Η Target παραδέχτηκε κάτι που ένας μεγάλος αριθμός εταιρειών κράτησε για τον εαυτό της μέχρι στιγμής - η τεχνητή νοημοσύνη έχει μετακινηθεί από το "nice to have" στο infra tier, αλλά ο λογαριασμός γίνεται αρκετά επώδυνος. Σύμφωνα με την επικεφαλής της Ινδίας Andrea Zimmerman, η αλυσίδα έχει περάσει από ένα στάδιο όπου "χρησιμοποιεί κάπου την AI" σε μια κατάσταση όπου "τρέχει πλήρως με AI", μόνο που η αλλαγή στα μοντέλα τιμολόγησης στους μεγάλους παρόχους (OpenAI, Anthropic και co) ανάγκασε την εταιρεία να βάλει φρένο και να είναι πολύ πιο αυστηρή ως προς το πού πραγματικά αφήνει την AI να πάει.
Για τους επενδυτές, πρόκειται για ένα ενδιαφέρον παράδοξο: η Target είχε τρία χρόνια μειωμένων εσόδων στο ενεργητικό της, και ο νέος διευθύνων σύμβουλος Michael Fiddelke σχεδίαζε να δαπανήσει άλλα 2 δισ. δολάρια για καταστήματα, ανακαινίσεις και AI - ενώ την ίδια στιγμή το μεταβλητό κόστος των πραγματικών "εγκεφάλων" που θα έφερναν αυτή την ανάκαμψη αυξανόταν. Έτσι, η τεχνητή νοημοσύνη από μόδα του μάρκετινγκ μετατράπηκε σε ένα στοιχείο που οι αρχιτεκτονικές ομάδες και η ανώτερη διοίκηση αντιμετωπίζουν σε επίπεδο "τι ακριβώς κάνει αυτό στα περιθώρια κέρδους και στις κεφαλαιουχικές δαπάνες μας".
Από το "κάπου έχουμε AI" στο "δουλεύουμε με AI".
Ο Zimmerman περιέγραψε δύο βασικές αλλαγές:
Target $TGT έχει μετακινηθεί από τα πιλοτικά έργα AI στην ενσωμάτωση της AI στις βασικές διαδικασίες - προγραμματισμός αποθεμάτων, τιμολόγηση, εξατομίκευση, διαχείριση προωθητικών ενεργειών, logistics.
Ταυτόχρονα, όμως, άρχισε να πιέζει για "σκόπιμη χρήση" - δηλαδή όχι AI παντού, αλλά AI εκεί όπου έχει σαφή επιχειρησιακό αντίκτυπο: ταχύτερος κύκλος εργασιών αποθεμάτων, λιγότερες αποσβέσεις, καλύτερο μείγμα προϊόντων, υψηλότερο καλάθι ανά πελάτη.
Για την αλυσίδα λιανικής πώλησης, αυτό έχει νόημα:
Η τεχνητή νοημοσύνη μπορεί να σας πει ακριβώς τι να αποθηκεύσετε σε μια συγκεκριμένη τοποθεσία.
πότε να επανατιμολογήσετε τα εποχιακά προϊόντα, ώστε να μην πωλούνται κάτω από το κόστος
ή πού έχει νόημα να στείλετε τη δική σας μάρκα σε άμεσο ανταγωνισμό με ένα εκπτωτικό κατάστημα.
Αλλά κάθε τέτοιο "έξυπνο" χαρακτηριστικό σημαίνει πλέον συγκεκριμένη κατανάλωση συμβολικών στοιχείων και έναν λογαριασμό στον πάροχο του μοντέλου.
Token AI: γιατί άρχισε να πλήττει την Target
Το δεύτερο επίπεδο αφορά καθαρά το κόστος. Η OpenAI, η Anthropic και άλλοι προχωρούν σε ένα μοντέλο: πληρώνετε για ό,τι πραγματικά χρησιμοποιείτε - τον αριθμό των tokens όταν εκτελείτε μοντέλα, το εύρος του πλαισίου, τον τύπο του μοντέλου. Αυτό είναι για τις μεγάλες επιχειρήσεις:
πιο ευέλικτο (δεν πληρώνετε για χωρητικότητα που δεν χρησιμοποιείτε).
αλλά πιο ριψοκίνδυνο (εξάρτηση από τον όγκο των αιτήσεων που χάνετε αν δεν έχετε καλή διακυβέρνηση)
Ο Zimmerman δήλωσε ευθέως ότι αυτή η αλλαγή "ανάγκασε τη Target να επανεξετάσει τη στρατηγική της". Έτσι, η συζήτηση για την τεχνητή νοημοσύνη διεξάγεται σε δύο επίπεδα:
σε αρχιτεκτονικά φόρουμ (πώς να σχεδιάσετε συστήματα για την πιο αποδοτική χρήση των tokens)
σε επίπεδο ανώτερης ηγεσίας (πόσες πρωτοβουλίες ΤΝ μπορούμε ρεαλιστικά να αντέξουμε φέτος χωρίς να καταστρέψουμε τον προϋπολογισμό)
Αυτό είναι ένα σημαντικό μήνυμα προς τους επενδυτές: η υιοθέτηση της ΤΝ δεν είναι πλέον δυαδική (έχω/δεν έχω), αλλά αφορά το κατά πόσον η εταιρεία έχει επίσης οικονομική μόχλευση στα χέρια της - λογική διαχείριση του κόστους γύρω από τα μοντέλα.
