AI & de toekomst van retail

AI-vraagvoorspelling combineert verkoopgegevens per winkel en per dag met het weer, feestdagen, acties, evenementen in de buurt en de verkoop van gisteren. Een supermarkt weet zo dat een warme zaterdag meer watermeloen en minder soep vraagt, een modeketen hoeveel maten van een jas naar welke winkel gaan. Het systeem maakt het bestelvoorstel; de medewerker past aan wat hij weet en het systeem niet. Bij versproducten telt dat dubbel. Volgens het milieuprogramma van de VN ging in 2022 wereldwijd ruim een miljard ton voedsel verloren, waarvan zo'n 12 procent in de detailhandel. De volgende stap is een keten die zichzelf bijstuurt: het systeem bestelt, verdeelt en prijst af, en de medewerker grijpt alleen in bij wat afwijkt.

Bij meebewegende prijzen past de retailer prijzen aan op basis van vraag, voorraad, houdbaarheid of de prijs van de concurrent. Online winkels doen dat al jaren. Digitale schaplabels brengen het naar de winkel: een centraal systeem zet de nieuwe prijs in één keer op duizenden schappen. AI schat welke afprijzing de kans vergroot dat een product op tijd verkocht wordt, zoals vlees dat morgen over de datum gaat of zomerkleding aan het eind van het seizoen. Het verschil met persoonlijke prijzen is belangrijk: hier krijgt iedereen in dezelfde winkel op hetzelfde moment dezelfde prijs. Afprijzen wordt zo een rekensom per product en per uur, in plaats van een vaste ronde aan het eind van de dag.

Een digitale verkoopassistent is een taalmodel in de online winkel of app dat klanten adviseert zoals een verkoper dat in de winkel doet. De klant typt of zegt wat hij zoekt: een regenjas voor een fietstocht in het najaar, een cadeau voor een kind van negen, een avondmaaltijd voor vier zonder vlees. De assistent stelt een vervolgvraag, vergelijkt producten, legt verschillen uit en zet een voorstel in het winkelmandje. Met toegang tot assortiment en actuele voorraad verbindt hij elk advies aan wat leverbaar is. Straks wacht hij niet meer op een vraag: met gegevens die de klant deelt, ziet hij dat de banden aan vervanging toe zijn en combineert hij het aanbod met een afspraak in de garage.

Personalisatie op schaal verbindt klantgedrag met assortiment, aanbiedingen en content. AI bepaalt per bezoeker, op basis van eerdere aankopen, bekeken producten en het moment van de dag, welke producten bovenaan staan en welke aanbieding hij krijgt. Iemand die net een tent kocht, ziet slaapzakken, geen tweede tent. In de app van een supermarkt staan de vaste boodschappen al klaar, met een nieuw product dat erbij past. Goed gedaan voelt het als een winkelier die je kent. De volgende stap is een online winkel die voor elke bezoeker opnieuw wordt opgebouwd, met beelden, teksten en een aanbod die alleen voor hem bestaan.

Productteksten en productfoto's laten maken door AI is in grote online winkels inmiddels gewoon. De stap die nu wordt gezet, gaat over hele campagnes. Generatieve AI maakt per land, seizoen en klantgroep eigen beelden, video's en teksten, in de toon van het merk, en zet een product in een passende omgeving: een jas op een winderige kade, een bank in een kleine stadswoning. Daarna test het systeem zelf welke variant werkt en schuift het budget naar wat aanslaat. Een groot modeplatform meldt dat het merendeel van de marketingcontent op de eigen site al met AI wordt gemaakt. Het creatieve team bepaalt de richting, bewaakt het merk en kiest wat er nooit in mag.

Slimme winkelcamera's koppelen beelden van schappen en wachtrijen aan concrete taken voor het winkelteam: een leeg schap, een product op de verkeerde plek, een prijs op het schap die niet klopt met de kassa, een rij die te lang wordt. De meldingen komen in een app voor de medewerkers. De camera's kijken naar schappen en wachtrijen, niet naar wie de klant is. De volgende stap is een camera die niet meldt maar voorspelt: hij ziet dat het schap met brood over een uur leeg is, of dat er over tien minuten drukte bij de kassa ontstaat, en geeft de taak direct aan een medewerker of een robot. Het winkelteam werkt dan een uur voor op de klant.

Een agent is AI die zelfstandig de stappen zet om een taak af te ronden. In een retailorganisatie kan een agent een retourverzoek beoordelen, het retourlabel maken en het geld terugboeken. Een andere agent ziet dat de voorraad van een bestseller opraakt, zet een bestelling bij de leverancier klaar en past het rooster van het magazijn aan op de levering. Retailers beproeven zulke agents nu, vaak eerst bij werk dat veel voorkomt en weinig risico heeft. De volgende stap zijn agents die onderling afstemmen: de retouragent ziet dat een broek vaak terugkomt omdat hij klein valt, en de inkoopagent past de volgende order aan.

