ديفيد وولارد، كبير مسؤولي التكنولوجيا في Standard AI – سلسلة المقابلات

ديفيد وولارد هو كبير مسؤولي التكنولوجيا في Standard AI. وهو من المحترفين في صناعة التكنولوجيا مع أكثر من 20 عامًا من الخبرة، حيث عمل في شركات مثل سامسونج وNASA، وكذلك كريدير في الشركات الناشئة في المراحل الأولى والمتأخرة. يحمل درجة الدكتوراه في علوم الحاسوب، مع تخصص في هندسة البرمجيات لأنظمة الحوسبة عالية الأداء.

Standard AI توفر رؤى غير مسبوقة حول سلوك المتسوقين وأداء المنتجات وعمليات المتجر.

يمكنك مشاركة رحلتك من العمل في مختبر الدفع النفاث التابع لNASA إلى أن تصبح كبير مسؤولي التكنولوجيا في Standard AI؟

عندما كنت في مختبر الدفع النفاث، كان تركيز عملي في الغالب على إدارة البيانات على نطاق كبير لمهام NASA. عملت مع علماء ومهندسين رائعين، وتعلمت كيفية إجراء البحث من الفضاء الخارجي. لم أتعلم فقط الكثير عن علوم البيانات، ولكن أيضًا إدارة المشاريع الهندسية على نطاق كبير، وضبط المخاطر وميزانيات الأخطاء، وتصميم أنظمة البرمجيات على نطاق كبير. كانت أطروحتي الدكتوراه في جامعة جنوب كاليفورنيا في مجال هندسة البرمجيات لأنظمة الحوسبة عالية الأداء، وتمكنت من رؤية تطبيق تلك الأبحاث بشكل مباشر.

في حين تعلمت الكثير من وقت tôi هناك، كنت أريد أيضًا العمل على أشياء أكثر ملموسة للناس العاديين. عندما غادرت JPL، انضممت إلى صديق كان يؤسس شركة ناشئة في مجال الفيديو المتدفق كواحد من أوائل الموظفين. كنت معجبًا من البداية ببناء تجارب للمستهلكين والشركات الناشئة بشكل عام، وكلاهماfelt مثل انقطاع عن عالمي السابق. عندما حصلت على فرصة للانضمام إلى Standard، كنت اجتذبت إلى الجمع بين المشاكل العلمية الصعبة في مجال الذكاء الاصطناعي والرؤية الحاسوبية التي أحببتها في مسيرتي المهنية المبكرة مع تجارب المستهلك الملموسة التي وجدتها أكثر إشباعًا.

ما الذي دفع التغيير في تركيز Standard AI من حلول الدفع التلقائي إلى تطبيقات الذكاء الاصطناعي في التجزئة بشكل أوسع؟

تأسست Standard AI قبل سبع سنوات مع مهمة جلب الدفع التلقائي إلى السوق. في حين نجحنا في تقديم أفضل حل تلقائي فقط للرؤية الحاسوبية والدفع التلقائي وفتح متاجر تلقائية، وجدنا في النهاية أن معدل تبني المستخدمين كان أبطأ مما توقعنا، ونتيجة لذلك، لم تكن عائد الاستثمار هناك للمتاجر.

في الوقت نفسه، أدركنا أن هناك عددًا من المشاكل التي تواجهها المتاجر التي يمكننا حلها من خلال نفس التكنولوجيا الأساسية. سمح لنا هذا التركيز المتجدد على الرؤى التشغيلية والتحسينات بتقديم عائد استثمار مباشر أكثر للمتاجر التي تبحث عن فرص لتحسين كفاءتها لتعويض تأثير التضخم وزيادة تكاليف العمالة.

