Cinco grandes desafíos para la adopción y el éxito de la IA

Hay pocas tecnologías por las que las empresas estén más entusiasmadas que la inteligencia artificial (IA), y por una buena razón: la IA tiene el potencial de remodelar completamente la forma en que las empresas operan en todas las funciones, incluido el marketing, el servicio al cliente y las finanzas.

Pero al igual que con muchas tecnologías emergentes, existen desafíos y la IA no presenta escasez de ellos. Eso podría explicar por qué, según una nueva encuesta del MIT-Boston Consulting Group, el 85% de los ejecutivos cree que la inteligencia artificial cambiará el negocio, pero solo el 20% de las empresas la está utilizando de alguna manera y solo el 5% la utiliza ampliamente.

Entonces, ¿qué se interpone en el camino para que la IA se dé cuenta de su potencial? Estos son cinco de los mayores desafíos que las empresas deben abordar si quieren comenzar a hacer un uso efectivo de la creciente cantidad de herramientas impulsadas por IA que están disponibles en la actualidad.

Acceso a los datos

Los datos son el elemento vital de la economía digital y para las empresas que buscan aplicar la inteligencia artificial en cualquier número de áreas, el acceso a los datos será uno de los mayores desafíos. De hecho, según George Zarkadakis, líder digital de la firma de asesoría global Willis Towers Watson, los datos serán el mayor desafío al que se enfrentan las empresas.

"Para entrenar algoritmos de aprendizaje automático, se necesitan conjuntos de datos masivos y limpios, con sesgos mínimos", dijo a AI Business . "También es necesario tener en cuenta los problemas de privacidad de los datos cuando se trata de recopilar datos personales, especialmente a la luz del Reglamento general de protección de datos que entrará en vigor en 2018".

La buena noticia es que la mayoría de las marcas han estado interesadas en el valor de los datos durante años. Gracias al mercado publicitario en particular, las empresas han reconocido el valor de los datos de origen, especialmente a la luz del costo creciente de adquirir datos de terceros.

Como resultado, muchas empresas han invertido mucho en la creación de la infraestructura para recopilar y almacenar los datos que generan y para reclutar talentos capaces de hacer uso de ellos. Aquellos que están más adelante en esta área encontrarán que tienen una ventaja competitiva al integrar la IA en sus negocios.

El hecho de que el pasado no siempre es prólogo

Incluso cuando una empresa tiene una gran cantidad de datos disponibles para crear aplicaciones de inteligencia artificial, es importante que reconozcan que los modelos con los que se entrenan sus aplicaciones de inteligencia artificial no funcionarán necesariamente para siempre.

Tomemos, por ejemplo, las aplicaciones de inteligencia artificial que se utilizan para administrar campañas de marketing. El año pasado, IBM anunció que usaría su plataforma Watson para administrar todas sus campañas programáticas para 2017. Según los informes, IBM redujo su costo por clic en promedio en un 35% usando Watson y, en algunos casos, esa cifra fue tan alta como 71%.

Como explicó AdAge, Watson “utiliza análisis avanzados para crear eficiencias en el proceso de licitación al ingerir cantidades masivas de datos y asignar valor a los consumidores objetivo potenciales según la hora del día, el dispositivo que están usando, el idioma que hablan y el navegador que usan. están usando."

El nivel al que Watson puede analizar los datos es "alucinante". Por ejemplo, puede analizar "si un [anuncio] de menor tamaño es más efectivo cuando se muestra a las 3 a. M. Por un CPM de $ 2, o el costo por cada mil impresiones, que los anuncios más grandes al mediodía a un CPM de $ 3".

Pero el mercado de la publicidad digital no es estático y no se garantiza que los modelos que han funcionado durante meses o años funcionen mañana. Si bien la IA puede aprender sobre la marcha, su capacidad para hacerlo depende en gran medida de que las condiciones sigan siendo similares a aquellas en las que fue entrenada.

Los cambios en los formatos de anuncios, el ir y venir de compradores en el ecosistema y un aumento en el número de empresas que emplean IA para comprar anuncios, por ejemplo, tienen el potencial de cambiar drásticamente las condiciones del mercado, de modo que sean muy diferentes de las que existía cuando se recopilaron los datos con los que se entrenó a la IA.

Esto significa que existen riesgos de que los modelos de inteligencia artificial disminuyan significativamente en eficacia o se rompan rápidamente, causando daños, por lo que las empresas inteligentes probablemente siempre necesitarán asegurarse de que existan supervisión y salvaguardas en lugar de confiar el negocio a la inteligencia artificial.

Falta de inteligencia emocional

Las empresas buscan cada vez más emplear tecnología de inteligencia artificial para respaldar sus esfuerzos de servicio al cliente. Por ejemplo, muchos están creando chatbots con inteligencia artificial con los que los clientes pueden interactuar en plataformas como Facebook Messenger.

