Video: How A.I. Traders Will Dominate Hedge Fund Industry | Marshall Chang | TEDxBeaconStreetSalon (Marraskuu 2024)
Keinotekoinen älykkyys (AI) oli aiemmin lause, jota käytettiin lähes yksinomaan tieteiskirjallisuudessa voiman tuottamiseksi kaikista Armageddonin pakkomielle supertietokoneista onnettomiin tehdasroboteihin, jotka herkät salamanpistot saivat tuntemaan. Mutta nykyään AI: ta käytetään kuvaamaan käytännöllisesti katsoen kaiken liiketoiminnan näkökulmaa, joka hyödyntää organisaation tietoja. Ongelmana on, että pilvipalvelun alkuaikojen tapaan AI-tekniikan kehittäjät määrittelevät sen eri tavalla. Tämä on tehnyt hämmentävästä markkinointitavasta AI: sta, koneoppimisesta (ML), ennakoivasta analytiikasta ja jopa virtuaalisista avustajista.
Lisäksi siitä, kuinka nämä tekniikat vaikuttavat liiketoiminnan eri osa-alueisiin, on tullut vaikea navigoida. Verkkokauppa on yksi avainalue, jolla AI: lla ja siihen liittyvillä tekniikoilla on jo kauan ollut vaikutus kulissien takana. Verkkokaupassa älykäs analytiikka on tarjonnut uusia ominaisuuksia, henkilökohtaisista ostoskokemuksista ennakoiviin asiakaskäyttäytymisanalyyseihin. Puhuimme IBM: n Watson-asiakastoiminnasta vastaavan liiketoimintayksikön päällikön Kris Hamrickin kanssa selvittääkseen jonkin verran sekaannusta, joka ympäröi AI: tä ja verkkokauppaa. Keskustelemme myös siitä, kuinka Big Blue hyödyntää IBM Watsonia sähköisen kaupan tilassa.
PCMag: Kiitos, että käytit aikaa puhua kanssamme. Ensinnäkin on helppo sekoittaa henkilökohtainen mainonta "kognitiiviseen kauppaan", koska molemmissa tarkoitetaan datan ja analytiikan käyttöä tarjousten vastaamiseksi asiakkaiden mieltymyksiin ja tapoihin. On myös tavallista sekoittaa kognitiivinen kaupankäynti ja virtualisoidut avustajat, kuten Amazonin Alexa ja Google Assistant. Kuinka IBM suhtautuu näiden AI-pohjaisten käsitteiden eroihin?
Selitän kuinka IBM erottaa AI: n kognitiivisesta laskennasta. AI on tietokoneen kyky ymmärtää ja perustella ihmisen tavoin. Kognitiiviseen tietojenkäsittelyyn kuuluu kyky ymmärtää, perustella, oppia ja olla vuorovaikutuksessa yhdistämällä ihminen ja kone, jotta he oppivat toisiltaan ja ovat vuorovaikutuksessa tavalla, joka on tehokkaampi yhdistettynä.
Tiedot valmistavat tietä AI: lle. Entä kaikki nämä tiedot yhden sovelluksen ulkopuolella, liiketoimintayksiköissä, ulkoisissa lähteissä, tummissa tiedoissa ja muissa? Elämme erilaisten järjestelmien maailmassa, jotka yhdistettynä, kun yhteydet tehdään datan yli tai tunnistetaan uusia malleja, voivat antaa arvon 1 + 1 = 3. Watsonin ainutlaatuiseksi tekee sen pääsy kaikkiin näihin eri tietolähteisiin yhdistettynä kognitiivisiin kykyihin olla vuorovaikutuksessa ihmisten kanssa, ymmärtää liiketoimintakysymyksiä, löytää toiminnan syy ja viime kädessä oppia siitä vuorovaikutuksesta ja käyttää tätä oppimista tulevaisuuden kyselyihin.
Mukauttamisen suhteen kognitiiviseen kaupankäyntiin Watson antaa käyttäjille mahdollisuuden mennä esimerkiksi asiakassuhteiden hallintaan perustuvan analytiikan ulkopuolelle saadakseen syvemmän käsityksen ja ryhtyä toimiin lisätietojen, kuten tumman datan, kuten sosiaalisen median, chat-huoneiden, asiakaspalvelukopioiden ja muun tiedot, jotka voidaan liittää nykyaikaisiin CRM: iin. Watsonin avulla kampanjat voivat käyttää yksityiskohtaisempaa tietoa ja oivalluksia, optimoida esimerkiksi hinnoittelu, toteutus, lähetysten suorittaminen; ennakoida haasteita ennen kuin ne tapahtuvat, ja viime kädessä parantaa KPI: itä. Tämä parantaa eksponentiaalisesti käyttäjien kykyä työskennellä yhdessä toiminnallisten alueiden välillä ja vaikuttaa paremmin liiketoimintaan vähemmällä vaivalla.
