AI'nın benimsenmesi ve başarısı için beş büyük zorluk

Şirketlerin yapay zekadan (AI) daha fazla heyecan duyduğu çok az teknoloji vardır ve bunun iyi bir nedeni vardır: AI, şirketlerin pazarlama, müşteri hizmetleri ve finans dahil olmak üzere işlevler genelinde nasıl çalıştığını tamamen yeniden şekillendirme potansiyeline sahiptir.

Ancak ortaya çıkan birçok teknolojide olduğu gibi, zorluklar var ve AI'da bunlardan hiçbir sıkıntı yok. Bu, yeni bir MIT-Boston Consulting Group anketine göre, yöneticilerin %85'inin yapay zekanın işi değiştireceğine inandığını, ancak şirketlerin yalnızca %20'sinin yapay zekayı bir şekilde kullanmasını ve sadece %5'inin onu kapsamlı bir şekilde kullanmasını açıklayabilir.

Peki, AI'nın potansiyelini gerçekleştirmesinin önünde duran nedir? Günümüzde mevcut olan ve sayıları giderek artan yapay zeka destekli araçlardan etkin bir şekilde yararlanmaya başlamak istiyorlarsa, şirketlerin çözmesi gereken en büyük zorluklardan beş tanesini burada bulabilirsiniz.

Verilere erişim

Veri, dijital ekonominin can damarıdır ve yapay zekayı herhangi bir sayıda alana uygulamak isteyen şirketler için verilere erişim en büyük zorluklardan biri olacaktır. Aslında, küresel danışmanlık firması Willis Towers Watson'ın dijital lideri George Zarkadakis'e göre, veriler şirketlerin karşılaştığı en büyük zorluk olacak.

AI Business'a "Makine öğrenimi algoritmalarını eğitmek için, minimum önyargı ile büyük ve temiz veri kümelerine ihtiyaç var" dedi. “Özellikle 2018'de yürürlüğe girecek olan Genel Veri Koruma Yönetmeliği ışığında, kişisel verilerin toplanması söz konusu olduğunda, veri gizliliği konularını da akılda tutmak gerekiyor.”

İyi haber şu ki, çoğu marka yıllardır verilerin değerine önem veriyor. Özellikle reklam pazarı sayesinde şirketler, özellikle üçüncü taraf verilerini edinmenin artan maliyeti ışığında birinci taraf verilerinin değerini anladılar.

Sonuç olarak, birçok şirket ürettikleri verileri toplamak ve depolamak için altyapı oluşturmaya ve bunu kullanabilecek yetenekleri işe almaya büyük yatırımlar yapıyor. Bu alanda daha ileride olanlar, yapay zekayı işlerine entegre etmede rekabet avantajına sahip olduklarını görecekler.

Geçmişin her zaman prolog olmadığı gerçeği

Bir şirketin AI uygulamaları oluşturmak için yeterli verisi olsa bile, AI uygulamalarının eğitildiği modellerin sonsuza kadar çalışmayacağını kabul etmeleri onlar için önemlidir.

Örneğin, pazarlama kampanyalarını yönetmek için kullanılan yapay zeka uygulamalarını ele alalım. Geçen yıl IBM, 2017 yılına kadar tüm programatik kampanyalarını yönetmek için Watson platformunu kullanacağını duyurdu. Raporlara göre IBM, Watson'ı kullanarak tıklama başına maliyetini ortalama %35 oranında azalttı ve bazı durumlarda bu rakam çok yüksek oldu. %71 olarak.

AdAge'in açıkladığı gibi, Watson "büyük miktarda veriyi alarak ve potansiyel hedef tüketicilere günün saatine, hangi cihazı kullandıklarına, hangi dili konuştuklarına ve hangi tarayıcıda konuştuklarına göre değer atayarak teklif verme sürecinde verimlilik yaratmak için gelişmiş analitik kullanır. kullanıyorlar.”

Watson'ın verileri analiz edebildiği düzey "akıllara durgunluk verici". Örneğin, "daha küçük boyutlu [reklam], öğleden sonra 3'te 2 ABD doları BGBM için veya bin gösterim başına maliyet için gösterildiğinde, öğle saatlerinde 3 ABD doları BGBM'ye sahip daha büyük reklamlardan daha etkili olup olmadığına" bakabilir.

Ancak dijital reklam pazarı statik değildir ve aylarca veya yıllarca çalışan modellerin yarın çalışacağı garanti edilmez. AI ilerledikçe öğrenebilse de, bunu yapabilmesi büyük ölçüde üzerinde eğitildiği koşullara benzer kalan koşullara bağlıdır.

Değişen reklam biçimleri, ekosistemdeki alıcıların gelip gitmesi ve reklam satın almak için yapay zekayı kullanan şirketlerin sayısındaki artış, örneğin, tümü, piyasa koşullarını çarpıcı biçimde değiştirme potansiyeline sahiptir, bu nedenle, piyasa koşullarını önemli ölçüde değiştirme potansiyeline sahiptir. AI'nın eğitildiği veriler toplandığında mevcuttu.

Bu, AI modellerinin etkinliğini önemli ölçüde azaltacağı veya hızlı bir şekilde bozularak zarara yol açacağı riskleri olduğu anlamına gelir; bu nedenle akıllı şirketler, işi AI'ya emanet etmek yerine muhtemelen her zaman gözetim ve korumaların yerinde olduğundan emin olmaya ihtiyaç duyacaktır.

Duygusal zeka eksikliği

Şirketler, müşteri hizmetleri çabalarını desteklemek için giderek artan bir şekilde AI teknolojisini kullanmak istiyor. Örneğin, çoğu, müşterilerin Facebook Messenger gibi platformlarda etkileşime girebilecekleri AI destekli sohbet robotları oluşturuyor.

