خمسة تحديات كبيرة لاعتماد الذكاء الاصطناعي ونجاحه

هناك عدد قليل من التقنيات التي تهتم بها الشركات أكثر من الذكاء الاصطناعي (AI) ، ولسبب وجيه: الذكاء الاصطناعي لديه القدرة على إعادة تشكيل كيفية عمل الشركات بشكل كامل عبر الوظائف ، بما في ذلك التسويق وخدمة العملاء والتمويل.

ولكن كما هو الحال مع العديد من التقنيات الناشئة ، هناك تحديات ولا ينقصها الذكاء الاصطناعي. قد يفسر هذا السبب ، وفقًا لاستطلاع جديد لمجموعة MIT-Boston Consulting Group ، يعتقد 85٪ من المديرين التنفيذيين أن الذكاء الاصطناعي سيغير الأعمال ، لكن 20٪ فقط من الشركات تستخدمه بطريقة ما ، ويستخدمه 5٪ فقط على نطاق واسع.

إذن ما الذي يقف في طريق إدراك الذكاء الاصطناعي لإمكانياته؟ فيما يلي خمسة من أكبر التحديات التي تحتاج الشركات إلى معالجتها إذا أرادت البدء في الاستخدام الفعال للعدد المتزايد من الأدوات التي تعمل بالذكاء الاصطناعي والمتاحة اليوم.

الوصول إلى البيانات

البيانات هي شريان الحياة للاقتصاد الرقمي وبالنسبة للشركات التي تتطلع إلى تطبيق الذكاء الاصطناعي في أي عدد من المجالات ، سيكون الوصول إلى البيانات أحد أكبر التحديات. في الواقع ، وفقًا لجورج زاركاداكيس ، الرائد الرقمي في شركة الاستشارات العالمية ويليس تاورز واتسون ، ستكون البيانات أكبر تحدٍ تواجهه الشركات.

قال لـ AI Business: "لتدريب خوارزميات التعلم الآلي ، يحتاج المرء إلى مجموعات بيانات ضخمة ونظيفة ، بأقل قدر من التحيزات". "يحتاج المرء أيضًا إلى مراعاة مشكلات خصوصية البيانات عندما يتعلق الأمر بجمع البيانات الشخصية ، لا سيما في ضوء اللائحة العامة لحماية البيانات التي ستدخل حيز التنفيذ في 2018."

الخبر السار هو أن معظم العلامات التجارية كانت حريصة على قيمة البيانات لسنوات. بفضل سوق الإعلانات على وجه الخصوص ، أدركت الشركات قيمة بيانات الطرف الأول ، لا سيما في ضوء التكلفة المتزايدة للحصول على بيانات الطرف الثالث.

نتيجة لذلك ، استثمرت العديد من الشركات بكثافة في إنشاء البنية التحتية لجمع وتخزين البيانات التي تنتجها وتوظيف المواهب القادرة على الاستفادة منها. سيجد أولئك الذين يتقدمون في هذا المجال أن لديهم ميزة تنافسية في دمج الذكاء الاصطناعي في أعمالهم.

حقيقة أن الماضي ليس دائما مقدمة

حتى عندما يكون لدى الشركة بيانات وافرة متاحة لإنشاء تطبيقات الذكاء الاصطناعي ، فمن المهم بالنسبة لها أن تدرك أن النماذج التي يتم تدريب تطبيقات الذكاء الاصطناعي عليها لن تعمل بالضرورة إلى الأبد.

خذ على سبيل المثال تطبيقات الذكاء الاصطناعي المستخدمة لإدارة الحملات التسويقية. في العام الماضي ، أعلنت شركة IBM أنها ستستخدم منصة Watson الخاصة بها لإدارة جميع حملاتها الآلية بحلول عام 2017. وفقًا للتقارير ، خفضت IBM تكلفة النقرة في المتوسط ​​بنسبة 35٪ باستخدام Watson وفي بعض الحالات ، ارتفع هذا الرقم إلى أعلى 71٪.

كما أوضح AdAge ، يستخدم Watson "التحليلات المتقدمة لإنشاء كفاءات في عملية تقديم العطاءات عن طريق استيعاب كميات هائلة من البيانات وتعيين قيمة للمستهلكين المستهدفين المحتملين استنادًا إلى الوقت من اليوم والجهاز الذي يستخدمونه واللغة التي يتحدثون بها والمتصفح الذي يستخدمونه يستخدمون."