كيف تقوم تكنولوجيا الرؤية الحاسوبية في Standard AI بتتبع تفاعلات العملاء بدقة عالية دون استخدام التعرف على الوجه؟

تم تصميم منصة VISION في Standard لتتبع المتسوقين في الفضاء الحقيقي من خلال تحليل الفيديو من الكاميرات المثبتة في المتجر، والتمييز بين البشر والعناصر الأخرى في كل فيديو، وتقدير وضع أو هيكل عظمي لكل إنسان. من خلال النظر من خلال كاميرات متعددة في نفس الوقت، يمكننا إعادة بناء فهم ثلاثي الأبعاد للفضاء، مثل ما نفعله بعينينا. لأننا لدينا قياسات دقيقة لموقع كل كاميرا، يمكننا إعادة بناء موقع المتسوق وتنظيمه وحتى وضع يده بدقة عالية. بالاشتراك مع خوارزميات التخطيط المتقدمة، يمكننا تحديد حركة المتسوق وتفاعله مع المنتج بدقة 99٪.

كيف تضمن Standard AI خصوصية المتسوقين أثناء جمع البيانات وتحليلها؟

على عكس أنظمة التتبع الأخرى التي تستخدم التعرف على الوجه لتحديد المتسوقين بين两个 تيار فيديو، عندما تحدد Standard وضع المتسوق، نستخدم فقط المعلومات الهيكلية والجغرافية المكانية. في أي وقت لا يعتمد نظام التتبع في Standard على البيومترية للمتسوق التي يمكن استخدامها لتحديد هويته مثل وجه المتسوق. بمعنى آخر، لا نعرف من هو المتسوق، نعرف فقط كيف يتحرك المتسوق في المتجر.

ما هي بعض أهم الرؤى التي يمكن للمتاجر الحصول عليها من استخدام منصة VISION في Standard AI؟

يمكن للمتاجر الحصول على العديد من الرؤى باستخدام منصة VISION في Standard. الأكثر أهمية هو أن المتاجر قادرة على الحصول على فهم أفضل لكيفية تحرك المتسوقين في مساحتهم وتفاعلهم مع المنتجات. في حين تقدم حلول أخرى فهمًا أساسيًا لحجم حركة المرور من خلال جزء معين من المتجر، تسجل Standard مسار كل متسوق فردي وتتمكن من التمييز بين المتسوقين وموظفي المتجر لتقديم حساب أفضل لا فقط لحركة المرور والبقاء، ولكن أيضًا للسلوكيات المحددة للمتسوقين الذين ي購رون المنتجات.

كيف يمكن للرؤى التنبؤية من منصة VISION تحويل استراتيجيات التسويق والبضائع للمتاجر؟

نظرًا لأن Standard tạo نسخة رقمية كاملة للمتجر، بما في ذلك المساحة الفيزيائية (مثل وضع الرفوف) وتحركات المتسوق، لدينا مجموعة بيانات غنية لإنشاء نماذج تنبؤية لتحاكي حركة المتجر عند التغييرات الفيزيائية (مثل تحديثات البضائع وإعادة تعيينها) وكذلك توقع تفاعلات المتسوق بناءً على حركته في المتجر. تسمح لنا هذه النماذج التنبؤية للمتاجر بتجربة وتحقق التغييرات في البضائع دون الحاجة إلى الاستثمار في تحديثات فيزيائية مكلفة وفترات طويلة من التجارب في المتجر. بالإضافة إلى ذلك، يمكن أن ت告ي رؤى أداء المنتج وتفاعله مع وضع المنتج على الرف أو نهاية الرف. يمكن أن يساعد ذلك في تحديد الإنفاق وتحقيق عوائد أكبر.

