Відео: Artificial Intelligence (Листопад 2024)
Штучний інтелект (AI) використовувався як фраза, що використовується майже виключно в науковій фантастиці для того, щоб живити чим завгодно, від одержимих Армагеддоном суперкомп'ютерів, до нещасних заводських роботів, розчулених непорядними блискавками. Але сьогодні AI використовується для опису найближчого майбутнього практично кожного аспекту бізнесу, який використовує дані організації. Проблема полягає в тому, що, як і в перші дні хмарних обчислень, розробники AI-технологій кожен, як правило, визначають це по-різному. Це зробило заплутаний маркетинговий банаж із AI, машинного навчання (ML), прогнозної аналітики та навіть віртуальних помічників.
Крім того, саме те, як ці технології впливатимуть на різні аспекти бізнесу, стало складним орієнтацією на орієнтацію. Електронна комерція - одна з ключових сфер, в якій AI та пов'язані з цим технології вже давно вплинули за лаштунками. У сфері електронної комерції розумна аналітика надає нові можливості - від персоналізованого досвіду покупок до прогнозного аналізу поведінки покупців. Ми розмовляли з Крісом Гамріком, керівником підрозділу, відповідальним за залучення клієнтів IBM Watson, щоб усунути деяку плутанину навколо AI та електронної комерції. Ми також обговорили, як Big Blue буде використовувати IBM Watson у просторі електронної комерції.
PCMag: Дякуємо, що знайшли час, щоб поговорити з нами. Для початку, легко сплутати персоналізовану рекламу з "когнітивною комерцією", оскільки обидва передбачають використання даних та аналітики для відповідності пропозицій споживчим уподобанням та звичкам. Також часто плутати когнітивну комерцію та віртуалізовані помічники, такі як Alexa Amazone та Google Assistant. Як IBM розглядає відмінності між цими концепціями, керованими AI?
Дозвольте пояснити, як IBM відрізняє AI від когнітивних обчислень. AI - це здатність комп’ютера розуміти і міркувати, як людина. Когнітивні обчислення включають здатність розуміти, міркувати, вчитися та взаємодіяти, поєднуючи людину та машину, щоб вони навчалися один у одного та взаємодіяли таким чином, який є більш потужним у поєднанні.
Дані прокладають шлях для ШІ. Що з усіма цими даними поза однією програмою, через бізнес-підрозділи, зовнішні джерела, темні дані тощо? Ми живемо у світі розрізнених систем, які, поєднуючись, коли з'єднання здійснюються через дані або визначають нові шаблони, можуть забезпечити значення 1 + 1 = 3. Що робить Уотсона унікальним, це його доступ до всіх цих різних джерел даних у поєднанні з когнітивними здібностями взаємодіяти з людьми, розуміти ділові питання, виявляти причину дії та, нарешті, вчитися на цій взаємодії та використовувати це навчання у майбутніх запитах.
Що стосується персоналізації та когнітивної комерції, Watson дозволяє користувачам вийти за рамки, скажімо, аналітики на основі управління відносинами з клієнтами, щоб отримати більш глибоке розуміння та вжити заходів щодо отримання додаткової інформації, наприклад темних даних, таких як соціальні медіа, чати, стенограми обслуговування клієнтів та ін. дані, які можуть бути додані до сучасних CRM. Використовуючи Watson, кампанії можуть працювати з більш детальною інформацією та уявленнями, оптимізувати такі речі, як ціноутворення, виконання, виконання доставки; передбачити виклики, перш ніж вони відбудуться, і в кінцевому рахунку покращити показники KPI. Це експоненціально покращує здатність користувачів працювати разом у різних функціональних сферах та мати кращий вплив на бізнес із меншими зусиллями.
Підприємства намагаються зробити це сьогодні за допомогою ресурсів, які вони мають. У них є звіти, багато електронних таблиць та багато зустрічей про всі ці дані та їх інтуїцію. Але, зрештою, у багатьох випадках вони виконуються на основі когнітивного ухилу - це означає, що вони фільтрують усі дані та шум, щоб знайти дані, що відповідають тому, як це було зроблено раніше. Ефективно, це упередженість, що формує рішення, а не дані.
Підводячи підсумок, в рамках залучення клієнтів Watson ми вкладаємо когнітивні можливості в процеси, щоб досягти максимальної ефективності бізнесу, покращити рішення щодо мерчандайзингу / ціноутворення та оптимізувати весь ланцюжок поставок. Клієнти також можуть отримувати доступ до тих же інтерфейсів програмування Уотсона безпосередньо, щоб включити власні застарілі програми та процеси з когнітивними можливостями. Найголовніше, що Уотсон покриває аномалії, рекомендує дії та пояснює, чому .
