Povratak proizvoda predstavlja značajan izazov za e-trgovinu, povećavaći troškove i ometajući operacije. Trenutno se oko 10% online kupovina—oko 4 milijarde paketa godišnje—vraća. Mnogi maloprodavci upravljaju ovim povratima kroz skupe manualne metode koje uključuju transport proizvoda nazad na inspekciju, što dovodi do troškova obrade u proseku od 20 dolara po povratu usled nedovoljnih prethodnih podataka i neorganizovane logistike. Međutim, veštačka inteligencija (AI) revolucionira proces povrata unapređujući efikasnost na različitim etapama. Zahvatanjem detaljnih podataka kao što su slike i istorija kupovine na mestu povrata, AI može donositi trenutne odluke, smanjujući zavisnost od korisničke podrške. Takođe, optimizuje rute, minimizirajući nepotrebne tranzite i obradu. Kada su potrebne inspekcije, AI pomaže radnicima u identifikaciji i proceni artikala, ubrzavajući proces od meseci do dana, i smanjujući troškove obrade za najmanje 20%. Budući cilj je eliminisati nepotrebno rukovanje, omogućavajući da se vraćeni proizvodi ponovo prodaju i šalju direktno novim kupcima. Na tržištu se pojavljuju nove kompanije koje nude isplativa rešenja za upravljanje povratima.

Na primer, Kalle Koutajoki, izvršni direktor Renow-a, opisuje kako njihov sistem koristi softver i lokalne skladište za efikasno poboljšanje obrnute logistike, koristeći različite AI algoritme za brzu donošenje odluka i inspekcije. AI takođe igra ključnu ulogu u predviđanju i sprečavanju povrata koristeći podatke na nivou SKU-a da identifikuje potencijalno rizične proizvode, čime poboljšava listing proizvoda i upravljanje zalihama. Maloprodavci moraju da pređu sa tradicionalne analitike na korišćenje AI-pokretanih uvida za donošenje odluka u realnom vremenu, posebno tokom teških post-prazničnih upravljanja zalihama. Štaviše, AI prebacuje prekomerne povrate iz finansijskog tereta u priliku za profit. Maloprodavci mogu tačno proceniti stanje vraćenih proizvoda i potražnju na tržištu, omogućavajući im da odluče o najboljem kursu delovanja—bilo da je to ponovno punjenje, obnova ili donacija—na osnovu podataka u realnom vremenu. AI-pokretano prepoznavanje slika dodatno ubrzava proces procenjujući artikle preko upload-a kupaca, poboljšavajući efikasnost i smanjujući troškove. Tržište za optimizaciju povrata se širi, sa novim igračima koji se bore za dugoročni uspeh. Joose Toiviainen, suosnivač Daze-a, naglašava važnost odgovarajućeg poslovnog modela i fokus na efikasnost koji izbegava neuredne procese povrata. Sve u svemu, AI transformiše povrate u e-trgovini iz skupog problema u priliku za povećanje efikasnosti, generisanje prihoda i promociju održivosti. Korišćenjem AI za prediktivnu analitiku i optimizovanu logistikom, maloprodavci mogu efikasno smanjiti stope povrata, smanjiti troškove obrade i povećati vrednost ponovne prodaje, osiguravajući uspeh u sve konkurentnijem okruženju.