人工智能採用和成功的五個大挑戰

幾乎沒有什麼技術比人工智能 (AI) 更讓公司感到興奮，這是有充分理由的：人工智能有可能徹底改變公司跨職能運作的方式，包括營銷、客戶服務和財務。

但與許多新興技術一樣，也存在挑戰，而人工智能並不缺乏挑戰。 這或許可以解釋為什麼根據麻省理工學院波士頓諮詢集團的一項新調查，85% 的高管認為人工智能將改變業務，但只有 20% 的公司以某種方式使用它，而只有 5% 的公司廣泛使用它。

那麼是什麼阻礙了人工智能發揮其潛力？ 如果公司想要開始有效利用當今越來越多的人工智能工具，則需要解決以下五個最大挑戰。

訪問數據

數據是數字經濟的命脈，對於希望將人工智能應用於任何領域的公司來說，獲取數據將是最大的挑戰之一。 事實上，全球諮詢公司 Willis Towers Watson 的數字主管 George Zarkadakis 表示，數據將成為公司面臨的最大挑戰。

“要訓練機器學習算法，需要大量乾淨的數據集，並且偏差最小，”他告訴AI Business 。 “在收集個人數據時，還需要牢記數據隱私問題，特別是考慮到 2018 年生效的《通用數據保護條例》。”

好消息是，大多數品牌多年來一直熱衷於數據的價值。 特別是由於廣告市場，公司已經認識到第一方數據的價值，特別是考慮到獲取第三方數據的成本越來越高。

因此，許多公司一直在大力投資創建基礎設施，以收集和存儲他們生成的數據，並招聘能夠利用這些數據的人才。 那些在該領域走得更遠的公司會發現，他們在將人工智能集成到業務中方面具有競爭優勢。

過去並不總是序幕的事實

即使一家公司有足夠的數據來創建 AI 應用程序，他們也必須認識到，他們的 AI 應用程序所訓練的模型不一定永遠有效。

以用於管理營銷活動的 AI 應用程序為例。 去年，IBM 宣布將在 2017 年之前使用其 Watson 平台來管理其所有程序化活動。 據報導，IBM 使用 Watson 將每次點擊的成本平均降低了 35%，在某些情況下，這個數字甚至更高71%。

正如 AdAge 所解釋的那樣，Watson “通過攝取大量數據並根據一天中的時間、他們使用的設備、他們說的語言和他們使用的瀏覽器為潛在目標消費者分配價值，使用高級分析在投標過程中提高效率。正在使用。”

Watson 分析數據的程度“令人難以置信”。 例如，它可以查看“在凌晨 3 點以 2 美元的 CPM 或每千次展示費用展示時，較小尺寸的 [廣告] 是否比中午以 3 美元的 CPM 展示較大的廣告更有效。”

但是數字廣告市場並不是一成不變的，並且已經運行了數月或數年的模型並不能保證明天就可以運行。 雖然 AI 可以隨心所欲地學習，但它這樣做的能力在很大程度上取決於與訓練時的條件保持相似的條件。

例如，不斷變化的廣告格式、生態系統中買家的進出以及使用 AI 購買廣告的公司數量的增加，都有可能極大地改變市場狀況，因此它們與那些使用 AI 的公司大不相同。當收集人工智能訓練所針對的數據時就存在了。

這意味著人工智能模型可能會顯著降低效率或迅速失效，從而造成傷害，因此聰明的公司可能總是需要確保監督和保護措施到位，而不是將業務託付給人工智能。

缺乏情商

越來越多的公司希望採用人工智能技術來支持他們的客戶服務工作。 例如，許多公司正在構建基於人工智能的聊天機器人，客戶可以在 Facebook Messenger 等平台上與之互動。

雖然這些平台的聊天機器人的早期版本還有很多不足之處，但自然語言處理 (NLP) 技術正在迅速改進，人工智能驅動的機器人在理解他們與之交互的人類所說的話方面也越來越好。

但即便如此，人工智能應用缺乏情商，最重要的是，它們無法表現出同理心，這是人工智能在聊天機器人等客戶服務應用中取得成功的巨大障礙。 畢竟，某些客戶服務查詢可以建立或破壞客戶關係。

品牌應對這一挑戰的一種方法是將人工智能的應用限制在不需要同理心的客戶服務中。 例如，聊天機器人可以設計為一線客戶服務，回答常見問題並處理簡單的、通常不那麼情緒化的請求。 在請求更複雜或潛在敏感的情況下，人工智能聊天機器人應該能夠順利地將客戶與人類客戶服務代表聯繫起來。

專業化

營銷諮詢公司 Raab Associates 的負責人 David Raab 指出，“今天和不久的將來的人工智能係統都是專家。” 他們執行特定任務，例如為潛在客戶評分或確定展示廣告的最佳出價。

當然，人工智能驅動的技術目前在某些專業任務上比在其他任務上做得更好。 以 AI 自動化內容創建為例，這是各地內容營銷人員的夢想。 到 2018 年，Gartner 預測所有商業內容的 20% 將由機器生產。

一項研究表明，雖然有證據表明人工智能能夠創建某些類型的內容，這些內容在清晰度和準確性方面與人類內容幾乎沒有區別，但機器製作的內容卻更乏味，閱讀起來更不愉快。

由於情感內容對於內容營銷的成功至關重要，因此品牌有理由對將內容創建的整個任務交給 AI 軟件持謹慎態度。

但這並不意味著人工智能不能執行專門的內容任務。 品牌可以使用人工智能來識別適合流行內容的趨勢和主題，預測哪些人工編寫的標題效果最好，或策劃內容。

今年美國公開賽期間展示了一個基於人工智能的內容管理創新示例。 美國網球協會 (USTA) 對 IBM Watson 進行了培訓，以“識別球員的手勢和麵部表情、人群噪音和廣播員的反應”，然後使用 Watson 幫助其廣播和內容團隊識別比賽精彩片段以提供給球迷。

無法合作

正如 Raab Associates 的 David Raab 所觀察到的，營銷活動涉及許多專業任務的協調，這意味著人工智能要接管完整的營銷活動“將需要許多人工智能的合作”。

從理論上講，這不一定會破壞交易。 但是理論和現實不是一回事。 他解釋了實現這一目標的原因：

設想一個複雜的 AI 驅動組件集合，通過協作來創建完全自動化、完美個性化的客戶體驗，這既簡單又有趣。 但是該系統很容易出現頻繁故障，因為一個或另一個組件發現自己面臨著未經培訓可以處理的情況。 如果系統設計得很好（我們很幸運），那麼組件會在發生這種情況時自行關閉。 如果我們不那麼幸運，他們將繼續運行並返回越來越不適當的結果。

這最終意味著，公司建立人工智能承諾的那種自動駕駛營銷活動將更加複雜和昂貴。 出於這個原因，在此期間，精明的品牌將對他們投資的人工智能技術具有戰略意義。例如，一家公司可能會意識到將人工智能應用於潛在客戶評分的重要價值，而另一家公司可能會意識到將人工智能應用於社交媒體情緒分析的更多價值。

由於回報可能因品牌及其需求而異，因此公司實際上需要分析人工智能技術並確定哪些技術可為他們提供最大價值。