Cinque grandi sfide per l'adozione e il successo dell'IA

Ci sono poche tecnologie di cui le aziende sono più entusiaste dell'intelligenza artificiale (AI), e per una buona ragione: l'AI ha il potenziale per rimodellare completamente il modo in cui le aziende operano attraverso le funzioni, tra cui marketing, servizio clienti e finanza.

Ma come con molte tecnologie emergenti, ci sono sfide e l'intelligenza artificiale non le manca. Ciò potrebbe spiegare perché, secondo un nuovo sondaggio del MIT-Boston Consulting Group, l'85% dei dirigenti ritiene che l'IA cambierà il business, ma solo il 20% delle aziende la sta utilizzando in qualche modo e solo il 5% ne fa ampio uso.

Quindi cosa impedisce all'IA di realizzare il suo potenziale? Ecco cinque delle maggiori sfide che le aziende devono affrontare se vogliono iniziare a fare un uso efficace del numero crescente di strumenti basati sull'intelligenza artificiale oggi disponibili.

Accesso ai dati

I dati sono la linfa vitale dell'economia digitale e per le aziende che desiderano applicare l'intelligenza artificiale a un numero qualsiasi di aree, l'accesso ai dati sarà una delle sfide più grandi. Infatti, secondo George Zarkadakis, digital lead presso la società di consulenza globale Willis Towers Watson, i dati saranno la sfida più grande che le aziende dovranno affrontare.

"Per addestrare algoritmi di apprendimento automatico sono necessari set di dati massicci e puliti, con pregiudizi minimi", ha detto ad AI Business . "Bisogna anche tenere a mente i problemi di privacy dei dati quando si tratta di raccogliere dati personali, in particolare alla luce del regolamento generale sulla protezione dei dati che entrerà in vigore nel 2018".

La buona notizia è che la maggior parte dei marchi ha apprezzato il valore dei dati per anni. Grazie in particolare al mercato pubblicitario, le aziende hanno riconosciuto il valore dei dati di prima parte, soprattutto alla luce del crescente costo di acquisizione dei dati di terze parti.

Di conseguenza, molte aziende hanno investito molto nella creazione dell'infrastruttura per raccogliere e archiviare i dati che generano e per reclutare talenti in grado di farne uso. Coloro che sono più avanti in questo settore scopriranno di avere un vantaggio competitivo nell'integrare l'IA nelle loro attività.

Il fatto che il passato non sia sempre un prologo

Anche quando un'azienda dispone di ampi dati su cui creare applicazioni di intelligenza artificiale, è importante che riconoscano che i modelli su cui vengono addestrate le loro applicazioni di intelligenza artificiale non funzioneranno necessariamente per sempre.

Prendiamo, ad esempio, le applicazioni AI che vengono utilizzate per gestire le campagne di marketing. L'anno scorso, IBM ha annunciato che avrebbe utilizzato la sua piattaforma Watson per gestire tutte le sue campagne programmatiche entro il 2017. Secondo i rapporti, IBM ha ridotto il suo costo per clic in media del 35% utilizzando Watson e, in alcuni casi, tale cifra è aumentata come il 71%.

Come ha spiegato AdAge, Watson “usa l'analisi avanzata per creare efficienze nel processo di offerta ingerendo enormi quantità di dati e assegnando valore ai potenziali consumatori target in base all'ora del giorno, al dispositivo che stanno utilizzando, alla lingua che parlano e al browser che utilizzano. stiamo usando."

Il livello a cui Watson può analizzare i dati è "sbalorditivo". Ad esempio, può esaminare "se un [annuncio] di dimensioni inferiori è più efficace se mostrato alle 3 del mattino per un CPM di $ 2, o un costo per mille impressioni, rispetto ad annunci più grandi a mezzogiorno con un CPM di $ 3".

Ma il mercato della pubblicità digitale non è statico e non è garantito che i modelli che hanno funzionato per mesi o anni funzionino domani. Mentre l'IA può imparare mentre procede, la sua capacità di farlo dipende in gran parte dalle condizioni che rimangono simili a quelle su cui è stata addestrata.

La modifica dei formati degli annunci, l'andirivieni di acquirenti nell'ecosistema e un aumento del numero di aziende che utilizzano l'intelligenza artificiale per acquistare annunci, ad esempio, hanno tutti il ​​potenziale per cambiare drasticamente le condizioni di mercato, in modo che siano molto diversi da quelli che esisteva quando venivano raccolti i dati su cui l'IA era stata addestrata.

Ciò significa che ci sono rischi che i modelli di intelligenza artificiale diminuiscano in modo significativo in termini di efficacia o si rompano rapidamente, causando danni, quindi le aziende intelligenti probabilmente avranno sempre bisogno di assicurarsi che la supervisione e le tutele siano in atto piuttosto che affidare il business all'intelligenza artificiale.

Mancanza di intelligenza emotiva

Le aziende cercano sempre più di utilizzare la tecnologia AI per supportare i propri sforzi nel servizio clienti. Ad esempio, molti stanno creando chatbot basati sull'intelligenza artificiale con cui i clienti possono interagire su piattaforme come Facebook Messenger.