Yritykset yrittävät tehdä tämän tänään resursseillaan. Heillä on raportteja, paljon laskentataulukoita ja monia kokouksia kaikista tiedoista ja heidän intuitiostaan. Mutta viime kädessä monissa tapauksissa ne suorittavat kognitiivisen puolueellisuuden perusteella - mikä tarkoittaa, että ne suodattavat kaiken tiedon ja melun löytääkseen tietoja, jotka sopivat tapaan, jolla asiat on tehty aiemmin. Se on päätöksen puolueellisuutta, ei tietoa.
Yhteenvetona voidaan todeta, että Watson Customer Engagement -yrityksessä upotamme kognitiiviset kyvyt prosesseihin maksimoidaksemme liiketoiminnan suorituskyvyn, parantaaksemme markkinointi- / hinnoittelupäätöksiä ja optimoidaksesi koko toimitusketjun. Asiakkaat voivat myös käyttää samoja Watson-sovellusohjelmointirajapintoja suoraan suoraan omien vanhojen sovellusten ja prosessien mahdollistamiseksi kognitiivisilla ominaisuuksilla. Tärkeintä on, että Watson käsittelee poikkeavuudet, suosittelee toimia ja selittää miksi .
PCMag: B2B-kauppa on väittämättä ollut vaikeampaa kuin B2C: n automatisoinnin ja tarjousten skaalaamisen sekä hinnoittelun, ehtojen ja tapahtumien suhteen. Esimerkiksi, kun kuluttajat ostavat hintoja, yritykset lisäävät kovia hinnoitteluneuvotteluja ja odottavat jopa kauppamakeuttajien lisäksi hintaostoksia. Kuinka kognitiivinen kaupankäynti tai kognitiivinen tietojenkäsittely on valmis muuttamaan B2B-kauppojen tekoa? Ja miten se hillitsee ostajien kustannuksia ja parantaa myyjien voittoja?
KH: B2B-kauppa on loistava esimerkki siitä, kuinka yritys oppii hyödyntämään joitain B2C-maailmassa tapahtuvia uskomattomia kierroksia maksimoidaksesi voitot ja tarjotakseen parempia asiakas- ja kumppanikaupan kokemuksia. Pienille keskisuurille yrityksille myyvillä yrityksillä on joitain samoja haasteita, jotka heidän vähittäiskauppillaan on, mukaan lukien marginaalin eroosio, kanavakonfliktit, asiakastyytyväisyys, "Amazonin vaikutus" (Amazon Businessin kautta), antamalla asiakkaille valita halutun ostopolun, jolloin myyjät keskittyvät oikeisiin mahdollisuuksiin tarjoamalla transaktiokanava ja vastaavat.
Ensimmäinen askel on tarjota kumppaneillesi ja asiakkaillesi parempi kokemus kuin kilpailussa ja korkealla asiakaspalvelutasolla, jota ihmiset odottavat tänä päivänä. Jos olen asiakkaasi, tämä tarkoittaa, että sinun on tiedettävä neuvotellut hinnoitteluehdot, ostohistoriani, näytettävä minulle tuotteita tai tarjouksia, jotka liittyvät liiketoimintaani, ja annan minun kuluttaa näitä tuotteita ja palveluita asiakas- ystävällinen ratkaisu. Kognitiiviset kyvyt voidaan ja pitäisi kudostaa koko arvoketjussa näiden tavoitteiden saavuttamiseksi.
Tänään näemme tämän tapahtuvan monilla toimialoilla. Ota askel eteenpäin ottamalla kysymys pelkästään "kaupan" ulkopuolelle ja alkaa pohtia, mitä B2B tarkoittaa monilla aloilla ja miten he palvelevat asiakkaitaan.
Esimerkiksi johtavat valmistajat voivat ennakoida sääkuvioita välttääkseen toimitusketjun häiriöitä ja varastonpulaa tuotteen lanseerauksen aikana. Yksi asiakkaistamme, Kone, käyttää hissien IoT-tietoja ennakoida kulumista ja priorisoida kunnossapito ennen palvelun katkaisua. Lääketieteen alalla Quest Diagnostics käyttää Watsonia analysoimaan yksilön kasvaimen biopsiaa ja vertaa DNA-sekvensointia miljoonien sivujen lääketieteellisissä lehdissä, tutkimuspapereissa ja kliinisissä tutkimuksissa tarjotakseen onkologille parhaan hoitosuosituksen kyseiselle potilaalle..
