Video: Artificial intelligence & algorithms: pros & cons | DW Documentary (AI documentary) (November 2024)
Umetna inteligenca (AI) je bila fraza, ki se je skoraj izključno v znanstveni fantastiki uporabljala za napajanje česar koli, od superračunalnikov, obsedenih z Armageddonom, do nesrečnih tovarniških robotov, ki so jih osveščali navidezni streli. Toda danes se AI uporablja za opis bližnje prihodnosti praktično vseh vidikov poslovanja, ki uporabljajo podatke organizacije. Težava je, podobno kot v zgodnjih dneh računalništva v oblaku, tudi razvijalci AI tehnologije običajno definirajo drugače. To je iz AI, strojnega učenja (ML), prediktivne analitike in celo virtualnih pomočnikov zmedlo trženje.
Poleg tega je natančno določeno, kako bodo te tehnologije vplivale na različne vidike poslovanja, postalo težavna pokrajina. E-trgovina je eno ključnih področij, na katerem AI in z njim povezane tehnologije že dolgo vplivajo zakulisno. V elektronskem poslovanju pametna analitika ponuja nove zmogljivosti, od personaliziranih izkušenj z nakupovanjem do napovedne analize vedenja kupcev. Pogovarjali smo se s Krisom Hamrickom, izvršnim direktorjem poslovne enote, ki je bil odgovoren za IBM-ovo sodelovanje strank Watson, da bi odpravili nekaj zmede v zvezi z AI in e-trgovino. Pogovarjali smo se tudi o tem, kako bo Big Blue v prostoru za e-trgovino vzpostavila IBM Watson.
PCMag: Hvala, ker ste si vzeli čas za pogovor z nami. Za začetek je enostavno personalizirano oglaševanje zamenjati s "kognitivno trgovino", saj oboje vključuje uporabo podatkov in analitike, da ponudbe prilagodijo preferencam in navadam kupcev. Običajno je tudi zamenjati kognitivno trgovino in virtualizirane pomočnike, kot sta Amazonova Alexa in Google Assistant. Kako IBM vidi razlike med temi koncepti, ki jih poganja AI?
Naj pojasnim, kako IBM razlikuje AI od kognitivnih računalnikov. AI je sposobnost računalnika, da razume in razmišlja kot človek. Kognitivno računalništvo vključuje sposobnost razumevanja, razuma, učenja in interakcije, ki povezujeta človeka in stroj, da se drug od drugega učijo in sodelujejo na način, ki je močnejši v kombinaciji.
Podatki utirajo pot AI. Kaj pa vsi ti podatki zunaj ene aplikacije, prek poslovnih enot, zunanjih virov, temnih podatkov in še več? Živimo v svetu različnih sistemov, ki v kombinaciji, ko se vzpostavijo povezave prek podatkov ali identificirani novi vzorci, lahko zagotovijo vrednost 1 + 1 = 3. Watson je edinstven njegov dostop do vseh teh različnih virov podatkov v kombinaciji s kognitivnimi sposobnostmi za interakcijo s človekom, razumevanje poslovnih vprašanj, odkrivanje vzroka za dejanje in na koncu se učijo iz te interakcije in to učenje uporabijo v prihodnjih poizvedbah.
Kar zadeva personalizacijo v primerjavi s kognitivnim poslovanjem, Watson uporabnikom omogoča, da presežejo, recimo, analitiko na podlagi upravljanja odnosov s strankami, da dobijo globlje vpoglede in sprejmejo dodatne informacije, kot so temni podatki, kot so družbeni mediji, klepetalnice, prepisi storitev za stranke in drugo podatki, ki bi se lahko dodali sodobnim CRM-jem. S pomočjo Watsona lahko kampanje delujejo iz bolj natančnih informacij in vpogledov, optimizirajo stvari, kot so cene, izpolnitev, izvedba pošiljanja; predvideti izzive, preden se zgodijo, in na koncu izboljšati KPI. To eksponentno izboljšuje zmožnost uporabnikov, da sodelujejo na funkcionalnih področjih in boljše vplivajo na poslovanje z manj truda.