Mentre le prime incarnazioni dei chatbot per queste piattaforme lasciavano molto a desiderare, la tecnologia di elaborazione del linguaggio naturale (NLP) sta rapidamente migliorando e i bot basati sull'intelligenza artificiale stanno migliorando nel capire cosa dicono gli umani con cui interagiscono.

Ma anche così, le applicazioni di intelligenza artificiale mancano di intelligenza emotiva e, soprattutto, non sono in grado di dimostrare empatia, e questo è un enorme ostacolo al successo dell'intelligenza artificiale nelle applicazioni del servizio clienti come i chatbot. Dopotutto, alcune richieste del servizio clienti possono creare o interrompere una relazione con il cliente.

Un modo in cui i marchi possono affrontare questa sfida è limitare l'applicazione dell'IA al servizio clienti dove non è necessaria l'empatia. I chatbot, ad esempio, possono essere progettati per fungere da servizio clienti in prima linea, rispondendo alle domande più frequenti e gestendo richieste semplici, generalmente a bassa emozione. Laddove le richieste sono più complesse o potenzialmente sensibili, i chatbot basati sull'intelligenza artificiale dovrebbero essere in grado di connettere senza problemi i clienti ai rappresentanti umani del servizio clienti.

Specializzazione

David Raab, direttore della società di consulenza di marketing Raab Associates, ha osservato che "i sistemi di intelligenza artificiale di oggi e del prossimo futuro sono specialisti". Eseguono attività specifiche, come segnare un lead o determinare il prezzo ottimale per fare un'offerta per un annuncio display.

Naturalmente, le tecnologie basate sull'intelligenza artificiale sono attualmente migliori in alcune attività specializzate rispetto ad altre. Porta la creazione di contenuti automatizzata tramite intelligenza artificiale, un sogno dei marketer di contenuti ovunque. Entro il 2018, Gartner prevede che il 20% di tutti i contenuti aziendali sarà prodotto da macchine.

Sebbene vi siano prove che l'IA sia in grado di creare determinati tipi di contenuti che sono praticamente indistinguibili dal contenuto umano in termini di chiarezza e accuratezza, secondo uno studio i contenuti prodotti dalle macchine sono sostanzialmente più noiosi e meno piacevoli da leggere.

Poiché i contenuti emotivi sono fondamentali per il successo del content marketing, i marchi hanno motivo di diffidare di affidare l'intero compito della creazione di contenuti nelle mani del software di intelligenza artificiale.

Ma ciò non significa che l'IA non possa eseguire attività di contenuto specializzate. I marchi possono utilizzare l'intelligenza artificiale per identificare tendenze e argomenti che si prestano a contenuti popolari, prevedere quali titoli scritti da persone avranno il rendimento migliore o curare i contenuti.

Un esempio innovativo di content curation basata sull'intelligenza artificiale è stato mostrato durante gli US Open di quest'anno. La United States Tennis Association (USTA) ha addestrato IBM Watson "a riconoscere i gesti e le espressioni facciali dei giocatori, i rumori della folla e la reazione delle emittenti" e quindi utilizzare Watson per aiutare i suoi team di trasmissione e contenuti a identificare i momenti salienti della partita da offrire ai fan.

Incapacità di collaborare

Come ha osservato David Raab di Raab Associates, una campagna di marketing implica il coordinamento di molte attività specializzate, il che significa che affinché l'IA si occupi di una campagna di marketing completa "richiede la cooperazione di molte IA".

In teoria, questo non è necessariamente un rompicapo. Ma teoria e realtà non sono la stessa cosa. Ha spiegato cosa è coinvolto nel far sì che ciò accada:

È facile e divertente immaginare una raccolta complessa di componenti basati sull'intelligenza artificiale che collaborano per creare esperienze cliente completamente automatizzate e perfettamente personalizzate. Ma quel sistema sarà soggetto a frequenti guasti quando uno o l'altro componente si trova ad affrontare condizioni per cui non è stato addestrato a gestire. Se i sistemi sono ben progettati (e siamo fortunati), i componenti si spegneranno da soli quando ciò accadrà. Se non siamo così fortunati, continueranno a correre e restituiranno risultati sempre più inappropriati.

Ciò che in definitiva significa è che sarà più complesso e costoso per le aziende costruire il tipo di campagne di marketing autonome che l'intelligenza artificiale promette. Per questo motivo, nel frattempo, i marchi esperti saranno strategici su quale tecnologia di intelligenza artificiale investono. Ad esempio, un'azienda potrebbe realizzare un valore significativo applicando l'intelligenza artificiale al punteggio principale, mentre un'altra potrebbe realizzare un valore maggiore applicando l'intelligenza artificiale all'analisi del sentiment dei social media.

Poiché i rendimenti possono variare così tanto a seconda del marchio e delle sue esigenze, le aziende dovranno realisticamente analizzare le tecnologie AI e determinare quali offrono loro il maggior valore.