Пять серьезных проблем на пути к внедрению и успеху искусственного интеллекта

Есть несколько технологий, которыми компании восхищаются больше, чем искусственный интеллект (ИИ), и не зря: ИИ может полностью изменить то, как компании работают в разных сферах деятельности, включая маркетинг, обслуживание клиентов и финансы.

Но, как и во многих новых технологиях, есть проблемы, и искусственный интеллект не испытывает недостатка в них. Это может объяснить, почему, согласно новому исследованию MIT-Boston Consulting Group, 85% руководителей считают, что ИИ изменит бизнес, но только 20% компаний каким-то образом используют его, и только 5% широко используют его.

Так что же мешает ИИ реализовать свой потенциал? Вот пять самых больших проблем, которые необходимо решить компаниям, если они хотят начать эффективно использовать растущее количество доступных сегодня инструментов на базе искусственного интеллекта.

Доступ к данным

Данные - это жизненная сила цифровой экономики, и для компаний, желающих применить ИИ в любом количестве областей, доступ к данным станет одной из самых больших проблем. На самом деле, по словам Джорджа Заркадакиса, ведущего специалиста по цифровым технологиям глобальной консалтинговой фирмы Willis Towers Watson, данные станут самой большой проблемой, с которой столкнутся компании.

«Для обучения алгоритмов машинного обучения нужны массивные и чистые наборы данных с минимальными искажениями», - сказал он AI Business . «Также необходимо помнить о проблемах конфиденциальности данных, когда дело доходит до сбора персональных данных, особенно в свете Общего регламента защиты данных, который вступает в силу в 2018 году».

Хорошая новость заключается в том, что большинство брендов на протяжении многих лет уделяют большое внимание ценности данных. В частности, благодаря рекламному рынку, компании осознали ценность собственных данных, особенно в свете растущих затрат на получение сторонних данных.

В результате многие компании вкладывают значительные средства в создание инфраструктуры для сбора и хранения данных, которые они генерируют, и для набора талантов, способных их использовать. Те, кто продвинулся дальше в этой области, обнаружат, что у них есть конкурентное преимущество в интеграции ИИ в свой бизнес.

Дело в том, что прошлое не всегда является прологом

Даже когда у компании имеется достаточно данных для создания приложений ИИ, для них важно осознавать, что модели, которым обучаются их приложения ИИ, не обязательно будут работать вечно.

Возьмем, к примеру, приложения AI, которые используются для управления маркетинговыми кампаниями. В прошлом году IBM объявила, что к 2017 году будет использовать свою платформу Watson для управления всеми своими программными кампаниями. Согласно отчетам, IBM снизила стоимость клика в среднем на 35% с помощью Watson, а в некоторых случаях эта цифра достигла такого же уровня. как 71%.

Как объясняет AdAge, Watson «использует расширенную аналитику для повышения эффективности процесса торгов, собирая огромные объемы данных и присваивая ценность потенциальным целевым потребителям в зависимости от времени суток, того, какое устройство они используют, на каком языке они говорят и в каком браузере. используют. "

Уровень, на котором Watson может анализировать данные, «ошеломляет». Например, он может посмотреть, «эффективнее ли [объявление] меньшего размера при показе в 3 часа ночи при цене за тысячу показов 2 доллара США или при цене за тысячу показов, чем более крупные объявления в полдень при цене 3 доллара США за тысячу показов».

Но рынок цифровой рекламы не статичен, и модели, которые работали месяцами или годами, не гарантированно сработают завтра. Хотя ИИ может учиться на ходу, его способность делать это во многом зависит от условий, аналогичных тем, в которых он был обучен.

Например, изменение форматов рекламы, приход и уход покупателей в экосистеме и увеличение числа компаний, использующих ИИ для покупки рекламы, могут резко изменить рыночные условия, так что они сильно отличаются от тех, которые существовало, когда собирались данные, на которых был обучен ИИ.

Это означает, что существуют риски того, что модели ИИ значительно снизятся в эффективности или быстро сломаются, что приведет к ущербу, поэтому умным компаниям, вероятно, всегда нужно будет обеспечивать надзор и меры безопасности, а не доверять бизнес ИИ.

Недостаток эмоционального интеллекта

Компании все чаще стремятся использовать технологии искусственного интеллекта для поддержки своих усилий по обслуживанию клиентов. Например, многие создают чат-ботов на базе искусственного интеллекта, с которыми клиенты могут взаимодействовать на таких платформах, как Facebook Messenger.