Podjetja danes poskušajo to storiti z viri, ki jih imajo. Imajo poročila, veliko preglednic in veliko sestankov o vseh teh podatkih in njihovi intuiciji. Toda na koncu se v mnogih primerih izvajajo na podlagi kognitivne pristranskosti - kar pomeni, da filtrirajo vse podatke in hrup, da bi našli podatke, ki ustrezajo načinom, ki so bili opravljeni prej. Učinkovito je, da pristranskost oblikuje odločitev in ne podatki.
Če povzamemo, v okviru Watson Customer Engagement vgrajujemo kognitivne sposobnosti v procese za povečanje poslovne uspešnosti, izboljšanje trgovinskih odločitev / odločitev o cenah in optimizacijo celotne dobavne verige. Stranke lahko tudi neposredno dostopajo do istih vmesnikov za programiranje aplikacij Watson, da omogočijo lastne zapuščene aplikacije in procese s kognitivnimi zmožnostmi. Najpomembneje je, da Watson premaga anomalije, priporoči ukrepe in pojasni, zakaj .
PCMag: B2B trgovina je bila verjetno bolj zahtevna kot B2C v smislu avtomatizacije in spreminjanja ponudb in cen, pogojev in transakcij. Na primer, medtem ko bodo potrošniki nakupovali po cenah, bodo podjetja dodala trda pogajanja o cenah in celo pričakovala sladila, ki bodo prodajala cene, poleg nakupov cen. Kako lahko kognitivno poslovanje ali kognitivno računanje spremeni način poslovanja B2B? In kako bo to vsebovalo stroške za kupce in izboljšalo dobiček prodajalcem?
KH: B2B trgovina je odličen primer, kako se podjetje uči izkoristiti nekatere neverjetne revolucije, ki se dogajajo v svetu B2C, da bi povečali dobiček in zagotovili boljše izkušnje s kupci in partnerji. Podjetja, ki prodajajo malim in srednje velikim podjetjem, imajo enake izzive, kot jih imajo njihovi prodajalci na drobno, vključno z erozijem marž, konflikti med kanali, zadovoljstvom strank, "učinkom Amazon" (prek podjetja Amazon Business), ki strankam omogoča izbiro želene poti nakupa, kar omogoča prodajne osebe, da se osredotočijo na prave priložnosti z zagotavljanjem transakcijskega kanala in podobno.
Prvi korak je, da svojim partnerjem in strankam zagotovite boljšo splošno izkušnjo kot vaša konkurenca in visoke ravni storitev za stranke, ki jih ljudje pričakujejo v tem dnevu in starosti. Če sem vaša stranka, to pomeni, da boste morali poznati moje dogovorjene pogoje cen, zgodovino nakupov, mi pokazati izdelke ali ponudbe, ki ustrezajo mojemu poslu, in mi omogočiti, da te izdelke in storitve porabim v stranki - prijazna rešitev. Kognitivne sposobnosti se lahko in morajo uporabljati v celotni vrednostni verigi za dosego teh ciljev.
Danes se to dogaja v številnih panogah. Če želite narediti še korak dlje, postavite vprašanje ne le na "transakcijo" in začnite razmišljati, kaj B2B pomeni v različnih panogah in kako oskrbujejo svoje stranke.
Na primer, vodilni proizvajalci lahko predvidijo vremenske vzorce, da se izognejo motnjam v dobavni verigi in pomanjkanju zalog med lansiranjem izdelka. Ena od naših strank, Kone, uporablja IoT podatke dvigal za predvidevanje obrabe in prednostno vzdrževanje pred izpadom servisa. Na medicinskem področju Quest Diagnostics z Watsonom analizira biopsijo posameznikovega tumorja in primerja zaporedje DNK na milijone strani medicinskih revij, raziskovalnih člankov in kliničnih preskušanj, da bi onkologu zagotovili najboljše priporočilo za zdravljenje za določenega bolnika.
