Video: Artificial Intelligence, the History and Future - with Chris Bishop (Novembre 2024)
L'intelligenza artificiale (AI) era una frase usata quasi esclusivamente nella fantascienza per alimentare qualsiasi cosa, dai supercomputer ossessionati da Armageddon ai robot sfortunati della fabbrica resi senzienti da fulmini erranti. Ma oggi, l'IA viene utilizzata per descrivere il prossimo futuro praticamente di ogni aspetto del business che sfrutta i dati di un'organizzazione. Il problema è che, analogamente ai primi tempi del cloud computing, gli sviluppatori della tecnologia AI tendono a definirlo in modo diverso. Ciò ha reso confuso il marketing a causa dell'intelligenza artificiale, dell'apprendimento automatico (ML), dell'analisi predittiva e persino degli assistenti virtuali.
Inoltre, esattamente come queste tecnologie influenzeranno i diversi aspetti del business è diventato un panorama difficile da esplorare. L'e-commerce è un'area chiave in cui l'IA e le sue tecnologie correlate hanno avuto a lungo un impatto dietro le quinte. Nell'e-commerce, l'analisi intelligente ha fornito nuove funzionalità, dalle esperienze di acquisto personalizzate all'analisi comportamentale predittiva dei clienti. Abbiamo parlato con Kris Hamrick, dirigente della Business Unit responsabile del Watson Customer Engagement di IBM, per chiarire un po 'della confusione che circonda l'IA e l'e-commerce. Abbiamo anche discusso di come Big Blue farà leva su IBM Watson nello spazio e-commerce.
PCMag: Grazie per aver dedicato del tempo a parlare con noi. Per iniziare, è facile confondere la pubblicità personalizzata con il "commercio cognitivo" poiché entrambi implicano l'uso di dati e analisi per abbinare le offerte alle preferenze e alle abitudini dei clienti. È anche comune confondere il commercio cognitivo e gli assistenti virtualizzati come Alexa di Amazon e Google Assistant. In che modo IBM vede le differenze tra questi concetti basati sull'intelligenza artificiale?
Lasciami spiegare come IBM differenzia l'IA dal computing cognitivo. L'intelligenza artificiale è la capacità di un computer di comprendere e ragionare come un essere umano. Il cognitive computing implica la capacità di comprendere, ragionare, apprendere e interagire, unendo uomo e macchina in modo che imparino gli uni dagli altri e interagiscano in un modo più potente quando combinati.
I dati aprono la strada all'intelligenza artificiale. Che dire di tutti quei dati al di fuori di un'applicazione, tra unità aziendali, fonti esterne, dati oscuri e altro? Viviamo in un mondo di sistemi disparati che, se combinati, quando le connessioni vengono effettuate attraverso dati o vengono identificati nuovi schemi, può fornire il valore di 1 + 1 = 3. Ciò che rende unico Watson è il suo accesso a tutte queste diverse fonti di dati, combinato con le capacità cognitive per interagire con gli esseri umani, comprendere le domande di business, scoprire il motivo dietro l'azione e infine imparare da quella interazione e utilizzare quell'apprendimento nelle query future.
Per quanto riguarda la personalizzazione rispetto al commercio cognitivo, Watson consente agli utenti di andare oltre, diciamo, analisi basate sulla gestione delle relazioni con i clienti per ottenere informazioni più approfondite e agire su più informazioni, come dati scuri come social media, chat room, trascrizioni del servizio clienti e altro dati che potrebbero essere aggiunti ai CRM moderni. Usando Watson, le campagne possono funzionare da informazioni e approfondimenti più granulari, ottimizzare cose come prezzi, adempimento, esecuzione delle spedizioni; anticipare le sfide prima che si verifichino e, in definitiva, migliorare gli indicatori chiave di prestazione. Ciò migliora in modo esponenziale la capacità degli utenti di lavorare insieme in aree funzionali e avere un impatto migliore sul business con meno sforzi.
Le aziende stanno provando a farlo oggi con le risorse che hanno. Hanno rapporti, molti fogli di calcolo e molte riunioni su tutti quei dati e la loro intuizione. Ma alla fine, in molti casi, eseguono in base a un pregiudizio cognitivo, il che significa che filtrano attraverso tutti i dati e il rumore per trovare dati che si adattano al modo in cui le cose sono state fatte in precedenza. In effetti, questo è il pregiudizio che modella la decisione, non i dati.
Riassumendo, all'interno di Watson Customer Engagement, stiamo incorporando capacità cognitive nei processi per massimizzare le prestazioni aziendali, migliorare le decisioni di merchandising / pricing e ottimizzare l'intera catena di fornitura. I clienti sono anche in grado di accedere direttamente alle stesse interfacce di programmazione delle applicazioni Watson per abilitare le proprie applicazioni e processi legacy con capacità cognitive. Ancora più importante, Watson affronta le anomalie, raccomanda azioni e spiega perché .