Nämä esimerkit ovat selvästi erilaisia, mutta se vain korostaa, että mahdollisuudet ovat rajattomat. Olemme vasta kognitiivisen matkan alussa. Olemme vasta alkamassa löytää monia tapoja, joilla tämä tekniikka voi auttaa parantamaan yritysten ja heidän asiakkaidensa suhteita.
PCMag: Digitaalimuutos tapahtuu kiihkeässä vauhdissa kaikkialla, ja se tuottaa huomattavasti enemmän dataa kuin olemme koskaan nähneet. Mutta tietotieteilijöiden mielestä - ja IBM näyttää olevan yhtä mieltä - datan ei pitäisi olla olemassa erikseen, koska sen arvo on suurelta osin merkityksellisen syvyyden ja kontekstin lisääminen monimutkaisiin kyselyihin. Miksi Watson soveltuu ainutlaatuisesti erilaisten tietojen ja monimutkaisten kyselyiden käsittelemiseen?
KH: Kuten aiemmin keskustelimme, 88 prosenttia kaikesta tiedosta on käytännössä tummaa. Tarkoittaa, että tiedot, jotka sisältävät oivalluksia, joita kaikki pyrimme löytämään, eivät ole tietolähteissä, joita on helppo sulauttaa tai suodattaa. Lisäksi tietoteknikot ovat kalliita resursseja, eivätkä he helposti mittakaa opintojaan koko liiketoiminnassa tai pienemmissä yrityksissä.
Watsonin kanssa tavoitteena on ottaa tämä tumma data ja tehdä siitä toimiva jokaiselle, joka sitä tarvitsee. Mahdollisuudet ovat rajattomat. Watsonilla on ainutlaatuiset kyvyt kuluttaa suuria määriä jäsenneltyä ja jäsentämätöntä tietoa eri kielillä, toimia tiedon perusteella monilla kognitiivisilla palveluilla, optimoida kokemus kaikille yleisöille käyttäjistä kuluttajille ja tarjota samat palvelut muille yrityksille upottaakseen heidän sovelluksissaan.
Täällä on monia esimerkkejä. Yhden osalta "Watson Tone Analyzer" mahdollistaa kielellisen sisällön analysoinnin, joka pystyy havaitsemaan ja ymmärtämään keskustelun ja viestinnän äänet vastaamaan asianmukaisesti. "Watson Personality Insights" poimii persoonallisuusominaisuudet ihmisen kirjoittamisen perusteella. "Watson Conversation" antaa sinulle mahdollisuuden lähettää botti tai virtuaalinen agentti laitteisiin, viestiympäristöihin kuten Slack tai jopa robottiin.
Ja "Watson Visual Recognition" ymmärtää kuvien sisällön. Se on yksi suosikeistani, koska se on niin monipuolinen. Visuaalisen tunnistuksen avulla voit havaita tietyntyyppisiä pukeutumisia vähittäiskaupassa, tunnistaa pilaantuneita hedelmiä ruokakaupan varastosta, analysoida vaurioita, joita raesatama teki yhden vakuutusasiakkaasi katolle, ja niin paljon muuta.
PCMag: Tietojen demokratisointi on käynnissä - tai ainakin suunniteltu - useimmissa organisaatioissa nykyään. Mutta kääntöpuoli - datan kuluttaminen - on myös nousussa, kun kuluttajat tekevät päivittäin enemmän tietopohjaisia päätöksiä. Mitä rooleja Watsonilla ja kognitiivisella kaupalla voi olla tässä tietojen kulutuksen kehityssuunnassa?
KH: Se on hieno asia: Tietoja ei käytetä vain liiketoimintapäätösten tekemiseen, vaan se lisää myös kuluttajien päätöksiä. Kuten yrityksetkin, kuluttajat haluavat enemmän tietoa tietoon perustuvien valintojen tekemiseksi, mutta he eivät halua viettää paljon aikaa ja energiaa seulomalla enemmän tietoja. He haluavat nopean tuloksen ja tietävät, että se on optimaalinen päätös sen perusteella, mitä he tarvitsevat kyseisellä hetkellä. Lopuksi he haluavat näkyvyyden siihen tietoon, joka antoi päätöksen päätökseen.
Muutama esimerkki: Ensinnäkin 1-800-Flowers esitteli äskettäin "Gwyn" henkilökohtaisena concierge-botina auttaakseen ostajia löytämään parhaan tuotteen lahjan vastaanottajan tuntemuksen ja henkilökohtaisten mieltymysten perusteella. Watsonia käyttämällä Gwyn voi olla vuorovaikutuksessa verkkoasiakkaiden kanssa luonnollisella kielellä. Esimerkiksi asiakas voi kirjoittaa "Etsin lahja äidilleni", ja Gwyn pystyy tulkitsemaan kysymyksen ja esittämään sitten useita täsmällisiä kysymyksiä tilanteesta ja tunteista varmistaakseen, että hän tarjoaa asianmukaisen ja räätälöity lahjasuositus jokaiselle asiakkaalle. Tämä yksilöi luettelon, näyttää vähemmän tietoja ostajalle ja keskittyy vuorovaikutukseen nimenomaan siihen, mitä ostaja haluaa saavuttaa tuolloin.