Ti primeri so očitno zelo različni, vendar to samo poudarja, da so možnosti neskončne. Smo šele na začetku spoznavne poti. Pravkar začenjamo odkrivati številne načine, kako lahko ta tehnologija pomaga izboljšati odnose med podjetji in njihovimi strankami.
PCMag: Digitalna transformacija se povsod dogaja z ognjevitim tempom in ustvarja veliko več podatkov, kot smo jih kdajkoli videli. Toda znanstveniki s podatki verjamejo - in zdi se, da se IBM strinja -, da podatki ne bi smeli obstajati izolirano, saj je njegova vrednost predvsem v tem, da se kompleksnim poizvedbam doda smiselna globina in kontekst. Zakaj je Watson edinstveno primeren za delo z različnimi podatki in zapletenimi poizvedbami?
KH: Kot smo že govorili, je 88 odstotkov vseh podatkov dejansko temno. Pomeni, da podatki, ki vsebujejo vpogled v vse, za katere si prizadevamo najti, niso v virih podatkov, ki jih je enostavno prebaviti ali filtrirati. Poleg tega so znanstveniki za podatke dragi viri in svojega učenja enostavno ne razmnožujejo v celotnem podjetju ali manjših podjetjih.
Cilj Watson-a je, da te temne podatke prevzame in omogoči, da bodo deljivi za vse, ki jih potrebujejo. Možnosti je neskončno. Watson ima edinstvene zmožnosti porabe velike količine strukturiranih in nestrukturiranih podatkov v različnih jezikih, ravnanje s podatki z množico kognitivnih storitev, optimizacijo izkušenj za katero koli občinstvo od poslovnih uporabnikov do potrošnikov in zagotavljanje teh istih storitev drugim podjetjem v okviru njihovih aplikacij.
Tu je veliko primerov. Na primer, "Watsonov tonski analizator" omogoča jezikovno analizo vsebine, ki lahko v pogovorih in komunikaciji zazna in razume tone, da se ustrezno odzove. "Watson Personality Insights" izvleče osebnostne značilnosti na podlagi tega, kako oseba piše. "Watson Conversation" vam omogoča, da namestite bot ali navidezni agent v naprave, na platforme za sporočanje, kot je Slack, ali celo na robota.
In "Watson Visual Recognition" razume vsebino slik. To je eden mojih najljubših, ker je tako vsestranski. S pomočjo vizualnega prepoznavanja lahko v trgovini na drobno zaznate določeno vrsto oblačil, prepoznate pokvarjeno sadje v zalogovniku, analizirate škodo, ki jo je storila toča na strehi enega od vaših zavarovalnic in še veliko več.
PCMag: V večini organizacij danes poteka demokratizacija podatkov ali vsaj načrtovana. Toda tudi obratna stran - porabništvo podatkov - se tudi giblje navzgor, saj potrošniki vsak dan sprejemajo več odločitev, ki temeljijo na podatkih. Kakšne vloge imata v tem trendu potrošnje podatkov igrata Watson in kognitivna trgovina?
KH: To je odlična točka: Podatki se ne uporabljajo samo za več poslovnih odločitev, temveč tudi za več potrošniških odločitev. Tako kot podjetja si potrošniki želijo več podatkov, da se odločijo bolj informirano, vendar ne želijo porabiti veliko časa in energije za presejanje več podatkov. Želijo hiter rezultat in vedo, da je to optimalna odločitev, ki temelji na tem, kaj potrebujejo v določenem trenutku. Nazadnje želijo razvidnost tega, kaj podatki so sporočili to odločitev.
Nekaj primerov: Prvič, 1-800-Flowers je pred kratkim predstavil "Gwyn" kot osebnega vratarja za pomoč kupcem pri iskanju najboljšega izdelka na podlagi občutkov in osebnih želja prejemnika darila. Gwyn lahko z Watsonom komunicira s spletnimi strankami z naravnim jezikom. Na primer, lahko stranka vpiše "Iščem darilo za mamo", in Gwyn bo lahko to vprašanje razlagala, nato pa postavila številna vprašanja, primerna za priložnost in občutek, da bo zagotovila primerno in prilagojen predlog za darilo vsaki stranki. Ta personalizira katalog, kupcu pokaže manj podatkov in interakcijo posebej osredotoči na tisto, kar želi trgovec doseči v tistem trenutku.