Si bien las primeras encarnaciones de los chatbots para estas plataformas dejaron mucho que desear, la tecnología de procesamiento del lenguaje natural (NLP) está mejorando rápidamente y los bots impulsados ​​por IA están mejorando en la comprensión de lo que dicen los humanos con los que interactúan.

Pero aun así, las aplicaciones de IA carecen de inteligencia emocional y, lo que es más importante, no pueden demostrar empatía, y esta es una gran barrera para el éxito de la IA en aplicaciones de servicio al cliente como los chatbots. Después de todo, ciertas consultas de servicio al cliente pueden hacer o deshacer una relación con el cliente.

Una forma en que las marcas pueden abordar este desafío es limitar la aplicación de la inteligencia artificial al servicio al cliente donde la empatía no es necesaria. Los chatbots, por ejemplo, pueden diseñarse para servir como servicio de atención al cliente de primera línea, respondiendo a preguntas frecuentes y manejando solicitudes simples, generalmente de baja emoción. Cuando las solicitudes son más complejas o potencialmente sensibles, los chatbots con tecnología de inteligencia artificial deberían poder conectar sin problemas a los clientes con representantes humanos de servicio al cliente.

Especialización

David Raab, director de la consultora de marketing Raab Associates, ha señalado que "los sistemas de IA de hoy y del futuro cercano son especialistas". Realizan tareas específicas, como obtener un cliente potencial o determinar el precio óptimo para ofertar por un anuncio gráfico.

Por supuesto, las tecnologías impulsadas por IA son mejores en algunas tareas especializadas que en otras. Lleve la creación de contenido automatizada con IA, un sueño de los especialistas en marketing de contenido en todas partes. Para 2018, Gartner predice que el 20% de todo el contenido empresarial será producido por máquinas.

Si bien hay evidencia de que la inteligencia artificial es capaz de crear ciertos tipos de contenido que son virtualmente indistinguibles del contenido humano en términos de claridad y precisión, el contenido producido por máquinas es sustancialmente más aburrido y menos agradable de leer según un estudio.

Dado que el contenido emotivo es fundamental para el éxito del marketing de contenidos, las marcas tienen motivos para desconfiar de poner toda la tarea de creación de contenido en manos del software de inteligencia artificial.

Pero eso no significa que la IA no pueda realizar tareas de contenido especializadas. Las marcas pueden utilizar la inteligencia artificial para identificar tendencias y temas que se prestan a contenido popular, predecir qué titulares escritos por humanos tendrán el mejor rendimiento o seleccionar contenido.

Un ejemplo innovador de curación de contenido impulsada por IA se exhibió durante el US Open de este año. La Asociación de Tenis de los Estados Unidos (USTA) capacitó a IBM Watson "para reconocer los gestos y expresiones faciales de los jugadores, los ruidos de la multitud y la reacción de los locutores" y luego usar Watson para ayudar a sus equipos de transmisión y contenido a identificar los aspectos más destacados de los partidos para transmitirlos a los fanáticos.

Incapacidad para colaborar

Como observó David Raab de Raab Associates, una campaña de marketing implica la coordinación de muchas tareas especializadas, lo que significa que para que la IA se haga cargo de una campaña de marketing completa "se requerirá la cooperación de muchas IA".

En teoría, esto no es necesariamente un factor decisivo. Pero la teoría y la realidad no son lo mismo. Explicó lo que implica hacer que esto suceda:

Es fácil y divertido imaginar una colección compleja de componentes impulsados ​​por IA que colaboran para crear experiencias de cliente totalmente automatizadas y perfectamente personalizadas. Pero ese sistema será propenso a fallas frecuentes a medida que uno u otro componente se encuentre enfrentando condiciones para las que no estaba capacitado. Si los sistemas están bien diseñados (y tenemos suerte), los componentes se apagarán solos cuando eso suceda. Si no tenemos tanta suerte, seguirán funcionando y arrojarán resultados cada vez más inapropiados.

Lo que esto significa en última instancia es que será más complejo y costoso para las empresas crear el tipo de campañas de marketing autónomas que promete la IA. Por esa razón, mientras tanto, las marcas inteligentes serán estratégicas sobre la tecnología de IA en la que invierten. Por ejemplo, una empresa podría obtener un valor significativo aplicando IA para la puntuación de clientes potenciales, mientras que otra podría obtener más valor aplicando IA al análisis de sentimientos de las redes sociales.

Debido a que los retornos pueden variar mucho según la marca y sus necesidades, las empresas necesitarán analizar de manera realista las tecnologías de IA y determinar cuáles les ofrecen el mayor valor.