Lorsqu'il s'agit d'adapter les outils d'apprentissage automatique aux entreprises de vente au détail et de fabrication, il existe des similitudes significatives, mais il existe également des différences fondamentales.
Dans le commerce de détail, la grande majorité des outils et processus de machine learning sont orientés vers les ventes et les initiatives orientées client. Les entreprises utilisent l'immense puissance de l'apprentissage automatique pour explorer les données qui leur permettent de vendre, ce qui augmente la conversion et donc les bénéfices. Un excellent exemple à cheval entre l’apprentissage automatique et l’intelligence artificielle est la sensibilisation des clients à l’abandon de panier. Les ensembles d'outils qui contactent activement les clients qui ont abandonné des articles dans leur panier sont souvent classés comme des outils d'intelligence artificielle, mais d'autres outils qui regroupent et analysent simplement des données pour faire évoluer des systèmes pilotés par l'homme sont des exemples d'apprentissage automatique appliqué au commerce de détail.
Dans le secteur manufacturier, le paysage de l’apprentissage automatique est assez différent. L’apprentissage automatique s’applique à la fabrication et à la production de biens physiques de plusieurs manières uniques. Une grande partie de la valeur de l’apprentissage automatique dans le secteur manufacturier est appliquée à la gestion des chaînes d’approvisionnement. L'apprentissage automatique éclairera les processus de maintenance, de réparation et de révision (MRO), ainsi que d'autres aspects de la construction, de l'emballage ou de l'assemblage d'articles discrets ou de production de masse. En d’autres termes, bon nombre des outils d’apprentissage automatique les plus précieux dans le secteur manufacturier sont orientés vers l’atelier, non pas vers les clients, mais vers la construction d’une « usine intelligente » parfaite et l’amélioration des processus physiques. (Cet article de Forbes n'est qu'un exemple décrivant dix des façons dont l'apprentissage automatique modifie rapidement et de manière fondamentale le secteur manufacturier.) En revanche, les outils d'apprentissage automatique pour la vente au détail sont principalement destinés aux « surfaces de vente intelligentes » et à la majeure partie du commerce qui se déroule désormais en ligne ou via des plateformes numériques.
Cela étant dit, les entreprises de vente au détail peuvent également utiliser des outils d'apprentissage automatique pour gérer des processus physiques, par exemple l'inventaire. Dans le domaine de la gestion des stocks, les prédicteurs d'apprentissage automatique peuvent aider les entreprises de vente au détail à économiser d'énormes sommes d'argent en gardant uniquement à disposition les stocks dont elles ont besoin à un moment donné et en rendant les opérations d'entrepôt et de stockage beaucoup plus efficaces. Cependant, une valeur majeure de l'apprentissage automatique dans le commerce de détail reste axée sur l'aide à la décision pour les ventes, sur l'apprentissage plus approfondi du client sur la base de pratiques approfondies d'agrégation et d'analyse de données, sur l'examen des données démographiques et des informations personnelles et sur l'obtention d'informations commerciales extrêmement précieuses.
L’essentiel est que, en tant que précurseurs de l’arrivée d’une IA forte, les outils d’apprentissage automatique et d’apprentissage profond sont tout simplement « intelligents ». Ils regroupent des données et fournissent une image globale d'un concept défini, que ce soit dans un espace géographique, physique ou numérique. Ainsi, différentes industries utilisent la puissance de l’apprentissage automatique de différentes manières. La différence entre l’apprentissage automatique dans le commerce de détail et l’apprentissage automatique dans l’industrie manufacturière est un exemple évident de la manière dont les entreprises identifient leurs besoins et adoptent les technologies d’apprentissage automatique en conséquence.