Η Ινδία ως ραχοκοκαλιά: 40% άτομα τεχνολογίας, εστίαση στην ανάλυση.
Ο στόχος Ινδία δεν είναι πλέον ένα backoffice αλλά ένας κόμβος όπου η ΤΝ και τα δεδομένα μεταφράζονται σε πραγματικότητα.
Περίπου 5.600 άτομα εργάζονται στο Bengaluru, περίπου το 40% του συνολικού τεχνολογικού εργατικού δυναμικού της Target.
Οι ομάδες καλύπτουν το merchandising, την ψηφιακή τεχνολογία, τα καταστήματα και την εφοδιαστική αλυσίδα.
Η εταιρεία επιδιώκει να ενισχύσει περαιτέρω την ανάλυση εκεί - ειδικά την ικανότητα να μετατρέψει τεράστιους όγκους δεδομένων σε γρήγορες γνώσεις: τι πουλάει, πού, σε ποια τιμή, πώς ανταποκρίνονται οι πελάτες στις προσφορές, με ποιο ρυθμό αλλάζει το συναίσθημα.
Ο στόχος είναι να συντομευτεί ο κύκλος: δεδομένα → διορατικότητα → δράση. Στο λιανικό εμπόριο, οι εβδομάδες κάνουν τη διαφορά: αν υπερτιμολογήσουμε ένα προϊόν όταν ο πελάτης έχει ήδη φύγει για έναν ανταγωνιστή, είναι πολύ αργά. Η τεχνητή νοημοσύνη και η ανάλυση στην Ινδία υποτίθεται ότι είναι ακριβώς αυτή η "μεταφορά ταχύτητας".
Επιχειρηματικό πλαίσιο: τρία χρόνια πτώσης των πωλήσεων, 2 δισεκατομμύρια δολάρια σε AI και καταστήματα
Εν τω μεταξύ, η Target δεν είναι σε θέση να "πειραματιστεί ανώδυνα".
Τα έσοδα της εταιρείας μειώνονται τα τελευταία τρία χρόνια - πίεση στις τιμές, στροφή ορισμένων πελατών σε φθηνότερες εναλλακτικές λύσεις, ασθενέστερη ζήτηση για αγαθά διακριτικής ευχέρειας.
Ονέος διευθύνων σύμβουλος Michael Fiddelke έχει θέσει ένα σχέδιο αύξησης των επενδύσεων κατά περίπου 2 δισ. δολάρια - ένας συνδυασμός νέων καταστημάτων, ανακαινίσεων και πρωτοβουλιών τεχνητής νοημοσύνης.
Έτσι, η εταιρεία θα αυξήσει τις επενδύσεις όταν η κορυφαία γραμμή παραμένει στάσιμη ή μειώνεται - καθιστώντας την μια κλασική ιστορία "στροφή + τεχνολογία".
Από τη σκοπιά της μετοχής:
Η τεχνητή νοημοσύνη δεν είναι απλώς ένα ωραίο θέμα για μια κλήση κερδών
αλλά ένα εργαλείο που η Target πρέπει να χρησιμοποιήσει για να παλέψει για να επιστρέψει στην αύξηση των εσόδων και των περιθωρίων κέρδους.
αλλά την ίδια στιγμή, η AI (μέσω συμβολικών μοντέλων τιμολόγησης) μπορεί να κάνει αυτό το σχέδιο πιο ακριβό
Τι πρέπει να αντιμετωπίσει ένας επενδυτής
Αντί να ρωτήσετε "πόση τεχνητή νοημοσύνη χρησιμοποιεί η Target", είναι πιο ενδιαφέρον να ρωτήσετε:
Πού ακριβώς προσθέτει η ΤΝ EBIT
Συγκεκριμένη περίπτωση χρήσης: διαχείριση αποθεμάτων, τιμολόγηση, εξατομίκευση προωθητικών ενεργειών;
Ποιες είναι οι αναμενόμενες επιπτώσεις (χαμηλότερες υποτιμήσεις, χαμηλότερα αποθέματα, υψηλότερες διαδικτυακές μετατροπές);
Πώς διαχειρίζεται η Target το κόστος της ΤΝ
Διαθέτει εσωτερικές μετρήσεις όπως "κουπόνια/παραγγελία" ή "κόστος ΤΝ/εξοικονόμηση προσαυξήσεων";
Έχει περισσότερο νόημα να βασίζεται περισσότερο σε ιδιόκτητα μοντέλα έναντι της καθαρής εξάρτησης από μεγάλους παρόχους;
Ικανότητα υλοποίησης αλλαγών
Το 40% των ανθρώπων τεχνολογίας στην Ινδία είναι ένα πλεονέκτημα από την πλευρά του κόστους, αλλά και μια οργανωτική δοκιμασία: πόσο καλά μπορούν να χειριστούν την εξ αποστάσεως ευθυγράμμιση μεταξύ των επιχειρηματικών ομάδων των ΗΠΑ και της ινδικής μηχανικής;