Video: Ущелье IronBridge | Больше музеев | Полный гид для посетителей (2) (Prosinac 2024)
Umjetna inteligencija (AI) koristila je frazu koja se koristila gotovo isključivo znanstvenom fantastikom da bi napajala bilo što, od superračunala opsjednutih Armageddonom, do nesretnih tvorničkih robota koje su osjetili gromovi. Ali danas se AI koristi za opisivanje bliske budućnosti gotovo svakog aspekta poslovanja koji koristi podatke organizacije. Problem je u tome što, sličan ranim danima računalstva u oblaku, programeri AI tehnologije to obično definiraju različito. To je stvorilo zbunjujuće marketinške materije od AI, strojnog učenja (ML), prediktivne analize, pa čak i virtualnih pomoćnika.
Uz to, teško je kretati se tačno kako će ove tehnologije utjecati na različite aspekte poslovanja. E-trgovina jedno je od ključnih područja u kojem su AI i s njim povezane tehnologije dugo utjecale iza kulisa. U elektroničkoj trgovini pametna analitika pružala je nove mogućnosti, od personaliziranog iskustva kupovine do prediktivne analize ponašanja kupaca. Razgovarali smo s Krisom Hamrickom, izvršnim predstavnikom poslovne jedinice zaduženim za IBM-ovo angažiranje korisnika Watsona, kako bismo riješili neke nejasnoće oko AI-ja i e-trgovine. Također smo razgovarali o tome kako će Big Blue utjecati na IBM Watson u prostoru e-trgovine.
PCMag: Hvala vam što ste odvojili vrijeme za razgovor s nama. Za početak, jednostavno je zbuniti personalizirano oglašavanje s "kognitivnom trgovinom", jer oboje uključuju korištenje podataka i analitike da bi se ponude uskladile sa željama i navikama kupaca. Također je uobičajeno brkati kognitivnu trgovinu i virtualizirane pomoćnike poput Amazonove Alexa i Google Assistant-a. Kako IBM gleda na razlike između tih koncepata usmjerenih na AI?
Dopustite mi da objasnim kako IBM razlikuje AI od kognitivnog računanja. AI je sposobnost računala da razumije i rasuđuje poput čovjeka. Kognitivno računanje uključuje sposobnost razumijevanja, razmišljanja, učenja i interakcije, okupljajući čovjeka i stroj tako da uče jedni od drugih i komuniciraju na način koji je moćniji u kombinaciji.
Podaci utiraju put AI. Što je sa svim tim podacima izvan jedne aplikacije, preko poslovnih jedinica, vanjskih izvora, mračnih podataka i više? Živimo u svijetu različitih sustava koji, kada se kombiniraju, kada se uspostave veze preko podataka ili identificiraju novi obrasci, mogu pružiti vrijednost 1 + 1 = 3. Ono što Watson čini jedinstvenim je njegov pristup svim tim različitim izvorima podataka, u kombinaciji s kognitivnim sposobnostima za interakciju s ljudima, razumijevanje poslovnih pitanja, otkrivanje razloga akcije i, na kraju, učenje iz te interakcije i korištenje tog učenja u budućim upitima.
Što se tiče personalizacije u odnosu na kognitivnu trgovinu, Watson omogućava korisnicima da nadiđu, recimo, analitiku zasnovanu na upravljanju odnosa s kupcima kako bi stekli dublji uvid i poduzeli dodatne informacije, poput mračnih podataka poput društvenih medija, chat sobe, prijepisa usluga za kupce i drugih podaci koji bi se mogli dodati modernim CRM-ovima. Pomoću Watsona kampanje mogu djelovati na detaljnije informacije i uvide, optimizirati stvari poput cijena, ispunjenja, izvršenja isporuke; predvidjeti izazove prije nego što se dese, i na kraju poboljšati KPI. Ovo eksponencijalno poboljšava sposobnost korisnika da rade zajedno kroz funkcionalna područja i ima bolji učinak na posao uz manje napora.