Een winkeltaalmodel is een taalmodel dat werkt met de kennis van één retailer: het assortiment, de handleidingen, de klantvragen van de afgelopen jaren, het retourbeleid en de werkinstructies. Een medewerker stelt er een vraag aan via een handscanner of een koptelefoon. Past deze vloerverf op beton? Mag een klant zonder bon ruilen? Hoe wordt een beschadigde levering verwerkt? Het antwoord komt in gewone taal, met de bron erbij. Voor een nieuwe parttimer is dat een collega die altijd beschikbaar is. Grote retailers gebruiken zulke assistenten al in hun winkels. De volgende stap: een taalmodel dat via een slimme bril meekijkt en uit zichzelf helpt, bijvoorbeeld als een klant een product zoekt dat in een andere winkel op voorraad is.

In een AI-first retailorganisatie nemen AI en nieuwe technologie het routinewerk en de voorspellingen over: het werk dat mensen niet hoeven te doen. Medewerkers richten zich op wat menselijk oordeel, smaak en contact met de klant vraagt. AI voorspelt de vraag per winkel, bestelt voorraad bij en stelt prijzen voor; een agent beantwoordt vragen van klanten over levering en retour. Medewerkers beoordelen uitzonderingen en bespreken keuzes met de klant die twijfelt. Het scenario voor 2040: een organisatie bedient met minder mensen meer klanten, omdat agents het grootste deel van het routinewerk doen.

Als klanten zelf scannen, online bestellen en een agent laten afrekenen, verandert het werk in retail. Kassawerk neemt af, en er ontstaan rollen die nu nog nauwelijks bestaan. De begeleider van een team agents bepaalt wat de agents voor inkoop, retour en klantenservice zelf mogen, en volgt hun beslissingen. De curator van vaste klanten vertaalt het digitale lichaamsmodel en de voorkeuren die een klant met de winkel deelt naar passend aanbod. En in een winkel die zichzelf 's nachts aanvult, wordt de medewerker overdag gastheer: hij ontvangt, adviseert en maakt van een bezoek iets wat online niet kan. De kennis van ervaren verkopers krijgt zo een nieuwe plek, in winkels waar AI steeds meer transacties afhandelt.

Digitale collega's zijn AI-systemen en agents die het terugkerende werk van een winkelteam overnemen. De dag begint dan met een lijst die al klaarligt. AI verzamelt 's nachts de openstaande taken: welke schappen leeg raken, welke producten afgeprijsd moeten worden, welke online bestellingen om tien uur klaar moeten staan. Het maakt de roosters en stelt bij een ziekmelding een nieuw rooster voor. Agents regelen de bestellingen bij leveranciers, verwerken betalingen en zetten campagnes klaar voor de winkel, fysiek en online. De bedrijfsleider keurt goed of stuurt bij, want hij weet dat er zaterdag een braderie is. Zo is er meer tijd voor klanten, offline en online: adviseren, een klacht oplossen, een kind helpen dat zijn ouders kwijt is.

Leiderschap in retail betekent vooruitkijken terwijl de winkel, fysiek en online, vandaag gewoon open moet. Die verandering krijgt vorm bij de mensen die vandaag de keten, de formule of het filiaal aansturen. Dat begint met initiatief: zelf beginnen met AI en nieuwe technologie, in een paar winkels of in één proces, en laten zien wat het oplevert. En met een beeld van de retailer van morgen dat een filiaalmanager kan navertellen aan zijn team. Zo inspireren leiders medewerkers op de winkelvloer en op het hoofdkantoor om mee te bouwen.

Elke organisatie heeft mensen die er al lang werken en mensen die net beginnen. Beide groepen moeten leren werken met AI en nieuwe technologie. In een toekomstacademie regelt de organisatie dat zelf: met lessen op het moment dat de vraag zich voordoet, en met programma's voor leiders. Ze wacht niet tot het onderwijs zover is. Zo leert iedereen in de organisatie het werk van morgen, op de plek waar het werk gebeurt.

Een organisatie biedt haar dienst steeds vaker samen met partners aan. Start-ups bedenken nieuwe concepten, wetenschappers toetsen de resultaten, soms vanuit een ander land, en overheden werken mee aan gedeelde afspraken over gegevens, zoals digitale productpaspoorten. Met de AI-agent komt er een nieuwe speler bij: de agent die namens de klant zoekt, vergelijkt en koopt. Gedeelde afspraken maken diensten beter vindbaar voor die agents. Samen pakken partijen ook vraagstukken als verspilling aan. De concurrent van vandaag is morgen soms de partner met wie je een dienst deelt.