PCMag: il commercio B2B è stato probabilmente più complicato di B2C in termini di automazione e ridimensionamento di offerte e prezzi, termini e transazioni. Ad esempio, mentre i consumatori acquistano i prezzi, le aziende aggiungono trattative sui prezzi rigide e si aspettano persino che i dolcificanti degli affari si aggiungano allo shopping sui prezzi. In che modo il commercio cognitivo o il cognitive computing sono pronti a cambiare il modo in cui vengono fatti gli affari B2B? E che cosa conterrà i costi per gli acquirenti e migliorerà i profitti per i venditori?
KH: il commercio B2B è un ottimo esempio di come l'impresa sta imparando a sfruttare alcune delle incredibili rivoluzioni che si verificano nel mondo B2C per massimizzare i profitti e fornire migliori esperienze di trading con clienti e partner. Le aziende che vendono alle piccole e medie imprese hanno alcune delle stesse sfide che hanno le loro controparti al dettaglio, tra cui l'erosione dei margini, i conflitti di canale, la soddisfazione dei clienti, l '"effetto Amazon" (tramite Amazon Business), consentendo ai clienti di scegliere il percorso di acquisto desiderato, consentendo i venditori devono concentrarsi sulle giuste opportunità fornendo un canale transazionale e simili.
Il primo passo è fornire ai tuoi partner e clienti un'esperienza complessiva migliore rispetto alla concorrenza e agli alti livelli di servizio clienti che le persone si aspettano in questi giorni. Se sono un tuo cliente, ciò significa che dovrai conoscere i miei termini di prezzo negoziati, la mia cronologia degli acquisti, mostrarmi i prodotti o le offerte pertinenti alla mia attività e consentirmi di consumare questi prodotti e servizi in un cliente- soluzione amichevole. Le capacità cognitive possono e devono essere intrecciate lungo l'intera catena del valore per raggiungere questi obiettivi.
Oggi stiamo assistendo a ciò in molti settori. Per fare un ulteriore passo avanti, porta la domanda oltre una semplice "transazione" e inizia a considerare cosa significa B2B in una varietà di settori e come servono i loro clienti.
Ad esempio, i principali produttori possono prevedere modelli meteorologici per evitare interruzioni della catena di approvvigionamento e carenze di inventario durante il lancio di un prodotto. Uno dei nostri clienti, Kone, sta usando i dati IoT degli ascensori per anticipare l'usura e dare priorità alla manutenzione prima di un'interruzione del servizio. In campo medico, Quest Diagnostics utilizza Watson per analizzare la biopsia del tumore di un individuo e confrontare il sequenziamento del DNA con milioni di pagine di riviste mediche, documenti di ricerca e studi clinici per fornire a un oncologo le migliori raccomandazioni terapeutiche per quel particolare paziente.
Questi esempi sono ovviamente molto diversi ma ciò sottolinea semplicemente che le possibilità sono infinite. Siamo solo all'inizio del viaggio cognitivo. Stiamo appena iniziando a scoprire i molti modi in cui questa tecnologia può aiutare a migliorare le relazioni tra le imprese e i loro clienti.
PCMag: la trasformazione digitale sta avvenendo a un ritmo frenetico ovunque e sta creando molti più dati di quanti ne abbiamo mai visti. Ma i data scientist credono - e IBM sembra concordare - che i dati non debbano esistere isolati poiché il loro valore risiede in gran parte nell'aggiungere profondità e contesto significativi a query complesse. Perché Watson è particolarmente adatto a lavorare con dati disparati e query complicate?
KH: Come abbiamo discusso in precedenza, l'88 percento di tutti i dati è effettivamente oscuro. Significato, i dati che contengono le intuizioni che tutti ci sforziamo di trovare non si trovano in fonti di dati facili da digerire o filtrare. Inoltre, i data scientist sono risorse costose e non scalano facilmente i loro apprendimenti in un'intera azienda o in aziende più piccole.
Con Watson, l'obiettivo è quello di prendere questi dati oscuri e renderli fruibili per chiunque ne abbia bisogno. Le possibilità sono infinite. Watson ha capacità uniche di consumare grandi quantità di dati strutturati e non strutturati in diverse lingue, agire sui dati con una moltitudine di servizi cognitivi, ottimizzare l'esperienza per qualsiasi pubblico dagli utenti aziendali ai consumatori e fornire questi stessi servizi per altre società da incorporare nelle loro applicazioni.
Ci sono molti esempi qui. Per uno, "Watson Tone Analyzer" consente un'analisi del contenuto linguistico in grado di rilevare e comprendere i toni nelle conversazioni e nelle comunicazioni al fine di rispondere in modo appropriato. "Watson Personality Insights" estrae le caratteristiche della personalità in base a come una persona scrive. "Conversazione Watson" consente di distribuire un bot o un agente virtuale su dispositivi, piattaforme di messaggistica come Slack o persino su un robot.
E "Watson Visual Recognition" comprende i contenuti delle immagini. Questo è uno dei miei preferiti perché è così versatile. Puoi utilizzare Visual Recognition per rilevare un certo tipo di abito in un negozio al dettaglio, identificare frutta avariata nell'inventario di un negozio di alimentari, analizzare i danni causati da una grandinata sul tetto di uno dei tuoi clienti assicurativi e molto altro ancora.