Bu platformlar için sohbet robotlarının erken enkarnasyonları arzulanan çok şey bırakırken, doğal dil işleme (NLP) teknolojisi hızla gelişiyor ve AI güdümlü botlar, etkileşimde bulundukları insanların ne dediğini anlamada daha iyi hale geliyor.

Ancak buna rağmen, AI uygulamaları duygusal zekadan yoksundur ve en önemlisi empati gösteremezler ve bu, sohbet robotları gibi müşteri hizmetleri uygulamalarında AI başarısı için büyük bir engeldir. Sonuçta, belirli müşteri hizmetleri sorguları bir müşteri ilişkisini kurabilir veya bozabilir.

Markaların bu zorluğun üstesinden gelebilmelerinin bir yolu, empatinin gerekli olmadığı durumlarda yapay zeka uygulamasını müşteri hizmetleriyle sınırlamaktır. Örneğin, sohbet robotları, sık sorulan sorulara yanıt veren ve basit, genellikle düşük duygulu istekleri ele alan, ön safta müşteri hizmetleri olarak hizmet verecek şekilde tasarlanabilir. İsteklerin daha karmaşık veya potansiyel olarak hassas olduğu durumlarda, yapay zeka destekli sohbet robotları, müşterileri insan müşteri hizmetleri temsilcilerine sorunsuz bir şekilde bağlayabilmelidir.

uzmanlık

Raab Associates pazarlama danışmanlığı müdürü David Raab, “Bugünün ve yakın geleceğin yapay zeka sistemleri birer uzmandır” dedi. Bir müşteri adayı puanlama veya bir görüntülü reklam için teklif vermek için en uygun fiyatı belirleme gibi belirli görevleri yerine getirirler.

Tabii ki, AI destekli teknolojiler şu anda bazı özel görevlerde diğerlerinden daha iyi. Her yerde içerik pazarlamacılarının hayali olan yapay zeka otomatik içerik oluşturmayı ele alın. Gartner, 2018 yılına kadar tüm iş içeriğinin %20'sinin makineler tarafından üretileceğini tahmin ediyor.

Yapay zekanın netlik ve doğruluk açısından insan içeriğinden neredeyse ayırt edilemeyen belirli içerik türleri oluşturabildiğine dair kanıtlar olsa da, bir araştırmaya göre makine tarafından üretilen içerik çok daha sıkıcı ve okunması daha az hoş.

Duygusal içerik, içerik pazarlama başarısı için kritik öneme sahip olduğundan, markaların tüm içerik oluşturma görevini yapay zeka yazılımının ellerine bırakma konusunda temkinli olmaları için sebepleri var.

Ancak bu, yapay zekanın özel içerik görevleri gerçekleştiremeyeceği anlamına gelmez. Markalar, popüler içeriğe uygun eğilimleri ve konuları belirlemek, insan tarafından yazılan hangi başlıkların en iyi performansı göstereceğini tahmin etmek veya içeriği düzenlemek için yapay zekayı kullanabilir.

Yapay zeka destekli içerik küratörlüğünün yenilikçi bir örneği bu yıl ABD Açık'ta sergilendi. Amerika Birleşik Devletleri Tenis Birliği (USTA), IBM Watson'ı "oyuncu hareketlerini ve yüz ifadelerini, kalabalık seslerini ve yayıncı tepkisini tanıması" konusunda eğitti ve ardından yayın ve içerik ekiplerinin taraftarlara sunmak üzere maçın önemli anlarını belirlemesine yardımcı olması için Watson'ı kullandı.

İşbirliği yapamama

Raab Associates'ten David Raab'ın gözlemlediği gibi, bir pazarlama kampanyası birçok özel görevin koordinasyonunu içerir, yani AI'nın tam bir pazarlama kampanyasını devralması "birçok AI'nın işbirliğini gerektirecektir".

Teoride, bu mutlaka bir anlaşma kırıcı değildir. Ancak teori ve gerçeklik aynı şey değildir. Bunun gerçekleşmesinin neyle ilgili olduğunu açıkladı:

Tamamen otomatikleştirilmiş, mükemmel şekilde kişiselleştirilmiş müşteri deneyimleri oluşturmak için işbirliği yapan yapay zekaya dayalı karmaşık bir bileşen koleksiyonunu tasarlamak kolay ve eğlencelidir. Ancak, bir veya başka bir bileşen, üstesinden gelmek için eğitilmediği koşullarla karşı karşıya kaldığında, bu sistem sık sık arızalara eğilimli olacaktır. Sistemler iyi tasarlanmışsa (ve şanslıysak), bu gerçekleştiğinde bileşenler kendilerini kapatacaktır. Bu kadar şanslı değilsek, çalışmaya devam edecekler ve giderek daha uygunsuz sonuçlar verecekler.

Bunun nihai olarak anlamı, şirketlerin AI'nın vaat ettiği türde kendi kendini yöneten pazarlama kampanyaları oluşturmasının daha karmaşık ve maliyetli olacağıdır. Bu nedenle, geçici olarak, bilgili markalar hangi AI teknolojisine yatırım yapacakları konusunda stratejik olacaklar. Örneğin, bir şirket lider puanlama için AI uygulayarak önemli bir değer elde edebilirken, bir diğeri AI'yı sosyal medya duyarlılık analizine uygulayarak daha fazla değer elde edebilir.

Geri dönüşler, markaya ve ihtiyaçlarına bağlı olarak çok fazla değişebileceğinden, şirketlerin gerçekçi bir şekilde AI teknolojilerini analiz etmeleri ve hangilerinin kendilerine en fazla değeri sunduğunu belirlemeleri gerekecek.