Pięć wielkich wyzwań związanych z przyjęciem i sukcesem sztucznej inteligencji
Opublikowany: 2017-09-08Niewiele jest technologii, którymi firmy są bardziej podekscytowane niż sztuczna inteligencja (AI) i nie bez powodu: sztuczna inteligencja może całkowicie zmienić sposób działania firm w różnych funkcjach, w tym marketingu, obsłudze klienta i finansach.
Ale podobnie jak w przypadku wielu nowych technologii, istnieją wyzwania, a AI ich nie brakuje. To może wyjaśniać, dlaczego, zgodnie z nowym badaniem MIT-Boston Consulting Group, 85% dyrektorów uważa, że sztuczna inteligencja zmieni biznes, ale tylko 20% firm korzysta z niej w jakiś sposób, a tylko 5% robi to w szerokim zakresie.
Więc co stoi na przeszkodzie, by sztuczna inteligencja mogła zrealizować swój potencjał? Oto pięć największych wyzwań, z którymi muszą się zmierzyć firmy, jeśli chcą zacząć efektywnie korzystać z rosnącej liczby dostępnych obecnie narzędzi opartych na sztucznej inteligencji.
Dostęp do danych
Dane są siłą napędową gospodarki cyfrowej, a dla firm, które chcą zastosować sztuczną inteligencję w wielu obszarach, dostęp do danych będzie jednym z największych wyzwań. W rzeczywistości, według George'a Zarkadakisa, lidera cyfrowego w globalnej firmie doradczej Willis Towers Watson, dane będą największym wyzwaniem, przed jakim stoją firmy.
„Aby trenować algorytmy uczenia maszynowego, potrzebne są ogromne i czyste zestawy danych, z minimalnymi odchyleniami”, powiedział AI Business . „Należy również pamiętać o kwestiach prywatności danych, jeśli chodzi o gromadzenie danych osobowych, szczególnie w świetle ogólnego rozporządzenia o ochronie danych, które wejdzie w życie w 2018 r.”
Dobrą wiadomością jest to, że większość marek od lat interesuje się wartością danych. Zwłaszcza dzięki rynkowi reklamy firmy dostrzegły wartość danych własnych, zwłaszcza w świetle rosnących kosztów pozyskiwania danych zewnętrznych.
W rezultacie wiele firm intensywnie inwestuje w tworzenie infrastruktury do gromadzenia i przechowywania generowanych przez siebie danych oraz w rekrutację talentów zdolnych do ich wykorzystania. Ci, którzy są dalej w tej dziedzinie, przekonają się, że mają przewagę konkurencyjną w zakresie integracji sztucznej inteligencji w swoich przedsiębiorstwach.
Fakt, że przeszłość nie zawsze jest prologiem
Nawet jeśli firma ma wystarczającą ilość danych, na których można tworzyć aplikacje AI, ważne jest, aby zdała sobie sprawę, że modele, względem których są trenowane ich aplikacje AI, niekoniecznie będą działać w nieskończoność.
Weźmy na przykład aplikacje AI, które służą do zarządzania kampaniami marketingowymi. W zeszłym roku IBM ogłosił, że do 2017 roku będzie używać swojej platformy Watson do zarządzania wszystkimi kampaniami programmatic. Według raportów IBM obniżył koszt kliknięcia średnio o 35% przy użyciu Watsona, a w niektórych przypadkach liczba ta była równie wysoka jako 71%.
Jak wyjaśnił AdAge, Watson „wykorzystuje zaawansowaną analitykę, aby usprawnić proces licytacji, pobierając ogromne ilości danych i przypisując wartość potencjalnym konsumentom docelowym w oparciu o porę dnia, urządzenie, z którego korzystają, w jakim języku mówią i jakiej przeglądarki używają."
Poziom, do którego Watson może analizować dane, jest „oszałamiający”. Na przykład może sprawdzić, „czy mniejszy rozmiar [reklama] jest bardziej skuteczny, gdy jest wyświetlany o 3 nad ranem przy CPM 2 USD lub kosztu tysiąca wyświetleń, niż większe reklamy w południe przy CPM 3 USD”.
Ale rynek reklamy cyfrowej nie jest statyczny, a modele, które działały przez miesiące lub lata, nie mają gwarancji, że będą działać jutro. Chociaż sztuczna inteligencja może się uczyć na bieżąco, jej zdolność do tego zależy w dużej mierze od warunków podobnych do tych, w których była trenowana.
Zmieniające się formaty reklam, pojawianie się i odchodzenie kupujących w ekosystemie oraz wzrost liczby firm wykorzystujących sztuczną inteligencję do kupowania reklam, na przykład, mają potencjał, aby radykalnie zmienić warunki rynkowe, tak że bardzo różnią się od tych, które istniały, gdy zebrano dane, przeciwko którym szkolono sztuczną inteligencję.
Oznacza to, że istnieje ryzyko, że modele sztucznej inteligencji znacznie zmniejszą się pod względem skuteczności lub szybko się zepsują, powodując szkody, więc inteligentne firmy prawdopodobnie zawsze będą musiały zapewnić nadzór i zabezpieczenia, zamiast powierzać swoją działalność sztucznej inteligencji.
Brak inteligencji emocjonalnej
Firmy coraz częściej poszukują technologii sztucznej inteligencji w celu wsparcia działań związanych z obsługą klienta. Na przykład wielu buduje chatboty oparte na sztucznej inteligencji, z którymi klienci mogą wchodzić w interakcje na platformach takich jak Facebook Messenger.
