Lima tantangan besar untuk adopsi dan kesuksesan AI

Ada beberapa teknologi yang lebih disukai perusahaan daripada kecerdasan buatan (AI), dan untuk alasan yang baik: AI memiliki potensi untuk sepenuhnya membentuk kembali cara perusahaan beroperasi di seluruh fungsi, termasuk pemasaran, layanan pelanggan, dan keuangan.

Tetapi seperti banyak teknologi yang muncul, ada tantangan, dan AI tidak kekurangannya. Itu mungkin menjelaskan mengapa, menurut survei baru MIT-Boston Consulting Group, 85% eksekutif percaya AI akan mengubah bisnis, tetapi hanya 20% perusahaan yang menggunakannya dalam beberapa cara, dan hanya 5% yang menggunakannya secara ekstensif.

Jadi apa yang menghalangi AI mewujudkan potensinya? Berikut adalah lima tantangan terbesar yang perlu diatasi perusahaan jika mereka ingin mulai memanfaatkan secara efektif semakin banyak alat bertenaga AI yang tersedia saat ini.

Akses ke data

Data adalah sumber kehidupan ekonomi digital dan bagi perusahaan yang ingin menerapkan AI ke sejumlah area, akses ke data akan menjadi salah satu tantangan terbesar. Faktanya, menurut George Zarkadakis, pemimpin digital di firma penasihat global Willis Towers Watson, data akan menjadi tantangan terbesar yang dihadapi perusahaan.

“Untuk melatih algoritme pembelajaran mesin, seseorang membutuhkan kumpulan data yang besar dan bersih, dengan bias minimum,” katanya kepada AI Business . “Kita juga perlu mengingat masalah privasi data saat mengumpulkan data pribadi, terutama mengingat Peraturan Perlindungan Data Umum yang mulai berlaku pada 2018.”

Kabar baiknya adalah bahwa sebagian besar merek telah tertarik dengan nilai data selama bertahun-tahun. Berkat pasar iklan khususnya, perusahaan telah mengakui nilai data pihak pertama, terutama mengingat meningkatnya biaya untuk memperoleh data pihak ketiga.

Akibatnya, banyak perusahaan telah berinvestasi besar-besaran dalam menciptakan infrastruktur untuk mengumpulkan dan menyimpan data yang mereka hasilkan dan untuk merekrut talenta yang mampu memanfaatkannya. Mereka yang lebih maju di bidang ini akan menemukan bahwa mereka memiliki keunggulan kompetitif dalam mengintegrasikan AI ke dalam bisnis mereka.

Fakta bahwa masa lalu tidak selalu prolog

Bahkan ketika sebuah perusahaan memiliki banyak data yang tersedia untuk membuat aplikasi AI, penting bagi mereka untuk menyadari bahwa model yang digunakan untuk aplikasi AI mereka tidak akan selalu berfungsi selamanya.

Ambil contoh, aplikasi AI yang digunakan untuk mengelola kampanye pemasaran. Tahun lalu, IBM mengumumkan bahwa mereka akan menggunakan platform Watson untuk mengelola semua kampanye terprogramnya pada tahun 2017. Menurut laporan, IBM mengurangi biaya per klik rata-rata sebesar 35% menggunakan Watson dan dalam beberapa kasus, angka itu menjadi sangat tinggi. sebanyak 71%.

Seperti yang dijelaskan AdAge, Watson “menggunakan analitik canggih untuk menciptakan efisiensi dalam proses penawaran dengan menyerap sejumlah besar data dan memberikan nilai kepada calon konsumen target berdasarkan waktu, perangkat apa yang mereka gunakan, bahasa apa yang mereka gunakan, dan browser apa yang mereka gunakan. sedang menggunakan.”

Tingkat di mana Watson dapat menganalisis data adalah "membingungkan." Misalnya, ini dapat melihat “apakah [iklan] ukuran lebih kecil lebih efektif bila ditampilkan pada jam 3 pagi dengan BPS $2, atau biaya per seribu tayangan, daripada iklan yang lebih besar pada siang hari dengan BPS $3”.

Tetapi pasar periklanan digital tidak statis dan model yang telah bekerja selama berbulan-bulan atau bertahun-tahun tidak dijamin akan bekerja besok. Sementara AI dapat belajar sambil berjalan, kemampuannya untuk melakukannya sangat bergantung pada kondisi yang tetap serupa dengan yang dilatihnya.

Mengubah format iklan, datang dan perginya pembeli dalam ekosistem, dan peningkatan jumlah perusahaan yang menggunakan AI untuk membeli iklan, misalnya, semuanya berpotensi mengubah kondisi pasar secara dramatis, sehingga sangat berbeda dari yang sebelumnya. ada ketika data yang dilatih AI dikumpulkan.

Ini berarti ada risiko bahwa model AI akan menurun secara signifikan dalam kemanjuran atau rusak dengan cepat, menyebabkan kerugian, sehingga perusahaan yang cerdas mungkin akan selalu perlu memastikan pengawasan dan perlindungan diterapkan daripada mempercayakan bisnis kepada AI.

Kurangnya kecerdasan emosional

Perusahaan semakin ingin menggunakan teknologi AI untuk mendukung upaya layanan pelanggan mereka. Misalnya, banyak yang membangun chatbot bertenaga AI yang dapat berinteraksi dengan pelanggan di platform seperti Facebook Messenger.

