Vídeo: Мой HONDA INSIGHT. Единственный в мире на механике + HKS Supercharger STAGE2 + Hybrid (De novembre 2024)
La intel·ligència artificial (AI) solia ser una frase utilitzada gairebé exclusivament en la ciència ficció per alimentar qualsevol cosa, des dels supercomputadors obsessionats amb Armageddon fins als robots de fàbrica desagradables fets amb raigs errants. Però avui en dia, AI s’utilitza per descriure el futur proper de pràcticament tots els aspectes del negoci que aprofiten les dades d’una organització. El problema és que, similar als primers dies de la computació en núvol, els desenvolupadors de tecnologia de l'AI tendeixen a definir-la de manera diferent. Això ha fet que es produeixi confusió de màrqueting de màrqueting en AI, aprenentatge automàtic (ML), analítica predictiu i fins i tot assistents virtuals.
A més, exactament com aquestes tecnologies afectaran diferents aspectes del negoci s’ha convertit en un paisatge difícil de navegar. El comerç electrònic és una àrea clau en la qual l'AI i les seves tecnologies relacionades han tingut un impacte rere escena. Al comerç electrònic, les analítiques intel·ligents han estat proporcionant noves capacitats, des d’experiències de compres personalitzades fins a anàlisis de comportament dels clients predictius. Hem parlat amb Kris Hamrick, l'executiu de la Unitat de Negocis encarregada del Watson Customer Engagement d'IBM, per esborrar algunes de les confusions que envolten l'AI i el comerç electrònic. També es va parlar de com aprofitarà Big Blue a IBM Watson en l’espai de comerç electrònic.
PCMag: Gràcies per prendre el temps per parlar amb nosaltres. Per començar, és fàcil confondre la publicitat personalitzada amb el "comerç cognitiu", ja que ambdós consisteixen en utilitzar dades i analítiques per adaptar les ofertes a les preferències i hàbits del client. També és habitual confondre el comerç cognitiu i els assistents virtualitzats com Alexa i Google Assistant d'Amazon. Com veu IBM les diferències entre aquests conceptes basats en IA?
Permetin-me explicar com IBM diferencia IA de la informàtica cognitiva. L’AI és la capacitat d’un ordinador d’entendre i raonar com un ésser humà. La informàtica cognitiva comporta la capacitat d’entendre, raonar, aprendre i interactuar, reunint l’home i la màquina perquè aprenguin els uns dels altres i interaccionin d’una manera més potent quan es combinen.
Les dades obren el camí cap a la IA. Què passa amb totes aquelles dades fora d’una aplicació, en unitats de negoci, fonts externes, dades fosques i molt més? Vivim en un món de sistemes diferents que, quan es combinen, quan es fan connexions a través de dades o nous patrons identificats, poden proporcionar el valor d’1 + 1 = 3. El que fa que Watson sigui únic és el seu accés a totes aquestes fonts de dades diferents, combinades amb les capacitats cognitives per interactuar amb els humans, comprendre les preguntes empresarials, descobrir la raó de l’acció i, finalment, aprendre d’aquesta interacció i utilitzar aquest aprenentatge en futures consultes.
Pel que fa a la personalització vers el comerç cognitiu, Watson permet als usuaris anar més enllà, per exemple, de la gestió de relacions amb els clients, basats en analítiques basades en una visió més profunda i actuar sobre més informació, com ara dades fosques com les xarxes socials, les sales de xat, les transcripcions d’atenció al client i altres dades que es poden afegir als CRM moderns. Amb Watson, les campanyes poden treballar amb informació i informació més granulars, optimitzar coses com ara preus, compliment, execució d'enviament; anticipar-se als reptes abans que passin i, finalment, millorar els KPI. Això millora exponencialment la capacitat dels usuaris de treballar junts en àrees funcionals i tenir un millor impacte en el negoci amb menys esforç.
Les empreses intenten fer-ho avui amb els recursos de què disposen. Tenen informes, molts fulls de càlcul i moltes reunions sobre totes aquestes dades i la seva intuïció. Però, en última instància, en molts casos s’executen basant-se en un biaix cognitiu, cosa que significa que filtren totes les dades i el soroll per trobar dades que s’ajusten a les coses que s’han fet abans. Efectivament, això és un biaix a l’hora de donar forma a la decisió, no pas de dades.
En resum, dins de Watson Customer Engagement, incorporem capacitats cognitives en processos per maximitzar el rendiment empresarial, millorar les decisions de merchandising / fixació de preus i optimitzar tota la cadena de subministrament. Els clients també poden accedir directament a les mateixes interfícies de programació d'aplicacions de Watson per habilitar les seves pròpies aplicacions i processos heretats amb capacitats cognitives. El més important, Watson superficialitza les anomalies, recomana accions i explica per què .