Samoin The North Face tarjoaa interaktiivisen, vuoropuheluun perustuvan lähestymistavan auttaakseen ostajia. Et todennäköisesti ajattele takkeja olevan monimutkainen tuote, mutta ne ovat. On monia tekijöitä, kuten sääalue, aktiviteetti ja liikkuvuus, joita ostaja ei ehkä harkitse aluksi. Käyttämällä Watsonin kykyä soveltaa loogista päättelyä ja sen kykyä ymmärtää, luokitella ja arvioida luonnollista kieltä, North Face -järjestelmä kysyy lyhyitä hienostuskysymyksiä toimittamaan räätälöityjä tuote- ja sisältösuosituksia, jotka vastaavat ostajan esittämiä toiveita ja mieltymyksiä. Siinä mainitaan myös syy siihen, miksi tuotteen ominaisuudet vastaavat näitä erityistarpeita. Tämä paljastaa tiedot, joita tarvitset suosituksen validoimiseksi.
Olemme vakaasti sitä mieltä, että asiakkaat odottavat tämän tason räätälöityä, henkilökohtaista palvelua kaikilla kanavilla. He haluavat, että kokemus on enemmän keskustelua, kokemusta, jossa heiltä kysytään "Kuinka voin auttaa sinua tänään?" Tämä on kuin palvelu, jonka saat, kun astut vähittäiskauppaan, joka tunnetaan erinomaisesta asiakaspalvelusta. Yritykset, jotka kykenevät tarjoamaan parhaat tuotemerkkikokemukset, viime kädessä keräävät suurimman markkinaosuuden.
PCMag: Näyttää siltä, että lähestymme jo nopeasti päivää, jolloin reaaliaikainen data-analyysi on liian vähän, liian myöhäistä joillekin käyttötapauksille. Tarvitsemme ja odotamme pian ennakoivia avustajia - tai virtuaaliassisteja -, jotka eivät vain ennakoi vaan myös ennakoivat sitä, mitä tarvitsemme tai haluamme jo ennen kuin sitä pyydämme. Näemme sen jo varhaisessa vaiheessa Googlen äskettäin ilmoittamassa "Ennakoivaan avustajaan". Mitä IBM tekee proaktiivisen analyysin suhteen?
KH: Tämä on alue, johon IBM on käyttänyt paljon energiaa. Olemme keskittyneet tarjoamaan kognitiivisia ominaisuuksia, jotka auttavat yrityksiä toimittamaan mielekästä asiakas sitoutumista sekä B2C- että B2B-skenaarioihin. Olemme jo keskustelleet useista esimerkeistä.
Uskon, että yritykset ovat historiallisesti halunneet saada mahdollisimman paljon merkityksellistä tietoa. Usean viime vuoden aikana tapahtuneen räjähdyksen myötä meillä on nyt paljon tietoja. Nyt ongelmana on, kuinka kaikki nämä tiedot saadaan käytettäväksi ilman puolueellisuutta. Meidän on lisäksi tasapainotettava CRM-järjestelmään sisältyvää historiallista tietoa todellisuuden kanssa, mitä potentiaalinen ostaja tarvitsee nyt. Meitä ei voi sokaistaa pelkästään siitä, mitä CRM-järjestelmä kertoo hänelle ostaneensa aiemmin.
Kognitiivinen voi mahdollistaa uuden CRM: n tai ainakin olla tehokas muuttuja kokonaispäätöksessä. Yrityksillä voi olla tuhansia tietopisteitä yhdestä B2B- tai jopa B2C-asiakkaasta. Mutta tämän historiallisen näkymän on otettava huomioon hyvin harvat datapisteet, jotka saattavat olla tärkeimpiä sillä hetkellä, kun asiakas harkitsee ostamista. Tämä voi sisältää muuttujia, kuten aikomus, tunteet, trendit ja muut ulkoiset tekijät.
Seuraavan parhaan toiminnan ennakoimiseksi kunkin yrityksen on arvioitava asiakkaidensa ostotavat ja määritettävä, milloin heidän ympäristönsä nykyiset tai ennustettavat todellisuudet ohittavat CRM: n historialliset tiedot. Se on ennakoiva analytiikan visio, jota kohti IBM työskentelee.