PCMag: Торгівля B2B, мабуть, була складнішою, ніж B2C в частині автоматизації та масштабування пропозицій та цін, умов та транзакцій. Наприклад, поки споживачі купують ціни, бізнес додаватиме жорсткі переговори про ціноутворення і навіть очікує, що підсолоджувачі угод перевершують ціни на покупки. Як когнітивна комерція чи когнітивні обчислення налаштовані на те, щоб змінити спосіб ведення B2B угод? І як це буде містити витрати для покупців та покращити прибуток для продавців?
KH: Торгівля B2B - чудовий приклад того, як підприємство вчиться використовувати деякі дивовижні революції, що відбуваються у світі B2C, щоб максимізувати прибутки та забезпечити кращий досвід торгівлі клієнтами та партнерами. У підприємств, що продають малий середній бізнес, виникають ті ж самі проблеми, що й у їхніх роздрібних колег, включаючи ерозію маржі, конфлікти каналів, задоволеність клієнтів, "ефект Amazon" (через Amazon Business), дозволяючи клієнтам обирати бажаний шлях покупки, дозволяючи продавців, щоб зосередитись на правильних можливостях, надаючи транзакційний канал тощо.
Перший крок - забезпечити своїм партнерам та клієнтам кращий загальний досвід, ніж ваша конкуренція та високий рівень обслуговування клієнтів, якого очікують люди в цей день та вік. Якщо я ваш клієнт, це означає, що вам потрібно знати мої умови узгодження цін, історію моїх закупівель, показати мені продукти чи пропозиції, що відповідають моєму бізнесу, і дозволити мені споживати ці продукти та послуги у клієнта, дружнє рішення. Когнітивні можливості можна і потрібно плести по всьому ланцюгу вартості для досягнення цих цілей.
Сьогодні ми спостерігаємо це у багатьох галузях. Щоб зробити крок далі, перейдіть до питання, що виходить за межі простої "транзакції", і почніть розглядати, що означає B2B у різних галузях промисловості та як вони обслуговують своїх клієнтів.
Наприклад, провідні виробники можуть передбачити зміни погоди, щоб уникнути перебоїв у ланцюгах поставок та нестачі запасів під час запуску продукції. Один з наших клієнтів, Kone, використовує дані IoT з ліфтів, щоб передбачити зношеність та визначити пріоритетне обслуговування перед відключенням сервісу. У галузі медицини Quest Diagnostics використовує Уотсона для аналізу біопсії пухлини людини та порівняння послідовності ДНК на мільйони сторінок медичних журналів, наукових праць та клінічних випробувань, щоб надати онкологу найкращі рекомендації щодо лікування саме цього пацієнта. .
Ці приклади, очевидно, дуже різні, але це лише підкреслює, що можливості нескінченні. Ми лише на початку пізнавальної подорожі. Ми тільки починаємо розкривати багато способів, якими ця технологія може допомогти покращити відносини між бізнесом та їхніми клієнтами.
PCMag: Цифрова трансформація відбувається з шаленими темпами скрізь і створює набагато більше даних, ніж ми коли-небудь бачили. Але науковці даних вважають - а IBM, схоже, погоджуються - що дані не повинні існувати у відриві, оскільки його значення в значній мірі полягає у додаванні змістовної глибини та контексту складним запитам. Чому Watson однозначно підходить для роботи з різними даними та складними запитами?
КХ: Як ми обговорювали раніше, 88 відсотків усіх даних фактично темні. Тобто, дані, які містять інформацію, яку ми всі прагнемо знайти, не містяться у джерелах даних, які легко засвоюються або фільтруються. Крім того, науковці з даних є дорогими ресурсами і не можуть легко масштабувати своє навчання у всьому бізнесі чи менших компаніях.
Мета Уотсона - взяти ці темні дані та зробити їх доступними для тих, хто цього потребує. Можливості безмежні. Уотсон має унікальні можливості споживати велику кількість структурованих та неструктурованих даних різними мовами, діяти на даних безліччю когнітивних послуг, оптимізувати досвід для будь-якої аудиторії від ділових користувачів до споживачів та надавати ці самі послуги іншим компаніям в межах своїх додатків.
Тут є багато прикладів. Для одного "Аналізатор тонів Ватсона" дає змогу провести мовний аналіз контенту, який може виявити та зрозуміти тони в розмовах та комунікаціях, щоб відповісти належним чином. "Ватсон Особисті дані" отримує характеристики особистості на основі того, як людина пише. "Watson Conversation" дозволяє розгорнути бота або віртуального агента на пристроях, платформах обміну повідомленнями, такими як Slack, або навіть на роботі.
І "Візуальне розпізнавання Ватсона" розуміє зміст зображень. Це один з моїх улюблених, тому що він такий універсальний. Ви можете використовувати візуальне розпізнавання для виявлення певного типу одягу в роздрібній крамниці, виявлення зіпсованих фруктів в інвентарі продуктового магазину, аналізу шкоди, яку нанесла град на даху одного з ваших страхових клієнтів та багато іншого.