PCMag: el comerç B2B és probablement més complicat que B2C en termes d’automatització i escalat d’ofertes i preus, termes i transaccions. Per exemple, mentre que els consumidors comprin preus, les empreses afegiran negociacions de preus difícils i fins i tot esperaran edulcorants sobre les compres de preus. Com s’opina el comerç cognitiu o la informàtica cognitiva per canviar com es fan els tractes B2B? I com pot contenir els costos dels compradors i millorar els beneficis dels venedors?
KH: El comerç B2B és un bon exemple de com l'empresa està aprenent a aprofitar algunes de les sorprenents revolucions que es produeixen al món B2C per maximitzar els beneficis i proporcionar millors experiències comercials i de clients. Les empreses que venen a petites i mitjanes empreses tenen alguns dels mateixos reptes que tenen els seus homòlegs minoristes, com ara l’erosió del marge, els conflictes de canals, la satisfacció dels clients, l’efecte “Amazon” (a través d’Amazon Business), permetent als clients triar la ruta de compra desitjada, permetent vendes de gent per centrar-se en les oportunitats adequades proporcionant un canal transaccional i similars.
El primer pas és proporcionar als vostres socis i clients una experiència global millor que la vostra competència i els alts nivells d’atenció al client que la gent espera en aquests dies i en aquesta època. Si sóc el vostre client, això vol dir que haureu de conèixer els meus termes de preus negociats, el meu historial de compres, mostrar-me els productes o ofertes rellevants per al meu negoci i permetre’m consumir aquests productes i serveis en un client. solució amable. Les capacitats cognitives poden i s’han de teixir al llarg de tota la cadena de valor per assolir aquests objectius.
Avui dia, estem veient que això succeeix en moltes indústries. Per fer un pas més, plantegeu-vos la pregunta més enllà d’una simple "transacció" i comenceu a plantejar-vos què significa B2B en diverses indústries i com presten servei als seus clients.
Per exemple, els principals fabricants poden anticipar-se als patrons meteorològics per evitar trastorns de la cadena de subministrament i escassetat d’inventaris durant el llançament d’un producte. Un dels nostres clients, Kone, està utilitzant les dades IoT dels ascensors per preveure el desgast i prioritzar el manteniment davant una interrupció del servei. En el camp mèdic, Quest Diagnostics està utilitzant Watson per analitzar la biòpsia del tumor d’un individu i comparar la seqüenciació d’ADN amb milions de pàgines de revistes mèdiques, treballs de recerca i assajos clínics per proporcionar a un oncòleg la millor recomanació de tractament per a aquell pacient en concret..
Aquests exemples, òbviament, són àmpliament diferents, però només emfatitza que les possibilitats són infinites. Només estem al començament del viatge cognitiu. Comencem a descobrir les maneres que aquesta tecnologia pot ajudar a millorar les relacions entre les empreses i els seus clients.
PCMag: La transformació digital s'està produint a un ritme frenètic a tot arreu i està creant molt més dades de les que hem vist mai. Però els científics de dades creuen -i sembla que IBM coincideix- que les dades no haurien d’existir de forma aïllada, ja que el seu valor rau en gran mesura en afegir profunditat i context significatius a consultes complexes. Per què Watson és adequat per treballar amb dades diferents i consultes complicades?
KH: Com ja hem comentat anteriorment, el 88 per cent de totes les dades són efectivament fosques. És a dir, les dades que contenen els coneixements que ens esforcem a trobar no es troben en fonts de dades fàcils de digerir o filtrar. A més, els científics de dades són recursos cars i no escalen fàcilment els seus aprenentatges a través d'un negoci complet o en empreses petites.
Amb Watson, l’objectiu és agafar aquestes dades fosques i fer-ho actuable per a qui ho necessiti. Les possibilitats són infinites. Watson té habilitats úniques per consumir grans quantitats de dades estructurades i no estructurades en diferents idiomes, actuar sobre les dades amb multitud de serveis cognitius, optimitzar l'experiència per a qualsevol audiència des d'usuaris de negocis fins a consumidors i proporcionar aquests mateixos serveis perquè altres empreses s'embruten. dins de les seves aplicacions
Hi ha molts exemples aquí. Per un primer lloc, el "Watson Tone Analyzer" permet una anàlisi de contingut lingüístic que pot detectar i entendre els tons de les converses i comunicacions per respondre adequadament. "Watson Personality Insights" extreu les característiques de la personalitat en funció de com escriu una persona. La "conversa Watson" us permet desplegar un bot o un agent virtual en dispositius, plataformes de missatgeria com Slack, o fins i tot en un robot.
I "Reconeixement Visual Watson" entén el contingut de les imatges. Aquest és un dels meus preferits perquè és tan versàtil. Podeu utilitzar Reconeixement visual per detectar un tipus de vestit en una botiga al detall, identificar fruites malmeses a l’inventari d’una botiga de queviures, analitzar els danys que va provocar una tempesta de calamarsa al terrat d’un dels vostres clients d’assegurances i molt més.