Podczas gdy wczesne wcielenia chatbotów dla tych platform pozostawiały wiele do życzenia, technologia przetwarzania języka naturalnego (NLP) szybko się poprawia, a boty oparte na sztucznej inteligencji coraz lepiej rozumieją, co mówią ludzie, z którymi wchodzą w interakcje.
Ale mimo to aplikacjom AI brakuje inteligencji emocjonalnej, a co najważniejsze, nie są w stanie wykazać empatii, a to stanowi ogromną barierę dla sukcesu AI w aplikacjach obsługi klienta, takich jak chatboty. W końcu niektóre zapytania dotyczące obsługi klienta mogą nawiązać lub zerwać relację z klientem.
Jednym ze sposobów, w jaki marki mogą sprostać temu wyzwaniu, jest ograniczenie zastosowania sztucznej inteligencji do obsługi klienta, gdzie empatia nie jest konieczna. Na przykład chatboty mogą być zaprojektowane tak, aby służyły jako pierwsza linia obsługi klienta, odpowiadając na często zadawane pytania i obsługując proste, ogólnie rzecz biorąc, prośby o niskim poziomie emocji. Tam, gdzie żądania są bardziej złożone lub potencjalnie wrażliwe, chatboty oparte na sztucznej inteligencji powinny być w stanie płynnie łączyć klientów z przedstawicielami obsługi klienta.
Specjalizacja
David Raab, dyrektor firmy doradztwa marketingowego Raab Associates, zauważył, że „systemy sztucznej inteligencji dzisiejsze i najbliższej przyszłości są specjalistami”. Wykonują określone zadania, takie jak naliczanie leadów czy ustalanie optymalnej ceny do licytacji za reklamę display.
Oczywiście technologie oparte na sztucznej inteligencji są obecnie lepsze w niektórych specjalistycznych zadaniach niż w innych. Weźmy na przykład automatyczne tworzenie treści ze sztuczną inteligencją, marzenie marketerów treści na całym świecie. Firma Gartner przewiduje, że do 2018 r. maszyny będą wytwarzać 20% całej treści biznesowej.
Chociaż istnieją dowody na to, że sztuczna inteligencja jest w stanie tworzyć pewne rodzaje treści, które są praktycznie nie do odróżnienia od treści ludzkich pod względem przejrzystości i dokładności, według jednego z badań treści wytwarzane maszynowo są znacznie nudniejsze i mniej przyjemne do czytania.
Ponieważ treść emocjonalna ma kluczowe znaczenie dla sukcesu marketingu treści, marki mają powody, aby być ostrożnym, jeśli chodzi o oddanie całego zadania tworzenia treści w ręce oprogramowania AI.
Ale to nie znaczy, że sztuczna inteligencja nie może wykonywać specjalistycznych zadań dotyczących treści. Marki mogą wykorzystywać sztuczną inteligencję do identyfikowania trendów i tematów, które pasują do popularnych treści, przewidywania, które nagłówki napisane przez ludzi będą najlepsze, lub doboru treści.
Innowacyjny przykład kuracji treści w oparciu o sztuczną inteligencję został zaprezentowany podczas tegorocznego US Open. Amerykańskie Stowarzyszenie Tenisowe (USTA) przeszkoliło IBM Watson, aby „rozpoznawał gesty i mimikę graczy, odgłosy tłumu i reakcje nadawcy”, a następnie korzystał z Watsona, aby pomóc swoim zespołom ds. transmisji i treści w identyfikowaniu najważniejszych momentów meczu, które mają być udostępniane fanom.
Niezdolność do współpracy
Jak zauważył David Raab z Raab Associates, kampania marketingowa obejmuje koordynację wielu specjalistycznych zadań, co oznacza, że przejęcie przez sztuczną inteligencję pełnej kampanii marketingowej „będzie wymagało współpracy wielu AI”.
W teorii niekoniecznie jest to zerwanie umowy. Ale teoria i rzeczywistość to nie to samo. Wyjaśnił, co jest zaangażowane w to:
Łatwo i przyjemnie jest wyobrazić sobie złożoną kolekcję komponentów opartych na sztucznej inteligencji współpracujących w celu tworzenia w pełni zautomatyzowanych, doskonale spersonalizowanych doświadczeń klientów. Ale ten system będzie podatny na częste awarie, ponieważ jeden lub drugi komponent znajdzie się w warunkach, w których nie został przeszkolony. Jeśli systemy są dobrze zaprojektowane (i mamy szczęście), komponenty wyłączą się, gdy tak się stanie. Jeśli nie będziemy mieli tyle szczęścia, będą nadal działać i zwracać coraz bardziej nieodpowiednie wyniki.
Ostatecznie oznacza to, że dla firm bardziej skomplikowane i kosztowne będzie tworzenie samonapędzających się kampanii marketingowych, które obiecuje sztuczna inteligencja. Z tego powodu, w międzyczasie, sprytne marki będą miały strategiczne znaczenie dla tego, w jaką technologię AI inwestują. Na przykład jedna firma może osiągnąć znaczną wartość stosując sztuczną inteligencję do lead scoringu, podczas gdy inna może osiągnąć większą wartość stosując sztuczną inteligencję do analizy nastrojów w mediach społecznościowych.
Ponieważ zwroty mogą się bardzo różnić w zależności od marki i jej potrzeb, firmy realistycznie będą musiały przeanalizować technologie AI i określić, które z nich oferują im największą wartość.