AIの採用と成功への5つの大きな課題

公開: 2017-09-08

企業が人工知能（AI）よりも興奮しているテクノロジーはほとんどなく、正当な理由があります。AIには、マーケティング、カスタマーサービス、財務などの機能全体で企業の運営方法を完全に変える可能性があります。

しかし、多くの新しいテクノロジーと同様に、課題があり、AIはそれらに不足はありません。 MIT-Boston Consulting Groupの新しい調査によると、エグゼクティブの85％がAIがビジネスを変えると信じているのに、何らかの方法でAIを使用している企業は20％に過ぎず、5％だけがAIを広く使用している理由を説明できるかもしれません。

では、AIがその可能性を実現する上で何が妨げになっているのでしょうか。今日利用できるAIを活用したツールの数が増えていることを効果的に活用し始めたい場合、企業が取り組む必要のある最大の課題の5つを次に示します。

回路基板の背景にホログラフィック明るい青い脳のストックイメージ。

データへのアクセス

データはデジタル経済の生命線であり、AIをさまざまな分野に適用しようとしている企業にとって、データへのアクセスは最大の課題の1つになるでしょう。実際、グローバルアドバイザリー会社Willis TowersWatsonのデジタルリーダーであるGeorgeZarkadakis氏によると、データは企業が直面する最大の課題になるでしょう。

「機械学習アルゴリズムをトレーニングするには、バイアスを最小限に抑えた、大規模でクリーンなデータセットが必要です」と彼はAIBusinessに語りました。「特に2018年に施行される一般データ保護規則に照らして、個人データの収集に関しては、データのプライバシーの問題にも留意する必要があります。」

幸いなことに、ほとんどのブランドは何年にもわたってデータの価値に熱心に取り組んできました。特に広告市場のおかげで、企業は、特にサードパーティのデータを取得するコストの増加に照らして、ファーストパーティのデータの価値を認識しています。

その結果、多くの企業は、生成したデータを収集して保存し、それを利用できる人材を採用するためのインフラストラクチャの作成に多額の投資を行ってきました。この分野でさらに進んでいる人々は、AIをビジネスに統合する上で競争上の優位性があることに気付くでしょう。

過去が必ずしもプロローグではないという事実

企業がAIアプリケーションを作成するために利用できる十分なデータを持っている場合でも、AIアプリケーションがトレーニングされるモデルが必ずしも永遠に機能するとは限らないことを認識することが重要です。

たとえば、マーケティングキャンペーンの管理に使用されるAIアプリケーションを考えてみましょう。昨年、IBMは、2017年までにすべてのプログラマティックキャンペーンを管理するためにWatsonプラットフォームを使用することを発表しました。レポートによると、IBMはWatsonを使用してクリック単価を平均35％削減し、場合によってはその数値が高くなりました。 71％として。

AdAgeが説明したように、ワトソンは「高度な分析を使用して、大量のデータを取り込み、時間帯、使用しているデバイス、話す言語、ブラウザに基づいて潜在的なターゲット消費者に価値を割り当てることで、入札プロセスの効率を高めています。使っている。"

ワトソンがデータを分析できるレベルは「気が遠くなるような」ものです。たとえば、「午前3時に表示されたときに2ドルのCPMで表示された場合、正午に3ドルのCPMで表示された場合よりも、小さいサイズの[広告]の方が効果的かどうか」を確認できます。

しかし、デジタル広告市場は静的ではなく、数か月または数年にわたって機能してきたモデルが明日機能することは保証されていません。 AIは学習しながら学習できますが、AIが学習できるかどうかは、トレーニングを受けた状態と同様の状態が維持されているかどうかに大きく依存します。

たとえば、広告フォーマットの変更、エコシステムでの購入者の出入り、AIを使用して広告を購入する企業の数の増加はすべて、市場の状況を劇的に変化させる可能性があるため、それとは大きく異なります。 AIがトレーニングされたデータが収集されたときに存在していました。

つまり、AIモデルの有効性が大幅に低下したり、すぐに壊れて害を及ぼしたりするリスクがあるため、スマート企業は、ビジネスをAIに信頼するのではなく、常に監視と保護措置を講じる必要があります。

感情的知性の欠如

企業は、顧客サービスの取り組みをサポートするためにAIテクノロジーを採用することをますます求めています。たとえば、多くの人が、顧客がFacebookMessengerなどのプラットフォームで対話できるAIを利用したチャットボットを構築しています。