Poduzeća danas to pokušavaju učiniti resursima koje imaju. Imaju izvještaje, puno proračunskih tablica i mnogo sastanaka o svim tim podacima i njihovoj intuiciji. Ali u konačnici se u mnogim slučajevima izvršavaju na temelju kognitivne pristranosti - što znači da filtriraju sve podatke i buku kako bi pronašli podatke koji odgovaraju načinu na koji su to radili prije. Učinkovito, to je pristranost koja oblikuje odluku, a ne podatke.
Da sumiramo, unutar Watson Engagement kupca, mi ugrađujemo kognitivne sposobnosti u procese kako bi maksimizirali poslovne rezultate, poboljšali odluke o trgovini / cijenama i optimizirali cijeli lanac opskrbe. Klijenti također mogu pristupiti istim Watson-ovim programskim sučeljima izravno kako bi omogućili vlastite naslijeđene aplikacije i procese s kognitivnim mogućnostima. Najvažnije je da Watson površno analizira, preporučuje akcije i objašnjava zašto .
PCMag: B2B trgovina je vjerojatno stroža od B2C-a u smislu automatizacije i skaliranja ponuda i cijena, uvjeta i transakcija. Na primjer, dok potrošači kupuju cijene, tvrtke će dodati pregovore o teškim cijenama i čak očekivati sladila s dogovorom iznad kupovine cijena. Kako je kognitivna trgovina ili kognitivno računanje spremno promijeniti način poslovanja B2B? I kako će to sadržavati troškove za kupce i poboljšati profit prodavačima?
KH: B2B trgovina je sjajan primjer kako se preduzeće nauči iskoristiti neke nevjerojatne revolucije koje se događaju u svijetu B2C kako bi maksimizirali dobit i pružili bolje iskustvo kupcima i partnerima u trgovanju. Poduzeća koja prodaju malim i srednjim poduzećima imaju neke iste izazove kao i njihovi maloprodajni kolege, uključujući erozu marže, sukobe kanala, zadovoljstvo kupaca, "efekt Amazona" (putem Amazon Business), omogućavajući kupcima da odaberu željeni put kupovine, omogućavajući prodajni ljudi da se usmjere na prave mogućnosti pružanjem transakcijskog kanala i slično.
Prvi korak je pružiti svojim partnerima i kupcima bolje opće iskustvo od vaše konkurencije i visoke razine usluge kupcima koju ljudi očekuju u ovaj dan i dob. Ako sam vaš kupac, to znači da ćete morati znati moje pregovaračke uvjete cijena, povijest moje kupovine, pokazati mi proizvode ili ponude koji su relevantni za moje poslovanje i omogućiti mi da koristim ove proizvode i usluge u kupcu - prijateljsko rješenje. Kognitivne sposobnosti mogu se i trebaju biti tkane u cijelom lancu vrijednosti da bi se ispunili ovi ciljevi.
Danas se to događa u mnogim industrijama. Da biste otišli korak dalje, poduzmite pitanje izvan samo "transakcije" i počnite razmatrati što znači B2B u raznim industrijama i kako oni uslužuju svoje kupce.
Na primjer, vodeći proizvođači mogu predvidjeti vremenske obrasce kako bi se izbjegli poremećaji u lancu opskrbe i nestašica zaliha tijekom lansiranja proizvoda. Jedan od naših klijenata, Kone, koristi IoT podatke iz dizala kako bi predvidio habanje i prioritetno održavanje prije pada servisa. Na području medicine, Quest Diagnostics koristi Watson-a za analizu biopsije pojedinog tumora i usporedbu DNA sekvenciranja s milijunima stranica medicinskih časopisa, istraživačkih radova i kliničkih ispitivanja kako bi onkologu osigurao najbolju preporuku za liječenje tog pacijenta, Ti su se primjeri očito vrlo različiti, ali to samo naglašava da su mogućnosti beskrajne. Tek smo na početku kognitivnog putovanja. Tek počinjemo otkrivati više načina na koje ova tehnologija može poboljšati odnose između poduzeća i njihovih kupaca.