Sementara inkarnasi awal chatbot untuk platform ini meninggalkan banyak hal yang diinginkan, teknologi pemrosesan bahasa alami (NLP) berkembang pesat dan bot yang digerakkan oleh AI menjadi lebih baik dalam memahami apa yang dikatakan manusia yang berinteraksi dengan mereka.

Namun demikian, aplikasi AI tidak memiliki kecerdasan emosional, dan yang paling penting, mereka tidak dapat menunjukkan empati, dan ini merupakan penghalang besar bagi kesuksesan AI dalam aplikasi layanan pelanggan seperti chatbots. Bagaimanapun, pertanyaan layanan pelanggan tertentu dapat membuat atau menghancurkan hubungan pelanggan.

Salah satu cara merek dapat mengatasi tantangan ini adalah dengan membatasi penerapan AI pada layanan pelanggan di mana empati tidak diperlukan. Chatbots, misalnya, dapat dirancang untuk melayani sebagai layanan pelanggan garis depan, menanggapi pertanyaan yang sering diajukan dan menangani permintaan sederhana yang umumnya rendah emosi. Di mana permintaan lebih kompleks atau berpotensi sensitif, chatbot bertenaga AI harus dapat menghubungkan pelanggan dengan lancar ke perwakilan layanan pelanggan manusia.

Spesialisasi

David Raab, kepala konsultan pemasaran Raab Associates, telah mencatat bahwa “sistem AI saat ini dan dalam waktu dekat adalah spesialis.” Mereka melakukan tugas tertentu, seperti mencetak prospek atau menentukan harga optimal untuk menawar iklan bergambar.

Tentu saja, teknologi bertenaga AI saat ini lebih baik dalam beberapa tugas khusus daripada yang lain. Ambil pembuatan konten otomatis AI, impian pemasar konten di mana-mana. Pada tahun 2018, Gartner memperkirakan bahwa 20% dari semua konten bisnis akan diproduksi oleh mesin.

Meskipun ada bukti bahwa AI mampu membuat jenis konten tertentu yang hampir tidak dapat dibedakan dari konten manusia dalam hal kejelasan dan akurasi, konten yang diproduksi mesin secara substansial lebih membosankan dan kurang menyenangkan untuk dibaca menurut sebuah penelitian.

Karena konten emotif sangat penting untuk kesuksesan pemasaran konten, merek memiliki alasan untuk berhati-hati dalam menempatkan seluruh tugas pembuatan konten di tangan perangkat lunak AI.

Tetapi itu tidak berarti bahwa AI tidak dapat melakukan tugas konten khusus. Merek dapat menggunakan kecerdasan buatan untuk mengidentifikasi tren dan topik yang cocok untuk konten populer, memprediksi tajuk utama tulisan manusia mana yang berkinerja terbaik, atau mengkurasi konten.

Contoh inovatif dari kurasi konten bertenaga AI dipamerkan selama AS Terbuka tahun ini. Asosiasi Tenis Amerika Serikat (USTA) melatih IBM Watson "untuk mengenali gerakan dan ekspresi wajah pemain, suara penonton, dan reaksi penyiar" dan kemudian menggunakan Watson untuk membantu tim siaran dan kontennya mengidentifikasi sorotan pertandingan untuk disampaikan kepada penggemar.

Ketidakmampuan untuk berkolaborasi

Seperti yang diamati oleh David Raab dari Raab Associates, kampanye pemasaran melibatkan koordinasi banyak tugas khusus, yang berarti bahwa AI untuk mengambil alih kampanye pemasaran penuh “akan membutuhkan kerja sama dari banyak AI.”

Secara teori, ini belum tentu merupakan pemecah kesepakatan. Tapi teori dan kenyataan bukanlah hal yang sama. Dia menjelaskan apa yang terlibat dalam mewujudkan hal ini:

Sangat mudah – dan menyenangkan – untuk membayangkan kumpulan kompleks komponen berbasis AI yang berkolaborasi untuk menciptakan pengalaman pelanggan yang sepenuhnya otomatis dan dipersonalisasi dengan sempurna. Tetapi sistem itu akan rentan terhadap kegagalan yang sering terjadi karena satu atau lain komponen menemukan dirinya menghadapi kondisi yang tidak dilatih untuk ditangani. Jika sistem dirancang dengan baik (dan kami beruntung), komponen akan mati sendiri saat itu terjadi. Jika kita tidak seberuntung itu, mereka akan terus berjalan dan mengembalikan hasil yang semakin tidak sesuai.

Apa artinya ini pada akhirnya adalah bahwa akan lebih kompleks dan mahal bagi perusahaan untuk membangun jenis kampanye pemasaran mandiri yang dijanjikan AI. Oleh karena itu, untuk sementara, merek yang cerdas akan menjadi strategis tentang teknologi AI mana yang mereka investasikan. Misalnya, satu perusahaan mungkin menyadari nilai signifikan dengan menerapkan AI untuk memimpin penilaian sementara yang lain mungkin menyadari lebih banyak nilai menerapkan AI pada analisis sentimen media sosial.

Karena pengembalian dapat sangat bervariasi tergantung pada merek dan kebutuhannya, perusahaan secara realistis perlu menganalisis teknologi AI dan menentukan mana yang menawarkan nilai paling tinggi bagi mereka.