المستوى الذي يمكن لواتسون من تحليل البيانات الوصول إليه "محير للعقل". على سبيل المثال ، يمكن أن تنظر في "ما إذا كان الحجم الأصغر [إعلان] أكثر فاعلية عند عرضه في الساعة 3 صباحًا مقابل 2 دولار أمريكي للكلفة بالألف ظهور ، أو التكلفة لكل ألف ظهور ، من الإعلانات الأكبر عند الظهر عند 3 دولارات أمريكية لكل ألف ظهور".

لكن سوق الإعلان الرقمي ليس ثابتًا والنماذج التي عملت لأشهر أو سنوات ليست مضمونة للعمل غدًا. بينما يمكن للذكاء الاصطناعي التعلم أثناء تقدمه ، فإن قدرته على القيام بذلك تعتمد إلى حد كبير على الظروف التي تظل مماثلة لتلك التي تم تدريبها عليها.

إن تغيير أشكال الإعلانات ، وظهور المشترين ذهابًا وإيابًا في النظام البيئي وزيادة عدد الشركات التي تستخدم الذكاء الاصطناعي لشراء الإعلانات ، على سبيل المثال ، جميعها لديها القدرة على تغيير ظروف السوق بشكل كبير ، بحيث تكون مختلفة تمامًا عن تلك التي كانت موجودة عندما تم جمع البيانات التي تم تدريب الذكاء الاصطناعي عليها.

هذا يعني أن هناك مخاطر تتمثل في أن نماذج الذكاء الاصطناعي ستنخفض بشكل كبير في الفعالية أو تنكسر بسرعة ، مما يتسبب في ضرر ، لذلك ربما تحتاج الشركات الذكية دائمًا إلى التأكد من وجود الإشراف والضمانات بدلاً من الوثوق في الأعمال بالذكاء الاصطناعي.

نقص في الذكاء العاطفي

تتطلع الشركات بشكل متزايد إلى استخدام تقنية الذكاء الاصطناعي لدعم جهود خدمة العملاء. على سبيل المثال ، يبني الكثيرون روبوتات محادثة مدعومة بالذكاء الاصطناعي يمكن للعملاء التفاعل معها على منصات مثل Facebook Messenger.

في حين أن التجسيدات المبكرة لروبوتات الدردشة لهذه الأنظمة الأساسية تركت الكثير مما هو مرغوب فيه ، فإن تقنية معالجة اللغة الطبيعية (NLP) تتحسن بسرعة ، كما أن الروبوتات المدعومة بالذكاء الاصطناعي تتحسن في فهم ما يقوله البشر الذين يتفاعلون معهم.

ولكن رغم ذلك ، تفتقر تطبيقات الذكاء الاصطناعي إلى الذكاء العاطفي ، والأهم من ذلك أنها غير قادرة على إظهار التعاطف ، وهذا يمثل عائقًا كبيرًا أمام نجاح الذكاء الاصطناعي في تطبيقات خدمة العملاء مثل روبوتات المحادثة. بعد كل شيء ، يمكن أن تؤدي بعض استفسارات خدمة العملاء إلى إنشاء علاقة مع العملاء أو قطعها.

إحدى الطرق التي يمكن للعلامات التجارية من خلالها مواجهة هذا التحدي هي تقييد تطبيق الذكاء الاصطناعي على خدمة العملاء حيث لا يكون التعاطف ضروريًا. يمكن تصميم روبوتات الدردشة ، على سبيل المثال ، لتكون بمثابة خدمة عملاء في الخطوط الأمامية ، والاستجابة للأسئلة المتداولة والتعامل مع الطلبات البسيطة منخفضة المشاعر عمومًا. عندما تكون الطلبات أكثر تعقيدًا أو يحتمل أن تكون حساسة ، يجب أن تكون روبوتات الدردشة التي تعمل بالذكاء الاصطناعي قادرة على توصيل العملاء بسلاسة بممثلي خدمة العملاء من البشر.

تخصص

أشار ديفيد راب ، مدير شركة Raab Associates للاستشارات التسويقية ، إلى أن "أنظمة الذكاء الاصطناعي الحالية والمستقبلية متخصصة". إنهم يؤدون مهامًا محددة ، مثل تسجيل عميل محتمل أو تحديد السعر الأمثل لتقديم عطاءات لإعلان صوري.

