą pojawić się natychmiast: braki w asortymencie, awarie urządzeń czy konieczność interwencji na konkretnych alejkach. Jednym z kluczowych utrudnień jest rozdzielenie warstwy IT od technologii operacyjnej (OT), co utrudnia menedżerom precyzyjne zliczanie zapasów, szybkie lokalizowanie problemów technicznych czy elastyczne przesuwanie personelu tam, gdzie jest najbardziej potrzebny.
MAIW proponuje rozwiązanie polegające na wprowadzeniu skoordynowanego, warstwowego systemu AI, działającego ponad istniejącymi systemami zarządzania magazynem, planowania zasobów przedsiębiorstwa, danymi z robotyki i IoT. Blueprint udostępnia wyspecjalizowane „agenty” odpowiadające m.in. za obsługę sprzętu, koordynację operacji, zgodność z zasadami BHP, prognozowanie i przetwarzanie dokumentów. Wszystko to jest orkiestrację przez centralnego asystenta operacyjnego, który odwzorowuje rzeczywiste procesy magazynowe i integruje rozproszone dane, dostarczając wyjaśnialnej inteligencji operacyjnej w czasie rzeczywistym.
Przykładowo, przełożony może zapytać w naturalnym języku: „Dlaczego pakowanie idzie wolno?” — a system przeanalizuje stan urządzeń, kolejki zadań i obsadę, wskaże wąskie gardła, pokaże dane potwierdzające diagnozę i zaproponuje działania, takie jak przesunięcie zasobów czy zmiana priorytetów zadań. Blueprint zawiera też rozwiązania klasy produkcyjnej, w tym kontrolę dostępu zgodną z rolami oraz mechanizmy ograniczające rekomendacje do polityk bezpieczeństwa, co pozwala zespołom ufać AI przy decyzjach dotyczących rzeczywistego sprzętu i kwestii istotnych dla bezpieczeństwa.
Poprzez monitorowanie i mierzenie wskaźników związanych z wykrywaniem i rozwiązywaniem problemów oraz incydentów bezpieczeństwa, a także zapewnianiem terminowości realizacji zamówień i zgodności z umowami serwisowymi (SLA), MAIW ma pomóc magazynom przejść od ciągłych „gaśniczych” reakcji do bardziej przewidywalnych, opartych na danych zmian operacyjnych. Partnerzy, tacy jak firma Kinetic Vision zajmująca się rozwojem produktów i technologii, mogą wykorzystać ten blueprint do rozwiązywania wieloletnich problemów łańcuchów dostaw w handlu detalicznym. Jak podkreśla Jeremy Jarrett, CEO Kinetic Vision: „Wykresy i tabele to przeszłość — potrzebujemy prognoz i zaleceń. Blueprint MAIW daje centralny sposób odpowiadania na pytania i wspiera podejmowanie decyzji.”
Uzupełnianie brakujących danych produktowych
Drugim obszarem, który poprawiają blueprinty NVIDIA, jest wzbogacanie katalogów produktowych. Retail Catalog Enrichment ma pomóc firmom w automatyzacji tworzenia bogatych, dokładnych opisów produktów i dostarczaniu zlokalizowanych materiałów marketingowych. Problem, z którym mierzą się mali i duzi detaliczni sprzedawcy, to „sparse data” — zdjęcia produktów trafiają bez opisów lub z niejednolitymi tekstami, co zmusza zespoły do ręcznego tworzenia tytułów, opisów i atrybutów oraz dopasowywania ich do różnych rynków i kampanii.
