GS1 en UNSPSC mappen: ook een AI-agent heeft schone data nodig

Een AI-agent die een GS1-code aan een UNSPSC-code koppelt, levert nooit betere kwaliteit dan het record dat je hem geeft. Dat is het punt van deze sessie met Stephan Spijkers, Isak Marais en Stiaan Maree. AICA Data draaide een live classificatie. Het toezicht bleef bij mensen.

De opname:

Sprekers:

• Stephan Spijkers, medeoprichter, PIMvendors.com
• Stiaan Maree, CTO, AICA Data
• Isak Marais, CEO, AICA Data

Wat de sessie behandelde:

• Classificatie met AI-agents werd gepresenteerd als een manier om codes te mappen met minder handwerk, ook bij catalogi die steeds veranderen. Het concrete voorbeeld was de live demo van de classificatie van AICA, die volgens de sprekers klopte voor de voorbeelden die in de zaal te zien waren.
• Handmatig mappen loopt achter zodra de catalogus groeit en het aantal doelcodes meegroeit. Dat is het argument van de sprekers voor een model.
• Datakwaliteit blijft de beperking. Volgens de sessie levert slechte invoer nog steeds een slechte klasse op. Goed categoriseren blijft belangrijk in e-commerce, omdat de klasse bepaalt hoe een kanaal en een koper het product vinden.
• De agent voegt capaciteit toe. Het productdatateam blijft verantwoordelijk. Volgens de sprekers komen de beste resultaten uit de combinatie van het model en iemand die het kan corrigeren.
• Die aanpak uitbreiden naar meer systemen werd genoemd als de volgende uitdaging.

De standaarden zelf, en hoe GS1 naast ETIM en ECLASS staat, staan in productclassificatie. De regel die het model toepast, heeft nog steeds een eigenaar nodig. Productdatakwaliteit en governance behandelt dat als een operationele vraag. Wat een agent verderop in de keten met de klasse kan doen, staat in AI-ready productdata.