PCMag: la democratizzazione dei dati è in corso, o almeno pianificata, nella maggior parte delle organizzazioni di oggi. Ma il rovescio della medaglia - la consumerizzazione dei dati - sta anche andando verso l'alto mentre i consumatori prendono ogni giorno più decisioni basate sui dati. Quali ruoli possono o possono svolgere Watson e il commercio cognitivo in questa tendenza di consumerizzazione dei dati?
KH: Questo è un ottimo punto: i dati non vengono semplicemente utilizzati per guidare più decisioni aziendali, ma anche per guidare più decisioni dei consumatori. Come le aziende, i consumatori vogliono più dati per fare scelte più informate, ma non vogliono spendere molto tempo ed energia per vagliare più dati. Vogliono un risultato veloce e sapere che è la decisione ottimale in base a ciò di cui hanno bisogno in quel particolare momento. Infine, vogliono avere visibilità su quali dati hanno informato quella decisione.
Un paio di esempi: in primo luogo, 1-800-Flowers ha recentemente introdotto "Gwyn" come bot di concierge personale per aiutare gli acquirenti a trovare il miglior prodotto in base al sentimento e alle preferenze personali del destinatario del regalo. Utilizzando Watson, Gwyn può interagire con i clienti online usando il linguaggio naturale. Ad esempio, un cliente potrebbe digitare "Sto cercando un regalo per mia madre" e Gwyn sarà in grado di interpretare quella domanda, quindi porre una serie di domande qualificanti sull'occasione e sul sentimento per assicurarsi di fornire un e suggerimenti regalo personalizzati per ogni cliente. Ciò personalizza il catalogo, mostra meno dati all'acquirente e focalizza l'interazione specificamente su ciò che l'acquirente vuole realizzare in quel momento.
Allo stesso modo, The North Face offre un approccio interattivo e basato sul dialogo per assistere i suoi acquirenti. Probabilmente non penseresti alle giacche come a un prodotto complicato, ma lo sono. Ci sono molti fattori come la gamma di tempo, il livello di attività e la mobilità che un acquirente potrebbe non considerare inizialmente. Utilizzando le capacità di Watson per applicare il ragionamento logico e la sua capacità di comprendere, classificare e valutare il linguaggio naturale, il sistema North Face pone una breve serie di domande di perfezionamento per fornire consigli su prodotti e contenuti su misura che corrispondono ai desideri e alle preferenze articolate dell'acquirente. Indica anche il motivo per cui le caratteristiche del prodotto corrispondono a tali esigenze specifiche. Questo espone i dati necessari per convalidare la raccomandazione.
Siamo fermamente convinti che i clienti si aspettino questo livello di servizio personalizzato su tutti i canali. Vogliono che l'esperienza sia più una conversazione, un'esperienza, quella in cui viene chiesto "Come posso aiutarti oggi?" Questo è come il servizio che ricevi quando entri in un negozio al dettaglio noto per l'ottimo servizio clienti. Le aziende in grado di offrire le migliori esperienze di marca saranno, in definitiva, quelle che conquistano la maggior parte delle quote di mercato.
PCMag: Sembra che ci stiamo già avvicinando rapidamente a un giorno in cui anche l'analisi dei dati in tempo reale è troppo piccola, troppo tardi per alcuni casi d'uso. Presto avremo bisogno e ci aspettiamo assistenti proattivi - o assistenti virtuali - che non si limitano a prevedere, ma in realtà anticipano ciò di cui avremo bisogno o desidereremo anche prima di richiederlo. Vediamo i primi bagliori di ciò nel "Proactive Assistant" recentemente annunciato da Google. Cosa sta facendo IBM in termini di analisi proattiva?
KH: Questa è un'area a cui IBM ha dedicato molta energia. Ci siamo concentrati sulla fornitura di capacità cognitive che aiutano le aziende a offrire esperienze significative di coinvolgimento dei clienti per scenari B2C e B2B. Abbiamo già discusso diversi esempi.
Credo che le aziende abbiano storicamente desiderato avere accesso a quanti più dati pertinenti possibili. Con l'esplosione dei dati avvenuta negli ultimi anni, ora disponiamo di molti dati. Il problema ora è come rendere tutti questi dati utilizzabili senza distorsioni. Inoltre, dobbiamo bilanciare i dati storici contenuti, diciamo, in un sistema CRM con le realtà di cui un potenziale acquirente ha bisogno ora. Non possiamo essere accecati solo da ciò che il sistema CRM dice che ha acquistato prima.
Cognitive può abilitare un nuovo CRM o almeno essere una variabile efficace nella decisione complessiva. Le aziende possono avere migliaia di punti dati su ogni singolo cliente B2B o B2C. Ma questa visione storica deve prendere in considerazione i pochissimi punti dati che possono essere più importanti nel momento in cui il cliente sta valutando un acquisto. Ciò potrebbe includere variabili come intento, emozioni, tendenze e altri fattori esterni.
Al fine di prevedere la migliore azione successiva, ogni azienda deve valutare i modelli di acquisto dei propri clienti e determinare quando le realtà attuali o prevedibili del loro ambiente vincono i dati storici di CRM. Questa è la visione analitica proattiva verso cui IBM sta lavorando.
