人工智能采用和成功的五个大挑战

几乎没有什么技术比人工智能 (AI) 更让公司感到兴奋，这是有充分理由的：人工智能有可能彻底改变公司跨职能运作的方式，包括营销、客户服务和财务。

但与许多新兴技术一样，也存在挑战，而人工智能并不缺乏挑战。 这或许可以解释为什么根据麻省理工学院波士顿咨询集团的一项新调查，85% 的高管认为人工智能将改变业务，但只有 20% 的公司以某种方式使用它，而只有 5% 的公司广泛使用它。

那么是什么阻碍了人工智能发挥其潜力？ 如果公司想要开始有效利用当今越来越多的人工智能工具，则需要解决以下五个最大挑战。

访问数据

数据是数字经济的命脉，对于希望将人工智能应用于任何领域的公司来说，获取数据将是最大的挑战之一。 事实上，全球咨询公司 Willis Towers Watson 的数字主管 George Zarkadakis 表示，数据将成为公司面临的最大挑战。

“要训练机器学习算法，需要大量干净的数据集，并且偏差最小，”他告诉AI Business 。 “在收集个人数据时，还需要牢记数据隐私问题，特别是考虑到 2018 年生效的《通用数据保护条例》。”

好消息是，大多数品牌多年来一直热衷于数据的价值。 特别是由于广告市场，公司已经认识到第一方数据的价值，特别是考虑到获取第三方数据的成本越来越高。

因此，许多公司一直在大力投资创建基础设施，以收集和存储他们生成的数据，并招聘能够利用这些数据的人才。 那些在该领域走得更远的公司会发现，他们在将人工智能集成到业务中方面具有竞争优势。

过去并不总是序幕的事实

即使一家公司有足够的数据来创建 AI 应用程序，他们也必须认识到，他们的 AI 应用程序所训练的模型不一定永远有效。

以用于管理营销活动的 AI 应用程序为例。 去年，IBM 宣布将在 2017 年之前使用其 Watson 平台来管理其所有程序化活动。 据报道，IBM 使用 Watson 将每次点击的成本平均降低了 35%，在某些情况下，这个数字甚至更高71%。

正如 AdAge 所解释的那样，Watson “通过摄取大量数据并根据一天中的时间、他们使用的设备、他们说的语言和他们使用的浏览器为潜在目标消费者分配价值，使用高级分析在投标过程中提高效率。正在使用。”

Watson 分析数据的程度“令人难以置信”。 例如，它可以查看“在凌晨 3 点以 2 美元的 CPM 或每千次展示费用展示时，较小尺寸的 [广告] 是否比中午以 3 美元的 CPM 展示较大的广告更有效。”

但是数字广告市场并不是一成不变的，并且已经运行了数月或数年的模型并不能保证明天就可以运行。 虽然 AI 可以随心所欲地学习，但它这样做的能力在很大程度上取决于与训练时的条件保持相似的条件。

例如，不断变化的广告格式、生态系统中买家的进出以及使用 AI 购买广告的公司数量的增加，都有可能极大地改变市场状况，因此它们与那些使用 AI 的公司大不相同。当收集人工智能训练所针对的数据时就存在了。

这意味着人工智能模型可能会显着降低效率或迅速失效，从而造成伤害，因此聪明的公司可能总是需要确保监督和保护措施到位，而不是将业务托付给人工智能。

缺乏情商

越来越多的公司希望采用人工智能技术来支持他们的客户服务工作。 例如，许多公司正在构建基于人工智能的聊天机器人，客户可以在 Facebook Messenger 等平台上与之互动。

虽然这些平台的聊天机器人的早期版本还有很多不足之处，但自然语言处理 (NLP) 技术正在迅速改进，人工智能驱动的机器人在理解他们与之交互的人类所说的话方面也越来越好。

但即便如此，人工智能应用缺乏情商，最重要的是，它们无法表现出同理心，这是人工智能在聊天机器人等客户服务应用中取得成功的巨大障碍。 毕竟，某些客户服务查询可以建立或破坏客户关系。

品牌应对这一挑战的一种方法是将人工智能的应用限制在不需要同理心的客户服务中。 例如，聊天机器人可以设计为一线客户服务，回答常见问题并处理简单的、通常不那么情绪化的请求。 在请求更复杂或潜在敏感的情况下，人工智能聊天机器人应该能够顺利地将客户与人类客户服务代表联系起来。

专业化

营销咨询公司 Raab Associates 的负责人 David Raab 指出，“今天和不久的将来的人工智能系统都是专家。” 他们执行特定任务，例如为潜在客户评分或确定展示广告的最佳出价。

当然，人工智能驱动的技术目前在某些专业任务上比在其他任务上做得更好。 以 AI 自动化内容创建为例，这是各地内容营销人员的梦想。 到 2018 年，Gartner 预测所有商业内容的 20% 将由机器生产。

一项研究表明，虽然有证据表明人工智能能够创建某些类型的内容，这些内容在清晰度和准确性方面与人类内容几乎没有区别，但机器制作的内容却更乏味，阅读起来更不愉快。

由于情感内容对于内容营销的成功至关重要，因此品牌有理由对将内容创建的整个任务交给 AI 软件持谨慎态度。

但这并不意味着人工智能不能执行专门的内容任务。 品牌可以使用人工智能来识别适合流行内容的趋势和主题，预测哪些人工编写的标题效果最好，或策划内容。

今年美国公开赛期间展示了一个基于人工智能的内容管理创新示例。 美国网球协会 (USTA) 对 IBM Watson 进行了培训，以“识别球员的手势和面部表情、人群噪音和广播员的反应”，然后使用 Watson 帮助其广播和内容团队识别比赛精彩片段以提供给球迷。

无法合作

正如 Raab Associates 的 David Raab 所观察到的，营销活动涉及许多专业任务的协调，这意味着人工智能要接管完整的营销活动“将需要许多人工智能的合作”。

从理论上讲，这不一定会破坏交易。 但是理论和现实不是一回事。 他解释了实现这一目标的原因：

设想一个复杂的 AI 驱动组件集合，通过协作来创建完全自动化、完美个性化的客户体验，这既简单又有趣。 但是该系统很容易出现频繁故障，因为一个或另一个组件发现自己面临着未经培训可以处理的情况。 如果系统设计得很好（我们很幸运），那么组件会在发生这种情况时自行关闭。 如果我们不那么幸运，他们将继续运行并返回越来越不适当的结果。

这最终意味着，公司建立人工智能承诺的那种自动驾驶营销活动将更加复杂和昂贵。 出于这个原因，在此期间，精明的品牌将对他们投资的人工智能技术具有战略意义。例如，一家公司可能会意识到将人工智能应用于潜在客户评分的重要价值，而另一家公司可能会意识到将人工智能应用于社交媒体情绪分析的更多价值。

由于回报可能因品牌及其需求而异，因此公司实际上需要分析人工智能技术并确定哪些技术可为他们提供最大价值。