Spørsmål og svar om PIM og AI

Under frokostsemniaret 14. september ble det stilt mange gode spørsmål som flere har bedt oss om å dele. Har du spørsmål eller ønsker en gjennomgang av hvordan PIM kan være løsningen for deg, ta kontakt med oss!

- Kan et PIM system enkelt henges på et ERP-system? Hvordan snakker de sammen?

Et PIM-system kan "henge på" et ERP-system. De fleste moderne PIM-systemer er designet for å integreres med ERP-systemer. De "snakker sammen" ved hjelp av integrasjoner, ofte ved bruk av API-er. Det betyr at data kan flyte mellom de to systemene. For eksempel kan basis produktdata fra ERP overføres til PIM for videre berikelse, mens ferdig beriket produktinformasjon fra PIM kan sendes til andre kanaler som nettbutikker.

Det viktigste å huske på er at selv om de kan snakke sammen, har de forskjellige styrker. ERP er flott for  tunge  transaksjonsdata, mens PIM er din go-to for detaljert og markedsføringsklar produktinformasjon.

- Er det vanlig å håndtere oversettelser av produktdata i PIM? Og hvis ja, har de fleste PIMs integrasjonsmuligheter med oversettelsesverktøy som Smartling osv?

Ja, det er veldig vanlig å håndtere oversettelser av produktdata i PIM. PIM-systemer er spesielt nyttige for bedrifter som opererer i flere regioner eller land, fordi de ofte trenger å tilby produktinformasjon på flere språk. Her kommer PIM virkelig til sin rett.

Når du lagrer produktdata i et PIM-system, kan du opprette flere språkversjoner av den samme informasjonen. Så, for eksempel, hvis du selger en vare i både Norge og Spania, kan du ha en norsk versjon av produktbeskrivelsen lagret i PIM og en spansk oversettelse av den samme beskrivelsen.

Mange moderne PIM-systemer tilbyr integrasjonsmuligheter med spesialiserte oversettelsesverktøy som Smartling og andre. Integrasjonen mellom PIM-systemer og oversettelsesverktøy fungerer slik:

• Eksport av innhold: Produktinformasjon som trenger oversettelse eksporteres fra PIM-systemet til oversettelsesverktøyet
• Oversettelse: Innholdet blir deretter oversatt enten av maskin, profesjonelle oversettere eller en kombinasjon av begge, avhengig av kvalitetskravene og verktøyet som brukes.
• Import av oversatt innhold: Når oversettelsen er ferdig, blir det oversatte innholdet importert tilbake til PIM-systemet.
• Kvalitetssikring: Innholdet kan så få ytterligere kvalitetssikring inne i PIM-systemet for å sikre at oversettelsene passer bra med produktbildene, metainformasjonen, og andre relevante data.
• Hvis du er interessert i å integrere et PIM-system med et spesifikt oversettelsesverktøy, er det viktig å sjekke den spesifikke PIM-løsningens dokumentasjon eller kontakte leverandøren direkte for å bekrefte mulighetene.

- Er det oppgaver som ofte blir forsøkt løst i et PIM som ikke er anbefalt å håndtere i et slikt system?

Det skjer definitivt at noen oppgaver som forsøkes løst i et PIM-system, egentlig ikke anbefales å gjøres der. Selv om PIM-systemer er kraftige og fleksible, er de først og fremst designet for å sentralisere, berike, oversette og distribuere produktinformasjon. Her er noen eksempler på oppgaver som kan være bedre egnet for andre systemer:

