Marketer lub analityk danych, który zbiera ceny konkurentów, robi w istocie trzy rzeczy: wyszukuje ceny i oferty, zestawia je według ustalonego kryterium oraz sprawia, że wynik jest przydatny do podjęcia decyzji o własnej polityce cenowej. To zadanie, które w dużej mierze polega na pobieraniu i porządkowaniu danych, a właśnie to jest rodzaj pracy, który AI dziś już w dużej części może przejąć, o ile spełniono kilka warunków.
Trzy osie mają tu decydujące znaczenie: ustrukturyzowanie, wolumen i przestrzeń na ocenę. Ceny to liczby, oferty znajdują się na stronach internetowych o rozpoznawalnej strukturze, a samo porównanie odbywa się według kryterium ustalonego z góry: ta sama kategoria produktu, ta sama jednostka, ten sam okres. To sprawia, że zadanie jest wystarczająco ustrukturyzowane, aby je zautomatyzować. Pomaga też wolumen: dziesięciu konkurentów, sto produktów, powtarzane co tydzień — to właśnie rodzaj powtarzalnej pracy zbierania danych, przy której system nie odczuwa zmęczenia, a człowiek tak. A przestrzeń na ocenę jest celowo ograniczona: agent stosuje ustaloną logikę porównania, nie wymyśla nowej strategii.
Pozostałe osie potwierdzają ten obraz. Nie ma kontaktu z klientem, nie ma czynności fizycznych, a wrażliwość w zakresie zgodności z przepisami jest niska: chodzi o publicznie dostępne informacje, do których każdy ma wgląd. Koszty błędu są umiarkowane — błędnie porównana cena prowadzi do zniekształconego obrazu, a nie do naruszenia umowy czy niezadowolonego klienta. Kreatywność odgrywa pewną rolę przy interpretowaniu nietypowych ofert (rabat na pakiet, tymczasowa promocja, inna wielkość opakowania), ale to raczej wyjątek niż reguła.
To zadanie dla agenta: systemu, który samodzielnie przegląda strony z cenami, wydobywa dane z tekstu i struktury, przyporządkowuje je do ustalonych kryteriów porównania i dostarcza wynik w formie przeglądu. To działa pod dwoma warunkami. Po pierwsze: dostęp do publicznych danych cenowych, co oznacza, że informacje muszą być możliwe do znalezienia i odczytania — brak bariery logowania, brak ceny podawanej wyłącznie telefonicznie. Po drugie: kryteria porównania ustalone z góry. Bez tego uzgodnienia — co jest „porównywalne”, jaka jednostka, jaki okres — agent dostarczy zbiór liczb, przy czym nikt nie będzie wiedział, czy można je zestawiać ze sobą.
To jest właśnie moment, w którym obraz staje się bardziej niuansowany. Zbieranie i porządkowanie to zadanie dla AI. Przekształcenie tego porównania w decyzję cenową — podniesienie, obniżenie, uruchomienie promocji — pozostaje pracą ludzką, wymagającą oceny marży, pozycjonowania i relacji z klientem. Zadanie opisane w tej analizie dotyczy przygotowania porównania, nie decyzji, która po nim następuje.
Sklep internetowy, który co tydzień śledzi ceny piętnastu konkurentów dla stu kategorii produktów, może w dużej mierze zlecić ten proces agentowi: ten zbiera dane, rozpoznaje oferty i umieszcza wszystko w ustalonym przeglądzie. Marketer następnie ocenia wynik — czy porównanie się zgadza, czy nie dzieje się coś dziwnego z konkurentem, który nagle jest o jedną trzecią tańszy — i zatwierdza wynik albo odsyła go z podaniem przyczyny. To druga kategoria z taksonomii: AI wykonuje pracę, człowiek zapewnia nadzór wraz z oceną.
W przypadku dostawcy usług B2B, gdzie ceny są dostępne tylko na zapytanie, oferty są przygotowywane na zamówienie, a „porównywalne” nie ma jednoznacznego znaczenia, obraz się zmienia. Ustrukturyzowanie spada, przestrzeń na ocenę wzrasta, a praca w większym stopniu opiera się na analityku, który zbiera informacje telefonicznie lub przez sieć kontaktów i samodzielnie ocenia, co jest porównywalne. To jest więc mniej zadanie dla agenta, a bardziej zadanie, w którym AI wspiera — na przykład poprzez strukturyzowanie notatek — podczas gdy ocena pozostaje przy człowieku.
To przesunięcie dotyka więcej miejsc w firmie niż tylko monitorowanie cen. Kto chce, aby budżet reklamowy był korygowany na podstawie wyników, zauważa podobny wzór: ustrukturyzowane dane, duży wolumen, ograniczona przestrzeń na ocenę oraz agent, który poradzi sobie z większością pracy, o ile kryteria są ustalone. Również ten, kto przygląda się temu, jak analizowane są statystyki witryny, widzi to samo połączenie zbierania, porządkowania i dopiero potem interpretacji. Tam, gdzie w grę wchodzi więcej pracy kreatywnej, jak przy pisaniu posta w mediach społecznościowych, relacja między automatyzacją i nadzorem wygląda inaczej. Wzór jest zawsze ten sam: im bardziej ustrukturyzowane dane wejściowe i im większy wolumen, tym prędzej agent może wykonać większość pracy, a człowiek ocenia wynik, zamiast wykonywać pracę samodzielnie.
To nie jest stwierdzenie dotyczące funkcji marketera lub analityka danych, ani podstawa do budowania decyzji personalnych. Do decyzji dotyczących funkcji i struktury zatrudnienia stosuje się własne wymogi prawne, niezależnie od tego, co pokazuje analiza zadania takiego jak ta. Ta strona opisuje zadanie, nie rolę, a rola zazwyczaj składa się z znacznie więcej niż jednego zadania.
Aby zobaczyć, jak to wygląda w przypadku własnej firmy, niezobowiązujący quickscan jest pierwszym krokiem: dwanaście pytań, bez konta, z wynikiem w postaci wskazania, jaka część godzin poświęcanych na tego rodzaju pracę może dziś zostać przejęta przez AI. Pełna analiza pracy, która rozkłada pracę Państwa firmy na zadania wzdłuż tych ośmiu osi, jest jeszcze w budowie i zostanie tu udostępniona później.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.