これらのプラットフォーム用のチャットボットの初期の化身には多くの要望が残されていましたが、自然言語処理（NLP）テクノロジーは急速に進歩しており、AI駆動型ボットは対話している人間が何を言っているかをよりよく理解できるようになっています。

しかし、それでも、AIアプリケーションには感情的知性がなく、最も重要なことに、共感を示すことができません。これは、チャットボットなどのカスタマーサービスアプリケーションでAIを成功させるための大きな障壁です。結局のところ、特定の顧客サービスの問い合わせは、顧客との関係を築いたり壊したりする可能性があります。

ブランドがこの課題に対処できる1つの方法は、共感を必要としないカスタマーサービスへのAIの適用を制限することです。たとえば、チャットボットは、最前線のカスタマーサービスとして機能するように設計でき、よくある質問に応答し、単純で一般的に感情の少ない要求を処理します。リクエストがより複雑であるか、潜在的に機密性が高い場合、AIを利用したチャットボットは、顧客を人間の顧客サービス担当者にスムーズに接続できる必要があります。

専門分野

マーケティングコンサルタント会社RaabAssociatesのプリンシパルであるDavidRaabは、「現在および近い将来のAIシステムはスペシャリストです」と述べています。リードのスコアリングやディスプレイ広告に入札するのに最適な価格の決定など、特定のタスクを実行します。

もちろん、AIを活用したテクノロジーは、現在、他のタスクよりも一部の特殊なタスクで優れています。 AIの自動化されたコンテンツ作成、あらゆる場所のコンテンツマーケターの夢をご覧ください。 Gartnerは、2018年までに、すべてのビジネスコンテンツの20％がマシンによって作成されると予測しています。

ある研究によると、AIは、明瞭さと正確さの点で人間のコンテンツと実質的に区別できない特定の種類のコンテンツを作成できるという証拠がありますが、機械で作成されたコンテンツは、実質的により退屈で読みにくいものです。

感情的なコンテンツはコンテンツマーケティングの成功に不可欠であるため、ブランドはコンテンツ作成のタスク全体をAIソフトウェアの手に委ねることに慎重になる理由があります。

しかし、それはAIが特殊なコンテンツタスクを実行できないという意味ではありません。ブランドは、人工知能を使用して、人気のあるコンテンツに適したトレンドやトピックを特定したり、人間が書いたどの見出しが最高のパフォーマンスを発揮するかを予測したり、コンテンツをキュレートしたりできます。

AIを活用したコンテンツキュレーションの革新的な例が、今年の全米オープンで展示されました。全米テニス協会（USTA）は、IBM Watsonを「プレーヤーのジェスチャーや顔の表情、群衆の騒音、放送局の反応を認識するように」トレーニングし、Watsonを使用して、放送チームとコンテンツチームが試合のハイライトを特定してファンに配信できるようにしました。

コラボレーションできない

RaabAssociatesのDavidRaabが観察したように、マーケティングキャンペーンには多くの特殊なタスクの調整が含まれます。つまり、AIが完全なマーケティングキャンペーンを引き継ぐには、「多くのAIの協力が必要です」。

理論的には、これは必ずしも取引を妨げるものではありません。しかし、理論と現実は同じものではありません。彼はこれを実現するために何が関係しているのかを説明しました：

AI駆動型コンポーネントの複雑なコレクションが連携して、完全に自動化され、完全にパーソナライズされたカスタマーエクスペリエンスを作成することを想像するのは、簡単で楽しいことです。ただし、そのシステムは、1つまたは別のコンポーネントが、処理するようにトレーニングされていない状態に直面しているため、頻繁に障害が発生する傾向があります。システムが適切に設計されている場合（そして幸運なことに）、それが発生するとコンポーネントは自動的にシャットダウンします。運が悪ければ、彼らは走り続け、ますます不適切な結果を返します。

これが最終的に意味することは、AIが約束するような自動運転のマーケティングキャンペーンを構築することは、企業にとってより複雑でコストがかかるということです。そのため、当面は、知識豊富なブランドがどのAIテクノロジーに投資するかについて戦略的になります。たとえば、ある企業はAIをリードスコアに適用することで大きな価値を実現し、別の企業はAIをソーシャルメディアの感情分析に適用することでより多くの価値を実現する可能性があります。

収益はブランドとそのニーズによって大きく異なる可能性があるため、企業は現実的にAIテクノロジーを分析し、どれが最も価値のあるものかを判断する必要があります。