• Transaksjoner: Selv om enkelte PIM-systemer kan ha funksjonalitet for å håndtere ordrer eller transaksjoner, er dette hovedsakelig domenet til et ERP- eller e-handelssystem.
• Kundekommunikasjon: PIM-systemer er ikke designet for å håndtere kundekommunikasjon, e-postmarkedsføring eller CRM-relaterte oppgaver.
• Finansiell analyse: Selv om PIM kan inneholde salgsdata eller prisinformasjon for produkter, er det ikke ment for dyptgående økonomisk analyse.
• Web-innhold: Mens PIM-systemer kan kobles tett med CMS for å levere produktinformasjon, er de ikke spesialdesignede verktøy for å bygge og administrere hele websider eller blogginnlegg.
• Lagerstyring: Selv om basis lager-data kan synkroniseres til et PIM-system fra et ERP, er PIM ikke stedet for kompleks lagerstyring og planlegging.
• Hver organisasjon har unike behov og hva som fungerer for én bedrift, fungerer ikke nødvendigvis for en annen. Når man vurderer å implementere eller utvide bruken av et PIM-system, er det lurt å få en grundig forståelse av systemets styrker og begrensninger og konsultere med eksperter eller PIM-leverandøren for veiledning.

Hva er de største friksjonsområdene i et PIM, hvor bruk av AI kan gjøre en stor forskjell?

Den mest synlige typen AI akkurat nå er "generativ AI", altså AI-motorer som er gode på å produsere tekst eller bilder. ChatGPT og Dall-E er noen av de mest kjente av disse, og mange integrerer sine systemer mot disse for å effektivisere driften. Stadig flere PIM-leverandører, blant annet Bluestone PIM, har integrert AI rett i brukergrensesnittet. 

Produktbeskrivelser og produktbilder er som kjent ekstremt viktig for en god kjøpsopplevelse, og begge deler kan være veldig tidkrevende manuelle aktiviteter. Med en integrasjon mot generativ AI, kan man i teorien lage uendelige varianter av produktbeskrivelser - basert på enten produktfakta, tolkning av produktbilder, eller stikkord om sesong, bruksområde eller produktegenskaper. 

En bildegenerator kan også hjelpe med å lage miljøbilder utfra enkle "pack shots", hvor produktet kan fremstilles i mer spennende og dynamiske omgivelser. Her kan det være store besparelser både på tid og på kostbare fotosessions.

Er det noen retningslinjer rundt sikkerhet eller eierskap å vite om når man vurderer å bruke AI i en PIM-sammenheng?

AI-motorer er avhengig av "treningsmateriale" for å bli bedre på å generere godt innhold. Dette treningsmaterialet kommer i form av tekster og bilder som AI-motoren har lest og prosessert, men også i form av tilbakemeldinger fra brukerne som benytter tjenestene. Det er viktig å være klar over hvor mye man deler av egne data tilbake til AI-tjenestene. 

I de gratis/forenklede AI-motorene (f.eks ChatGPT v3), benyttes som regel ikke bruker-inputen som treningsmateriale tilbake til AI-motoren. Men alt som spyttes ut, og måten brukeren interagerer med det, kan potensielt sendes tilbake til motoren som treningsmateriale for fremtidige forespørsler. Det betyr at produktbeskrivelser og produktbilder man genererer med AI, potensielt også kan spyttes ut hos andre brukere - slik at man ikke er garantert å ha noe unikt som ingen andre har.

I de kommersielle AI-motorene (f.eks ChatGPT v4), oppnår man noen vesentlige fordeler. Den ene er at man kan mate AI-motoren med sitt eget treningsmateriale, f.eks en produktkatalog full av eksisterende produktbeskrivelser og bilder, noe som gjør at man også kan lære AI'en hvilken stil og tone som passer for deres brand. Man får også en beskyttelse mot at ditt eget materiale sendes tilbake til AI-motoren som treningsmateriale for andre brukere. 

Når det gjelder rettigheter, så er det foreløpig noen gråsoner. De fleste AI-motorer stammer fra USA, og det er følgelig amerikansk lovgivning som setter tonen. Hittil har praksisen vært at man får åndsrett (copyright) på tekst man genererer via AI, men at man ikke kan få åndsrett på AI-genererte enkeltbilder. Slike bilder kan likevel benyttes fritt til både privat og kommersiell bruk (uten at selskapet bak AI-motoren har noe eierskap til det). Det betyr egentlig at produktbeskrivelsene dine beskyttes som om det er din egenproduserte tekst, men at kunstige produktbilder i teorien kan "stjeles" av andre til både privat og kommersiell bruk.