هل يمكنك تقديم أمثلة عن كيفية تأثير العروض في الوقت الفعلي بناءً على مسارات العملاء المتوقعة على المبيعات في الاختبارات التجريبية؟

في حين لا تبني Standard أنظمة الترويج الفعلية التي تستخدمها المتاجر، يمكننا استخدام فهمنا لتحركات المتسوق وتوقعاتنا لتفاعل المنتج لمساعدة المتاجر على فهم نية المتسوق، مما يسمح للمتجر بتقديم ترويجات عميقة ومهمة وعلى وقتها بدلاً من العروض العامة أو التوصيات فقط بناءً على المشتريات السابقة. التوصيات بناءً على السلوك داخل المتجر تسمح بالموسمية والتوافر والنية، جميعها تترجم إلى رفع ترويجي أكثر فعالية.

ما كانت النتائج التجريبية لتتبع التبغ، وكيف أثرت على العلامات التجارية المشاركة؟

خلال يوم واحد من تشغيل اختبار لمتجر واحد، تمكنا من كشف سرقة منتجات التبغ وتحديد ذلك للتصحيح. على المدى الطويل، تمكنا من العمل مع المتاجر لاكتشاف ليس فقط السرقة الفيزيائية ولكن أيضًا إساءة استخدام الترويجات وقضايا الامتثال، جميعها لها تأثير كبير ليس فقط على المتجر ولكن على علامات التبغ التي تمول هذه الترويجات وتكرس موارد كبيرة لضمان الامتثال يدوياً. على سبيل المثال، تمكنا أيضًا من ملاحظة ما يحدث عندما يكون المنتج المفضل للمستهلك غير متوفر؛ يختار نصف المتسوقين منتجًا آخر من نفس العائلة، ولكن يقترب ربعهم من شراء لا شيء. هذا هو إيراد محتمل خسارة يمكن معالجته إذا تم اكتشافه في وقت أقرب. نظرًا لأن منصة VISION دائمًا ما تكون نشطة، أصبحت امتدادًا لفريق المبيعات في علامات التبغ، قادرة على رؤية (وتحديد) حالة أي متجر في الأسطول بأي وقت.

ما هي أكبر التحديات التي واجهتها في تنفيذ حلول الذكاء الاصطناعي في البيئات التجزئة، وكيف تمكنت من التغلب عليها؟

العمل في بيئات التجزئة جاء مع العديد من التحديات. لم يكن علينا فقط تطوير أنظمة قادرة على تحمل المشاكل الشائعة في العالم الفيزيائي (مثل انزلاق الكاميرا وتغييرات المتجر وأعطال الأجهزة)، ولكن أيضًا طورنا عمليات متوافقة مع عمليات التجزئة. على سبيل المثال، مع دورة الألعاب الأولمبية الصيفية الأخيرة، غيرت العديد من الشركات المصنعة للتجزئة تعبئتها لترويج باريس 2024. نظرًا لأننا نحدد(SKUs) بناءً على التعبئة، هذا يعني أننا يجب أن نطور أنظمة قادرة على تحديد وتحديث هذه التغييرات في التعبئة.

كيف ترى دور الذكاء الاصطناعي يتطور في قطاع التجزئة على مدار العقد المقبل؟

أعتقد أننا لم نصل بعد إلى نهاية التحول الرقمي الذي سيدفعه الذكاء الاصطناعي داخل المتاجر في السنوات القادمة. في حين أن الذكاء الاصطناعي اليوم يرتبط في الغالب بالموديلات اللغوية الكبيرة، تفكر المتاجر في استراتيجية الذكاء الاصطناعي، ونحن نعتقد أن الذكاء الاصطناعي سيكون في المستقبل تقنية تمكينية أساسية بدلاً من كونه استراتيجية بحد ذاته. أنظمة مثل منصة VISION في Standard تفتح رؤى غير مسبوقة للمتاجر وتسمح لهم بفتح المعلومات الغنية في الفيديو الذي يتم تسجيله بالفعل. أنواع التحسينات التشغيلية التي يمكننا تقديمها ستصبح العمود الفقري لاستراتيجيات المتاجر لتحسين كفاءتها التشغيلية وزيادة هامشها بدون الحاجة إلى نقل التكاليف إلى المستهلكين.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة Standard AI.