بالطبع ، تعد التقنيات التي تعمل بالذكاء الاصطناعي حاليًا أفضل في بعض المهام المتخصصة عن غيرها. خذ إنشاء المحتوى الآلي بالذكاء الاصطناعي ، وهو حلم مسوقي المحتوى في كل مكان. بحلول عام 2018 ، تتوقع جارتنر أن 20٪ من محتوى الأعمال سيتم إنتاجه بواسطة الآلات.

في حين أن هناك أدلة على أن الذكاء الاصطناعي قادر على إنشاء أنواع معينة من المحتوى الذي لا يمكن تمييزه فعليًا عن المحتوى البشري من حيث الوضوح والدقة ، فإن المحتوى المنتج آليًا أكثر مللًا إلى حد كبير وأقل متعة للقراءة وفقًا لدراسة واحدة.

نظرًا لأن المحتوى العاطفي مهم لنجاح تسويق المحتوى ، فإن لدى العلامات التجارية سببًا للقلق بشأن وضع المهمة الكاملة لإنشاء المحتوى في أيدي برامج الذكاء الاصطناعي.

لكن هذا لا يعني أن الذكاء الاصطناعي لا يمكنه أداء مهام محتوى متخصصة. يمكن للعلامات التجارية استخدام الذكاء الاصطناعي لتحديد الاتجاهات والمواضيع التي تلائم المحتوى الشائع ، أو التنبؤ بالعناوين الرئيسية التي كتبها الإنسان والتي ستؤدي بشكل أفضل ، أو تنظيم المحتوى.

تم عرض مثال مبتكر لتنظيم المحتوى المدعوم بالذكاء الاصطناعي أثناء بطولة الولايات المتحدة المفتوحة هذا العام. قام اتحاد الولايات المتحدة للتنس (USTA) بتدريب IBM Watson على "التعرف على إيماءات اللاعب وتعبيرات الوجه وضوضاء الجماهير ورد فعل المذيع" ثم استخدم Watson لمساعدة فرق البث والمحتوى على تحديد أبرز المباريات لتقديمها إلى المشجعين.

عدم القدرة على التعاون

كما لاحظ David Raab من شركة Raab Associates ، فإن الحملة التسويقية تتضمن تنسيق العديد من المهام المتخصصة ، مما يعني أنه لكي يتولى الذكاء الاصطناعي حملة تسويقية كاملة "سيتطلب تعاون العديد من أنظمة الذكاء الاصطناعي."

من الناحية النظرية ، هذا ليس بالضرورة كسر للصفقة. لكن النظرية والواقع ليسا نفس الشيء. وأوضح ما الذي يدخل في تحقيق ذلك:

من السهل - والممتع - تخيل مجموعة معقدة من المكونات التي يحركها الذكاء الاصطناعي والتي تتعاون لإنشاء تجارب عملاء مؤتمتة بالكامل ومخصصة تمامًا. لكن هذا النظام سيكون عرضة للفشل المتكرر حيث يجد مكون أو آخر نفسه في مواجهة ظروف لم يتم تدريبه على التعامل معها. إذا كانت الأنظمة مصممة جيدًا (ونحن محظوظون) ، فستغلق المكونات نفسها عند حدوث ذلك. إذا لم نكن محظوظين جدًا ، فسيستمرون في الجري ويعودون إلى نتائج غير ملائمة بشكل متزايد.

ما يعنيه هذا في النهاية هو أنه سيكون أكثر تعقيدًا وتكلفة بالنسبة للشركات لبناء هذا النوع من الحملات التسويقية ذاتية القيادة التي يعد بها الذكاء الاصطناعي. لهذا السبب ، في غضون ذلك ، ستكون العلامات التجارية الذكية استراتيجية بشأن تقنية الذكاء الاصطناعي التي تستثمر فيها. على سبيل المثال ، قد تدرك إحدى الشركات قيمة كبيرة لتطبيق الذكاء الاصطناعي لتقود النتائج بينما قد تدرك شركة أخرى قيمة أكبر لتطبيق الذكاء الاصطناعي على تحليل المشاعر في وسائل التواصل الاجتماعي.

نظرًا لأن العائدات يمكن أن تختلف كثيرًا اعتمادًا على العلامة التجارية واحتياجاتها ، فستحتاج الشركات بشكل واقعي إلى تحليل تقنيات الذكاء الاصطناعي وتحديد أي منها يقدم أكبر قيمة لها.