Blueprint wykorzystuje generatywną sztuczną inteligencję, w tym model wizualno‑językowy NVIDIA Nemotron, aby ze zdjęć wygenerować ustrukturyzowane, lokalizowane i zgodne z marką informacje produktowe w skali. Z jednego obrazu system może wydobyć metadane takie jak kolor, materiał, pojemność, styl czy zastosowania, a następnie automatycznie tworzyć lokalizowane tytuły i opisy, normalizować atrybuty dla systemów wyszukiwania i rekomendacji (poprawiając SEO i GEO) oraz generować dopasowane do kultury warianty zdjęć lifestyle’owych i interaktywne zasoby 3D. Jakość i spójność wyjść ocenia wewnętrzny mechanizm „sędziego” AI.
Retail Catalog Enrichment pozwala też tworzyć treści marketingowe zgodne z tonem głosu i wytycznymi brandu: przy użyciu instrukcji dotyczących głosu, tonu i taksonomii, wraz z obrazem i docelową lokalizacją, system generuje wzbogacone tytuły i opisy, zlokalizowane kategorie i tagi oraz kulturowo odpowiednie warianty obrazów lifestyle’owych dopasowane do zamierzonego kontekstu.
Przykład wdrożenia: Grid Dynamics
Rozwiązania oparte na blueprintach już powstają w praktyce. Globalna firma konsultingowa Grid Dynamics zbudowała system wzbogacania i zarządzania katalogiem, który poprawia dokładność treści i statusów SKU u dużych detalistów, korzystając z Retail Catalog Enrichment. Ilya Katsov, CTO Grid Dynamics, zwraca uwagę, że jakość wyszukiwania i przeglądania produktów bezpośrednio zależy od jakości danych katalogowych. Automatyzacja wzbogacania atrybutów zmniejsza potrzebę ręcznych przeglądów i ogranicza błędy w dużych katalogach, gdzie brakujące lub niepoprawne dane oraz różne struktury katalogów dostawców prowadzą do nieprawidłowych sprzedaży, frustracji klientów i utraty lojalności.
Według Dana Guji, principal software engineer w Grid Dynamics, ich rozwiązanie zwiększa odkrywalność produktów, jednocześnie pozwalając markom narzucać reguły biznesowe w skali. Zastosowanie reguł napędzanych AI przekłada się na poprawę jakości danych, lepsze sygnały intencji klientów i wyeksponowanie produktów, których klienci naprawdę szukają.
Składanie retailowego łańcucha AI
MAIW i Retail Catalog Enrichment to element większej inicjatywy mającej na celu przemyślenie przepływu od magazynu do klienta z wbudowaną infrastrukturą AI na każdym poziomie. Na zapleczu MAIW wspiera menedżerów i pracowników magazynów w codziennych zadaniach związanych z zarządzaniem zapasami i danymi, natomiast Retail Catalog Enrichment umożliwia zespołom cyfrowym szybkie tworzenie dopracowanych stron SKU jednym kliknięciem. Dodatkowo otwarty zbiór danych Nemotron‑Personas‑USA może być użyty podczas rozwoju i treningu rozwiązań, zwiększając różnorodność syntetycznie generowanych danych dotyczących różnych grup kupujących.
Na froncie doświadczeń klienta dostępny jest już agentyczny NVIDIA Retail Shopping Assistant, który sprawia, że odkrywanie produktów i proces zakupowy mogą być konwersacyjne i wygodniejsze dla klientów, pełniąc rolę eksperta handlowego. Jak podsumowuje Tarik Hammadou, kolejnym krokiem jest osadzenie fizycznej warstwy AI w operacjach magazynowych i sklepach, tak aby inteligentne agenty mogły widzieć, rozumieć i działać wobec rzeczywistych wyzwań związanych z inwentaryzacją i łańcuchem dostaw — a trenowanie agentów w zadaniach takich jak rozpoznawanie obrazu przybliża nas do bardziej adaptacyjnych i autonomicznych operacji.
Więcej informacji o MAIW i Retail Catalog Enrichment można znaleźć na blogu technicznym NVIDIA, a oba blueprinty będą prezentowane w nadchodzącym tygodniu podczas wydarzenia National Retail Federation: Retail’s Big Show.