Podobno North Face ponuja interaktiven, na dialogu zasnovan pristop za pomoč svojim kupcem. Jakne verjetno ne bi mislili kot zapleten izdelek, vendar so. Na primer veliko vremenskih vplivov, stopnja aktivnosti in mobilnost je veliko dejavnikov, ki jih lahko najprej upošteva. Sistem Watson uporablja logično sklepanje in njegovo sposobnost razumevanja, kategoriziranja in ocenjevanja naravnega jezika, sistem North Face postavlja kratek niz natančnih vprašanj, da poda prilagojena priporočila za izdelke in vsebino, ki ustrezajo artikuliranim željam in željam kupca. Navaja tudi razlog, zakaj se lastnosti izdelka ujemajo s temi specifičnimi potrebami. To izpostavi podatke, ki jih potrebujete za potrditev priporočila.
Trdno verjamemo, da stranke pričakujejo to raven prilagojene, prilagojene storitve po vseh kanalih. Želijo si, da bi bila izkušnja bolj pogovor, izkušnja, kjer se vprašajo "Kako naj vam danes pomagam?" To je podobno storitvi, ki jo dobite ob vstopu v trgovino, znano po odlični storitvi strank. Podjetja, ki lahko zagotovijo najboljše izkušnje z blagovno znamko, bodo na koncu tista, ki osvojijo največ tržnega deleža.
PCMag: Kaže, da se že hitro približujemo dnevu, ko je tudi analiza podatkov v realnem času premajhna, za nekatere primere uporabe je prepozno. Kmalu bomo potrebovali in pričakovali proaktivne pomočnike - ali virtualne pomočnike -, ki ne samo napovedujejo, ampak dejansko predvidevajo, kaj bomo potrebovali ali želeli, še preden bomo to zaprosili. Zgodnji utrinki tega opažamo v nedavno objavljenem Googlovem "Proaktivnem pomočniku". Kaj IBM dela v smislu proaktivne analitike?
KH: To je področje, ki mu je IBM namenil veliko energije. Osredotočeni smo na zagotavljanje kognitivnih zmogljivosti, ki podjetjem pomagajo pri zagotavljanju koristnih izkušenj s strankami za B2C in B2B scenarije. Več primerov smo že obravnavali.
Verjamem, da so podjetja v preteklosti želela dobiti čim več ustreznih podatkov. Z eksplozijo podatkov, ki se je zgodila v zadnjih nekaj letih, zdaj imamo veliko podatkov. Težava je zdaj, kako vse te podatke uporabiti brez pristranskosti. Poleg tega moramo uravnotežiti zgodovinske podatke, ki jih vsebuje, recimo, sistem CRM, z realnostmi tega, kar zdaj potencialni kupec potrebuje. Ne moremo biti oslepljeni samo s tem, kar CRM sistem pravi, da je bil kupljen že prej.
Kognitivni lahko omogoča nov CRM ali vsaj učinkovito spremenljivko v celotni odločitvi. Podjetja imajo lahko na tisoče podatkovnih točk na enem samem B2B ali celo B2C odjemalcu. Toda pri tem zgodovinskem pogledu je treba upoštevati zelo malo podatkovnih točk, ki so morda najpomembnejše v trenutku, ko stranka razmišlja o nakupu. To lahko vključuje spremenljivke, kot so namera, čustva, trendi in drugi zunanji dejavniki.
Da bi napovedali naslednje najboljše ukrepe, mora vsako podjetje oceniti vzorce nakupa svojih strank in ugotoviti, kdaj trenutne ali predvidljive resničnosti njihovega okolja trpijo pretekle podatke o CRM. To je proaktivna analitična vizija, v katero si prizadeva IBM.