PCMag: La democratització de les dades està en marxa, o almenys planificada, en la majoria d’organitzacions actuals. Però la visió lateral (la consumització de dades) també està a l’alça, ja que els consumidors prenen decisions més basades en les dades cada dia. Quins són els papers que poden jugar Watson i el comerç cognitiu en aquesta tendència de consum de dades?
KH: Aquest és un gran punt: les dades no s’utilitzen només per impulsar més decisions empresarials, sinó que també impulsen més decisions sobre els consumidors. Igual que les empreses, els consumidors volen més dades per prendre opcions més informades, però no volen dedicar molt temps i energia a través de més dades. Volen un resultat ràpid i que sàpiguen que és la decisió òptima en funció del que necessiten en aquest moment. Finalment, volen visibilitat sobre les dades que van informar sobre aquesta decisió.
Un parell d’exemples: En primer lloc, 1-800-Flowers van introduir recentment "Gwyn" com a bot de consergeria personal per ajudar els compradors a trobar el millor producte basat en el sentiment i les preferències personals del destinatari del regal. Amb Watson, Gwyn pot interactuar amb clients en línia mitjançant un llenguatge natural. Per exemple, un client pot escriure "Estic buscant un regal per a la meva mare" i Gwyn podrà interpretar aquesta pregunta i, a continuació, plantejar-se diverses preguntes qualificatives sobre l'ocasió i el sentiment per assegurar-se que ofereixi un procés adequat. i suggeriments de regals a mida per a cada client. Això personalitza el catàleg, mostra menys dades per al comprador i centra la interacció específicament en allò que el comprador vol aconseguir.
De la mateixa manera, The North Face proporciona un enfocament interactiu i basat en el diàleg per ajudar els seus clients. Probablement no us penseu que les jaquetes siguin un producte complicat, però ho són. Hi ha molts factors com el ventall del temps, el nivell d’activitat i la mobilitat que un client pot considerar inicialment. Utilitzant les habilitats de Watson per aplicar raonament lògic i la seva capacitat per comprendre, categoritzar i avaluar el llenguatge natural, el sistema North Face planteja una breu sèrie de preguntes refinades per oferir recomanacions de contingut i de productes a mida que s’ajusten als desitjos i preferències articulats del comprador. També indica la raó per la qual les característiques del producte coincideixen amb aquestes necessitats específiques. Això exposa les dades que necessiteu per validar la recomanació.
Creiem ferm que els clients esperen aquest nivell de servei personalitzat a tots els canals. Volen que l’experiència sigui més una conversa, una experiència, on se’ls demani "Com puc ajudar-vos avui?" Això és com el servei que obteniu quan entreu a una botiga minorista coneguda per un servei d’atenció al client excel·lent. Les empreses que siguin capaços d’aportar les millors experiències de marca seran, en definitiva, les que més captenen la quota de mercat.
PCMag: Sembla que ja ens apropem ràpidament a un dia en què fins i tot l’anàlisi de dades en temps real és massa poca, massa tard per a alguns casos d’ús. Aviat necessitarem i esperem assistents proactius o assistents virtuals, que no simplement preveuen, sinó que anticipen el que necessitarem o desitjarem fins i tot abans que ho demanem. El recentment anunciat Google "Asistent proactiu" veiem els primers glamers d'això. Què fa IBM en termes d’analítica proactiva?
KH: Aquest és un àmbit a què IBM ha dedicat molta energia. Ens hem centrat a proporcionar capacitats cognitives que ajudin a les empreses a oferir experiències de compromís amb els clients tant importants com en escenaris B2C i B2B. Ja hem parlat de diversos exemples.
Crec que històricament les empreses han volgut accedir a la major quantitat de dades rellevants possible. Amb l'explosió de dades que s'ha produït durant els últims anys, ara tenim moltes dades. El problema ara és com fer servir totes aquestes dades sense prejudicis. A més, hem d’equilibrar les dades històriques contingudes en un sistema de CRM amb les realitats del que ara necessita un comprador potencial. No podem deixar-nos cegar només del que diu el sistema CRM que ha comprat abans.
El cognitiu pot habilitar un nou CRM o, com a mínim, una variable efectiva en la decisió general. És possible que les empreses tinguin milers de punts de dades sobre qualsevol client B2B o fins i tot B2C. Però aquesta visió històrica ha de tenir en compte els pocs punts de dades que poden ser més importants en el moment en què el client es planteja una compra. Això pot incloure variables com la intenció, les emocions, les tendències i altres factors externs.
Per predir la propera millor acció, cada empresa ha de valorar els patrons de compra dels seus clients i determinar quan les realitats actuals o previsibles del seu entorn trontollen les dades de la CRM històrica. Aquesta és la visió d’analítica proactiva en què treballa IBM.