PCMag: Digitalna transformacija se događa nepristojno svugdje i stvara znatno više podataka nego što smo ikada vidjeli. No znanstvenici s podacima vjeruju - a čini se da se IBM slaže - podaci ne bi trebali postojati izolirano, jer njihova vrijednost uvelike leži u dodavanju smislene dubine i konteksta složenim upitima. Zašto je Watson jedinstven za rad s različitim podacima i složenim pitanjima?
KH: Kao što smo ranije raspravljali, 88 posto svih podataka učinkovito je tamno. Znači, podaci koji sadrže uvide za koje svi težimo nisu u izvorima podataka koji su lako probaviti ili filtrirati. Nadalje, znanstvenici s podacima skupi su resursi i ne usuđuju ih jednostavno obuhvatiti cijela poduzeća ili manje tvrtke.
S Watsonom, cilj je uzeti ove mračne podatke i učiniti ih djelotvornima za one koji ih trebaju. Mogućnosti su beskrajne. Watson ima jedinstvene sposobnosti konzumiranja velike količine strukturiranih i nestrukturiranih podataka na različitim jezicima, djelovati na podatke s mnoštvom kognitivnih usluga, optimizirati iskustvo za bilo koju publiku, od poslovnih korisnika do potrošača, i pružati iste usluge drugim kompanijama u okviru njihovih aplikacija.
Ovdje je puno primjera. Za prvo, "Watson analizator tona" omogućava jezičnu analizu sadržaja koja može otkriti i razumjeti tonove u razgovorima i komunikacijama kako bi mogla odgovoriti na odgovarajući način. "Watson Personality Insights" izvlači osobine ličnosti na temelju načina na koji osoba piše. "Watson Conversation" omogućuje vam postavljanje bot-a ili virtualnog agenta preko uređaja, platforme za razmjenu poruka poput Slack-a ili čak na robota.
I "Watson vizualno prepoznavanje" razumije sadržaj slika. To mi je jedan od najdražih jer je tako svestran. Možete upotrijebiti Visual Recognition da otkrijete određenu vrstu haljine u maloprodaji, identificirate pokvareno voće u inventaru trgovine, analizirate štetu koju je granata na krov jednog od klijenata osiguranja, i još mnogo toga.
PCMag: U tijeku je demokratizacija podataka - ili barem planirana - u većini organizacija danas. Ali obrnuto - konzumiranje podataka - također je u porastu, jer potrošači svakodnevno donose više odluka usmjerenih na podatke. Koje uloge mogu odigrati ili mogu Watson i kognitivna trgovina u ovom trendu konzumiranja podataka?
KH: To je sjajna poenta: Podaci se ne upotrebljavaju samo za pokretanje više poslovnih odluka, već i za više potrošačkih odluka. Kao i tvrtke, potrošači žele više podataka da bi se informirali, ali ne žele trošiti puno vremena i energije prosijavajući više podataka. Žele brzi rezultat i znaju da je to optimalna odluka na temelju onoga što im je potrebno u tom trenutku. I na kraju, žele uvidjeti u koje su podatke informirali tu odluku.
Nekoliko primjera: Prvo, 1-800-Flowers nedavno je predstavio "Gwyn" kao osobnog vratara kako bi kupcima pomogao u pronalaženju najboljeg proizvoda na temelju osjećaja i osobnih preferencija primatelja poklona. Koristeći Watson, Gwyn može komunicirati s mrežnim kupcima koristeći prirodni jezik. Na primjer, kupac može upisati "Tražim poklon za svoju majku", a Gwyn će moći protumačiti to pitanje, a zatim postaviti nekoliko kvalificiranih pitanja o prigodi i osjećaju kako bi osigurala da ona osigurava odgovarajući i prilagođen prijedlog poklona svakom kupcu. To personalizira katalog, pokazuje manje podataka kupcu i posebno usredotočuje interakciju na ono što kupac želi postići u tom trenutku.