В то время как ранние воплощения чат-ботов для этих платформ оставляли желать лучшего, технология обработки естественного языка (NLP) быстро совершенствуется, и боты, управляемые ИИ, все лучше понимают, что говорят люди, с которыми они взаимодействуют.

Но даже в этом случае приложениям ИИ не хватает эмоционального интеллекта, и, что наиболее важно, они неспособны демонстрировать сочувствие, и это огромный барьер на пути к успеху ИИ в приложениях для обслуживания клиентов, таких как чат-боты. В конце концов, определенные запросы в службу поддержки могут создать или разрушить отношения с клиентами.

Один из способов решения этой проблемы брендами - ограничить применение ИИ для обслуживания клиентов, когда сочувствие не требуется. Например, чат-боты могут быть спроектированы так, чтобы они служили в качестве службы поддержки клиентов, отвечая на часто задаваемые вопросы и обрабатывая простые, обычно не вызывающие эмоций запросы. Там, где запросы более сложные или потенциально чувствительные, чат-боты на базе искусственного интеллекта должны иметь возможность беспрепятственно связывать клиентов с представителями службы поддержки клиентов.

Специализация

Дэвид Рааб, руководитель консалтинговой компании Raab Associates, отметил, что «системы искусственного интеллекта сегодня и в ближайшем будущем - это специалисты». Они выполняют определенные задачи, такие как оценка лида или определение оптимальной цены для медийной рекламы.

Конечно, технологии на базе искусственного интеллекта в настоящее время лучше справляются с некоторыми специализированными задачами, чем с другими. Возьмите, к примеру, автоматическое создание контента с помощью ИИ, мечту контент-маркетологов во всем мире. К 2018 году Gartner прогнозирует, что 20% всего бизнес-контента будет производиться машинами.

Хотя есть доказательства того, что ИИ способен создавать определенные виды контента, который практически неотличим от человеческого контента с точки зрения ясности и точности, контент, созданный машинами, значительно скучнее и менее приятен для чтения, согласно одному исследованию.

Поскольку эмоциональный контент имеет решающее значение для успеха контент-маркетинга, у брендов есть основания опасаться возлагать всю задачу по созданию контента в руки программного обеспечения AI.

Но это не значит, что ИИ не может выполнять специализированные контентные задачи. Бренды могут использовать искусственный интеллект для выявления тенденций и тем, которые подходят для популярного контента, прогнозирования того, какие заголовки, написанные людьми, будут работать лучше всего, или для курирования контента.

Инновационный пример курирования контента с помощью ИИ был продемонстрирован во время Открытого чемпионата США в этом году. Теннисная ассоциация США (USTA) обучила IBM Watson «распознавать жесты и мимику игроков, шум толпы и реакцию вещателей», а затем использовать Watson, чтобы помочь своим командам по трансляции и контенту определять основные моменты матча, которые они должны донести до болельщиков.

Неспособность сотрудничать

Как заметил Дэвид Рааб из Raab Associates, маркетинговая кампания включает в себя координацию множества специализированных задач, а это означает, что для ИИ, чтобы взять на себя полную маркетинговую кампанию, «потребуется сотрудничество многих ИИ».

Теоретически это не обязательно является препятствием для сделки. Но теория и реальность - это не одно и то же. Он объяснил, что нужно для этого:

Легко - и весело - представить себе сложную коллекцию компонентов, управляемых ИИ, которые взаимодействуют друг с другом для создания полностью автоматизированного и персонализированного взаимодействия с клиентами. Но эта система будет склонна к частым сбоям, поскольку тот или иной компонент окажется в условиях, с которыми он не был обучен работать. Если системы хорошо спроектированы (а нам повезло), компоненты отключатся, когда это произойдет. Если нам не повезет, они будут продолжать работать и возвращать все более неуместные результаты.

В конечном итоге это означает, что компаниям будет сложнее и дороже создавать самостоятельные маркетинговые кампании, которые обещает ИИ. По этой причине в промежуточный период опытные бренды будут стратегически определять, в какие технологии ИИ они вкладывают средства. Например, одна компания может получить значительную выгоду от применения ИИ для оценки потенциальных клиентов, в то время как другая может получить больше пользы от применения ИИ для анализа настроений в социальных сетях.

Поскольку доходность может сильно различаться в зависимости от бренда и его потребностей, компаниям реально необходимо проанализировать технологии искусственного интеллекта и определить, какие из них наиболее ценны для них.