PCMag: в більшості організацій сьогодні відбувається демократизація даних або, принаймні, планується. Але зворотний бік - споживання даних - також рухається вгору, оскільки споживачі щодня приймають більше керованих даними рішень. Які ролі відіграють Ватсон та когнітивна комерція у цій тенденції споживання даних?
KH: Це чудовий момент: дані не просто використовуються для стимулювання більшої кількості бізнес-рішень, це також сприяє більшій кількості споживчих рішень. Як і підприємства, споживачі хочуть отримати більше даних, щоб зробити більш усвідомлений вибір, але вони не хочуть витрачати багато часу і енергії на просіювання більше даних. Вони хочуть швидкого результату і знати, що це оптимальне рішення, виходячи з того, що їм потрібно в цей конкретний момент. Нарешті, вони хочуть зрозуміти, які дані повідомили про це рішення.
Кілька прикладів: По-перше, нещодавно 1-800-Flowers представила "Gwyn" як особистий консьєрж-бот, щоб допомогти покупцям у пошуку найкращого товару на основі настроїв та особистих уподобань одержувача подарунка. Використовуючи Watson, Gwyn може взаємодіяти з інтернет-клієнтами, використовуючи природну мову. Наприклад, клієнт може набрати "Я шукаю подарунок для своєї матері", і Гвінь зможе інтерпретувати це запитання, а потім задати низку кваліфікованих запитань щодо нагоди та настроїв, щоб переконатися, що вона надає відповідне та з урахуванням пропозиції подарунків для кожного клієнта. Це персоналізує каталог, показує менше даних для покупця і фокусує взаємодію саме на тому, що продавець хоче здійснити в цей момент.
Аналогічно, The North Face пропонує інтерактивний, заснований на діалозі підхід, щоб допомогти своїм покупцям. Ви, напевно, не вважали б куртки складними виробами, але вони є. Існує багато факторів, таких як діапазон погоди, рівень активності та рухливість, які покупець може не враховувати спочатку. Використовуючи вміння Уотсона застосовувати логічні міркування та його здатність розуміти, класифікувати та оцінювати природну мову, система North Face задає коротку серію уточнюючих питань, щоб надати спеціальні рекомендації щодо продукту та вмісту, що відповідають сформульованим бажанням та уподобанням покупця. Він також вказує причину того, що особливості продукту відповідають цим конкретним потребам. Це відкриває дані, необхідні для підтвердження рекомендації.
Ми твердо віримо, що клієнти очікують такого рівня персоналізованого персоналізованого обслуговування на всіх каналах. Вони хочуть, щоб цей досвід був більше розмовою, переживанням, де їх запитують "Як я можу вам сьогодні допомогти?" Це як послуга, яку ви отримуєте, коли ви заходите в магазин роздрібної торгівлі, відомий великим обслуговуванням клієнтів. Компанії, які здатні забезпечити найкращий досвід бренду, зрештою, стануть тими, хто займає найбільшу частку ринку.
PCMag: Видається, що ми вже швидко наближаємось до дня, коли навіть аналізу даних у режимі реального часу занадто мало, занадто пізно для деяких випадків використання. Нам незабаром знадобляться і очікують активних помічників - або віртуальних помічників - які не просто передбачать, але насправді передбачають, що нам потрібно чи хочемо ще до того, як ми попросимо цього. Ми бачимо ранні проблиски цього в нещодавно оголошеному Google "Проактивний помічник". Що IBM робить з точки зору активної аналітики?
КГ: Це сфера, якій IBM виділила багато енергії. Ми були зосереджені на наданні пізнавальних можливостей, які допомагають підприємствам отримувати важливий досвід взаємодії з клієнтами як для B2C, так і для B2B сценаріїв. Ми вже обговорювали кілька прикладів.
Я вважаю, що підприємства історично хотіли отримати доступ до якомога більше релевантних даних. З вибухом даних, який відбувся протягом останніх кількох років, зараз ми маємо багато даних. Зараз проблема полягає в тому, як зробити ці дані корисними без упереджень. Крім того, ми маємо збалансувати історичні дані, що містяться у, скажімо, системі CRM, з реаліями того, що потенційний покупець зараз потребує. Ми не можемо бути засліплені лише тим, що система CRM говорить, що вона була придбана раніше.
Пізнавальний може ввімкнути новий CRM або хоча б бути ефективною змінною в загальному рішенні. Компанії можуть мати тисячі точок даних про будь-якого клієнта B2B або навіть B2C. Але цей історичний погляд повинен враховувати дуже мало точок даних, які можуть бути найважливішими в той момент, коли клієнт розглядає покупку. Це може включати такі змінні, як наміри, емоції, тенденції та інші зовнішні фактори.
Для того, щоб спрогнозувати наступні найкращі дії, кожному бізнесу потрібно оцінити схему купівлі своїх клієнтів та визначити, коли поточні чи передбачувані реалії їхнього середовища обробляють історичні дані CRM. Це проактивне бачення аналітики, над яким працює IBM.
