Βελτιστοποίηση των E-commerce Operations με χρήση τεχνητής νοημοσύνης

Abstract

Η παρούσα διπλωματική εργασία εξετάζει πώς η Τεχνητή Νοημοσύνη (ΤΝ) μπορεί να βελτιστοποιήσει τις λειτουργίες (Operations) στο ηλεκτρονικό εμπόριο (e-commerce) και το γρήγορο εμπόριο (q-commerce). Στο πλαίσιο μιας εποχής ταχύρρυθμης ψηφιακής μετάβασης, η εργασία διερευνά θεωρητικά και πρακτικά τον μετασχηματιστικό ρόλο της ΤΝ στη διαχείριση της εφοδιαστικής αλυσίδας, της αποθήκευσης, το last mile και της διαχείρισης επιστροφών. Η εργασία αρθρώνεται σε επτά κεφάλαια. Αρχικά παρουσιάζεται το θεωρητικό υπόβαθρο της ΤΝ: ορισμοί, ιστορική εξέλιξη, κατηγορίες και οφέλη, ακολουθούμενο από ανάλυση του ηλεκτρονικού εμπορίου και των βασικών λειτουργιών του. Στη συνέχεια εντοπίζονται τα κρίσιμα προβλήματα των Operations, όπως η μεταβλητότητα ζήτησης (bullwhip effect), η πολυπλοκότητα του fulfillment, η αστάθεια του last mile delivery και η ετερογένεια των πληροφοριακών συστημάτων (OMS–WMS–TMS–ERP). Κεντρικό σημείο της εργασίας αποτελεί η ανάλυση των AI Agents, αυτόνομων συστημάτων που αντιλαμβάνονται το περιβάλλον τους, λαμβάνουν αποφάσεις και δρουν στοχευμένα. Παρουσιάζεται λεπτομερώς η agentic προσέγγιση για το πρόβλημα του mismatch ζήτησης–αποθέματος, με έμφαση στο structured prompting, τη διακυβέρνηση μέσω state machine και την ασφαλή ενσωμάτωση σε επιχειρησιακά περιβάλλοντα. Το τελευταίο κεφάλαιο προσφέρει μια πρακτική μεθοδολογία εφαρμογής: από την αποδόμηση του προβλήματος και τη σχεδίαση της ροής εργασίας, έως την παραγωγική ενσωμάτωση του AI Agent με ρόλους, τεκμηρίωση και εκπαίδευση χρηστών. Συνολικά, η εργασία αναδεικνύει ότι η ΤΝ δεν είναι απλώς εργαλείο αυτοματοποίησης, αλλά κινητήριος δύναμη στρατηγικού μετασχηματισμού για τις σύγχρονες επιχειρήσεις.This thesis examines how Artificial Intelligence (AI) can optimize operations in e-commerce and quick commerce (q-commerce). Set against the backdrop of rapid digital transformation, the study explores both the theoretical foundations and practical applications of AI in supply chain management, warehousing, last-mile delivery, order management, and returns processing. The work is structured across seven chapters. It opens with a comprehensive overview of AI covering definitions, historical development, taxonomies, benefits, and challenges, followed by an in-depth analysis of e-commerce and its core operational functions. Key operational pain points are identified, including demand volatility and the bullwhip effect, fulfillment complexity, last-mile delivery instability, high return rates, and data silos across integrated systems such as OMS, WMS, TMS, and ERP platforms. A central contribution of the thesis is its analysis of AI Agents, autonomous systems capable of perceiving their environment, reasoning, and taking goal-directed actions. The study presents a detailed agentic framework for addressing demand-inventory mismatch, emphasizing structured prompting as a disciplined behavioral specification method, governance via state machine, and safe integration into real business workflows. The final chapter offers a step-by-step practical methodology: from problem decomposition and workflow design, to tool selection, testing, and production deployment of AI Agents, complete with governance, documentation, and user training. Overall, the thesis argues that AI is not merely an automation tool, but a strategic driver of transformation for modern e-commerce organizations.