Whalesbook
AI स्वीकारणाऱ्या आणि मागे पडणाऱ्या कंपन्यांमधील दरी
भारतीय रिटेल उद्योगात AI चा अवलंब वेगाने वाढत आहे. सध्या 96% प्रमुख रिटेलर्स AI चा वापर करत आहेत, जो जागतिक सरासरी 85% पेक्षा खूप जास्त आहे. हे तंत्रज्ञान आता केवळ स्पर्धेत पुढे राहण्यासाठी नसून, बाजारात टिकून राहण्यासाठी (Survival) एक मूलभूत गरज बनले आहे.
Hindustan Unilever Limited (HUL) हे याचे उत्तम उदाहरण आहे. या मोठ्या कन्झ्युमर गुड्स कंपनीचे मार्केट कॅप सुमारे ₹5.32 लाख कोटी असून P/E रेशो 33-50 दरम्यान आहे. HUL आपली सप्लाय चेन ऑप्टिमाइझ करण्यासाठी, मागणीचा अंदाज घेण्यासाठी आणि स्वतःचे AI फॅक्टरी प्लॅटफॉर्म चालवण्यासाठी AI चा प्रभावी वापर करत आहे.
याउलट, ऑर्गनाईज्ड रिटेलमधील एक जुना खेळाडू Shoppers Stop आर्थिक अडचणींचा सामना करत आहे. या कंपनीचे मार्केट कॅप सुमारे ₹3,932 कोटी आहे, परंतु नकारात्मक P/E रेशो (Negative P/E Ratio) दर्शवतो की कंपनी तोट्यात आहे.
Reliance Industries, ज्याच्या मालकीची Reliance Retail आहे, तिचे मार्केट कॅप सुमारे ₹18.67 लाख कोटी आणि P/E रेशो 19.6-22 आहे. Reliance देखील मागणीचा अंदाज घेण्यासाठी आणि सोर्सिंगसाठी AI मध्ये गुंतवणूक करत आहे. अगदी Zomato (Blinkit ची मालक) सारख्या क्विक कॉमर्स कंपन्या सुद्धा रूट ऑप्टिमायझेशनसाठी AI वापरतात.
Gen Z आणि बाजाराची वाढ AI ची मागणी वाढवत आहे
AI चा वाढता वापर थेट ग्राहकांच्या बदलत्या अपेक्षांशी जोडलेला आहे, विशेषतः भारतातील Gen Z आणि Gen Alpha पिढ्यांकडून. 1997 ते 2012 दरम्यान जन्मलेले हे तरुण 2030 पर्यंत $1.3 ट्रिलियन खर्च करतील असा अंदाज आहे. हे ग्राहक जुन्या ब्रँड लॉयल्टीऐवजी अनुभव, डिजिटल सुलभता आणि अस्सलपणाला अधिक महत्त्व देतात. या वाढत्या गरजा पूर्ण करण्यासाठी रिटेलर्सना केवळ समाधान नव्हे, तर प्रत्येक ग्राहक संवादात 'आनंद' देण्याची आवश्यकता आहे.
भारताची रिटेल बाजारपेठ 2035 पर्यंत ₹21.5 लाख कोटी पर्यंत पोहोचण्याचा अंदाज आहे. लोकांची डिस्पोजेबल इनकम (Disposable Income) वाढत असल्याने ग्राहक वर्गही मोठा होत आहे. AI इन रिटेल मार्केट स्वतः 2032 पर्यंत सुमारे $2.96 बिलियन पर्यंत पोहोचेल, ज्यामध्ये 33.75% चा वार्षिक वाढीचा दर असेल.
पूर्ण AI इंटीग्रेशनमुळे 40-60% पर्यंत परफॉर्मन्स गेन (Performance Gain) मिळतो, जो केवळ मर्यादित AI प्रकल्पांमधून मिळणाऱ्या 10-15% पेक्षा खूप जास्त आहे. उदाहरणार्थ, P&G India आपल्या डिस्ट्रिब्युटर ऑर्डरिंग आणि सप्लाय चेन्ससाठी AI आणि मशीन लर्निंग वापरते. जागतिक स्तरावर, P&G ने AI च्या मदतीने उत्पादन विकासाचा वेळ 22% ने कमी केला आहे आणि स्टॉक आऊट (Out-of-stock) चे प्रमाण 15% ने घटवले आहे.
AI अवलंबण्यातील आव्हाने आणि मागे पडण्याचा धोका
स्पष्ट फायद्यांनंतरही, अनेक आव्हाने आहेत. एका सर्वेनुसार, जवळपास अर्धे भारतीय रिटेलर्स (48%) AI च्या मार्गातील मुख्य अडचण ग्राहक स्वीकृतीला मानतात, तर 43% साठी नियामक अनुपालन (Regulatory Compliance) ही चिंता आहे.
Shoppers Stop सारख्या कंपन्यांसाठी, ज्या तोट्यात आहेत, AI चा अवलंब न करणे आणि ग्राहकांच्या गरजा पूर्ण न करणे त्यांच्या अस्तित्वाला धोका निर्माण करते. आजच्या रिटेल वातावरणात स्पष्ट निर्णय आणि उत्कृष्ट अंमलबजावणी आवश्यक आहे.
जे रिटेलर्स सुरुवातीच्या टप्प्यात अडकले आहेत किंवा बदलण्यास धीमे आहेत, ते स्पर्धकांकडून मागे पडण्याचा धोका पत्करत आहेत. संघटित रिटेलची (Organized Retail) ऐतिहासिक वाढीची गती कमी होत आहे, ज्यामुळे AI अवलंबणे आता केवळ अतिरिक्त गोष्ट न राहता, टिकून राहण्यासाठी अत्यावश्यक बनले आहे.
AI रिटेलच्या भविष्यातील वाढीला चालना देईल
भारतीय रिटेलमधील AI आता अधिक सखोल एकीकरण आणि विस्तृत क्षमतांकडे वाटचाल करत आहे. जे रिटेलर्स हायपर-पर्सनलायझेशन, उत्तम सप्लाय चेन आणि ग्राहक अनुभव सुधारण्यासाठी AI वापरत आहेत, ते पुढील दशकात मार्केट शेअर मिळवण्यासाठी चांगल्या स्थितीत असतील. भारताचे रिटेल मार्केट सुमारे ₹200 ट्रिलियनपर्यंत पोहोचण्याची अपेक्षा आहे, त्यामुळे AI स्वीकारण्याची स्पष्ट गरज आहे. यश डिजिटल परिवर्तनाला एक सतत प्रक्रिया मानणे, स्पष्ट व्यावसायिक निर्णय घेणे आणि ग्राहक प्रवासाच्या प्रत्येक टप्प्यावर AI चा वापर करणे यावर अवलंबून असेल.