Slično tome, North Face pruža interaktivni, na dijalogu temeljen pristup svojim kupcima. Vjerojatno ne biste pomislili da su jakne složen proizvod, ali jesu. Mnogo je čimbenika poput raspona vremena, razine aktivnosti i pokretljivosti koje kupac u početku možda neće razmotriti. Koristeći Watsonove sposobnosti primjene logičkog rasuđivanja i njegove sposobnosti razumijevanja, kategorizacije i procjene prirodnog jezika, North Face sustav postavlja kratki niz preciznih pitanja kako bi isporučio prilagođene preporuke proizvoda i sadržaja koje odgovaraju artikuliranim željama i preferencijama kupca. Navodi se i razlog zašto značajke proizvoda odgovaraju onim specifičnim potrebama. Ovo otkriva podatke potrebne za potvrdu preporuke.
Čvrsto smo uvjereni da kupci očekuju ovu razinu prilagođene, personalizirane usluge na svim kanalima. Žele da to iskustvo bude više razgovor, iskustvo tamo gdje ih pitaju "Kako vam danas mogu pomoći?" Ovo je poput usluge koju dobivate kada uđete u maloprodajnu trgovinu koja je poznata po izvrsnoj usluzi kupcima. Tvrtke koje su u stanju pružiti najbolja iskustva s markom, u konačnici će biti one koje prikupe najviše tržišnih udjela.
PCMag: Čini se da se već ubrzano približavamo dan kad je čak i analiza podataka u stvarnom vremenu premala, prekasno za neke slučajeve korištenja. Uskoro ćemo trebati i očekujemo proaktivne pomoćnike - ili virtualne pomoćnike - koji ne samo da predviđaju, nego zapravo predviđaju ono što ćemo trebati ili želimo i prije nego što to zatražimo. Rani bljesak toga vidimo u Googleovom nedavno najavljenom "Proaktivnom pomoćniku". Što IBM radi u pogledu proaktivne analitike?
KH: Ovo je područje kojem je IBM posvetio puno energije. Usredotočeni smo na pružanje kognitivnih sposobnosti koje pomažu tvrtkama da pruže korisna iskustva o angažmanu kupaca i za B2C i za B2B scenarije. Već smo raspravljali o nekoliko primjera.
Vjerujem da su tvrtke povijesno htjele pristupiti što većem broju relevantnih podataka. S eksplozijom podataka koja se dogodila u posljednjih nekoliko godina, sada imamo puno podataka. Sada je problem kako sve ove podatke učiniti upotrebljivim bez pristranosti. Pored toga, moramo uravnotežiti povijesne podatke sadržane u, recimo, CRM sustavu, s realnostima onoga što potencijalnom kupcu sada treba. Ne možemo se zaslijepiti samo onim što CRM sustav kaže da je kupljen prije.
Kognitivni može omogućiti novi CRM ili barem biti djelotvorna varijabla u ukupnoj odluci. Tvrtke mogu imati tisuće podatkovnih točaka na bilo kojem B2B ili čak B2C kupcu. Ali ovaj povijesni prikaz treba uzeti u obzir vrlo malo podataka koji su možda najvažniji u trenutku kada kupac razmišlja o kupnji. To može uključivati varijable poput namjere, emocija, trendova i drugih vanjskih čimbenika.
Kako bi se moglo predvidjeti sljedeće najbolje djelovanje, svako poduzeće mora procijeniti modele kupovine svojih kupaca i odrediti kada trenutne ili predvidive stvarnosti u njihovom okruženju trpe povijesne CRM podatke. To je proaktivna analitička vizija prema kojoj IBM radi.
