5 kroků k implementaci umělé inteligence do vašeho podnikání bez rozbití banky

Umělá inteligence dál roste a pokud bude pokračovat v pronikání do každé branže, zcela změní způsob, jakým žijeme.

V důsledku toho se integrace umělé inteligence do svých společností stala nejvyšší prioritou pro mnoho zakladatelů. I jednotlivci hledají způsoby, jak využít umělou inteligenci ke zlepšení svého osobního života.

Hype je takový, že slovník Collins, autoritativní jazyková autorita, označila umělou inteligenci jako slovo roku, kvůli jejímu náhlému nárůstu popularity.

Řekli jsme to, ale pro většinu organizací je mezi nápadem a realitou velký rozdíl, když se snaží integrovat umělou inteligenci do svých procesů, protože cesta není tak přímočará, jak se zdá, a může být velmi drahá, jak z hlediska kapitálových výdajů, tak z hlediska zbytečně stráveného času, protože vývoj不会 přinést očekávané výsledky. To způsobilo, že několika podnikům problémy. Například CNET experimentoval s články psanými umělou inteligencí, a ukázalo se, že jsou plné chyb. Další společnosti, jako iTutor Group, čelily vysokým pokutám kromě veřejného posměchu kvůli své špatné implementaci umělé inteligence.

Jak tyto případy ukazují, podniky mohou udělat mnoho chyb s umělou inteligencí, a pokud podnik nemá finanční polštář jako Amazon, Google, Microsoft nebo Meta, tyto neúspěšné experimenty mohou účinně zbankrotovat společnost.

Pokud jste zakladatel nebo majitel podniku, zde je průvodce s pěti kroky, které vám pomohou implementovat umělou inteligenci do vašeho podnikání, a to při rozumném využití vašich zdrojů – peněz a času, což nakonec jsou peníze – a při snižování možnosti fatálních chyb.

1. Buďte jasně na problém, který se snažíte vyřešit

Žádná společnost není imunní vůči selháním umělé inteligence. A jak Amazon bolestivě zjistil – prostřednictvím svého nepodařeného projektu bezobslužných obchodů Amazon Go – ne každé podnikání potřebuje umělou inteligenci.

Proto je důležité, abyste definovali problém, který se snažíte vyřešit s umělou inteligencí. To musí být co nejpřesněji možné.

Například běžné použití umělé inteligence je zákaznická podpora. Implementace umělé inteligence v takovém případě je možná způsobem, který má specifické výsledky, například snížení nákladů na call centrum o X částku peněz měsíčně nebo urychlení průměrného času, který je potřebný k vyřešení zákaznických dotazů o X minut. S tímto přístupem máme měřitelný ukazatel ve formě peněz nebo času, který se pokusíme dosáhnout implementací umělé inteligence a uvidíme, zda to bude mít nějaký dopad.

Existuje několik způsobů, jak to může být. Například místo chatbota můžeme vyvinout nebo koupit službu, která určí, zda může být zákaznická otázka zodpovězena pomocí stránky s častými dotazy. To bude fungovat takto. Když zákazník napíše zprávu, spustíme tento model a buď nám řekne, že potřebujeme přenést tuto konverzaci na agenta, nebo mu ukáže relevantní stránku s odpovědí na jeho otázku. Vyvinout tento model je rychlejší a levnější než vybudovat komplexní chatbota od začátku. Pokud tato implementace uspěje, dosáhneme našeho cíle snížení nákladů a optimalizace našich výdajů souvisejících s umělou inteligencí ve srovnání s náklady na vybudování chatbota.

Průkopníkem tohoto přístupu byla Matten Law, kalifornická advokátní kancelář, která integrovala asistenta s umělou inteligencí, aby automatizovala mnoho úkolů, umožňujících právníkům strávit více času posloucháním zákazníků a studiem těch částí případu, které byly nejrelevantnější. To ukazuje, že i v těch nejkonzervativnějších odvětvích lze umělou inteligenci použít tak, aby se zlepšila uživatelská zkušenost, a to tak, že se zesílí lidský dotyk tam, kde je nejvíce potřeba.

Další běžné problémy, které lze vyřešit pomocí umělé inteligence, zahrnují analýzu dat a vytváření personalizovaných nabídek. Spotify je výjimečným příkladem společnosti, která úspěšně využívá umělou inteligenci k vývoji inteligentního systému pro doporučení hudby, který jde tak daleko, že bere v úvahu dobu dne, kdy někdo poslouchá určitý žánr.

V obou výše uvedených scénářích pomáhá umělá inteligence poskytovat lepší zkušenost pro zákazníky. Avšak důvod, proč tyto společnosti úspěšně využily umělou inteligenci, spočívá v tom, že byly velmi jasné na těch aspektech, které měly být delegovány na umělou inteligenci.

2. Rozhodněte o datech, která budete analyzovat

Jakmile je hlavní problém jasně definován, musíme vzít v úvahu data, která budeme muset nakrmit systémem. Je důležité si uvědomit, že umělá inteligence je algoritmus, který analyzuje a přizpůsobuje se datům, která mu poskytujeme. Základní scénář pro sběr dat je následující:

1. Porozumět tomu, jaká data bychom mohli potřebovat k implementaci umělé inteligence.

2. Zjistit, zda naše podnikání má tato data.

   1. Pokud ano — skvěle.

   2. Pokud ne, musíme se posadit a zjistit, zda můžeme začít správný proces sběru dat v rámci naší společnosti. Jako další možnost můžeme požádat vývojáře, aby uložili data, která potřebujeme, pokud je dosud neukládáme.

Zde je příklad. Vlastníme kavárnu a potřebujeme data o počtu zákazníků, kteří ji navštíví. Můžeme to udělat tak, že implementujeme personalizované věrnostní karty, které zákazníci budou předkládat při nákupu. Tímto způsobem budeme mít data, která potřebujeme, jako je například, kteří zákazníci přišli, kdy přišli, co koupili a v jakém množství. Jakmile budeme mít tato data, můžeme je použít k implementaci umělé inteligence. Existují však případy, kdy sběr těchto dat může být velmi nákladný. A to je chvíle, kdy může umělá inteligence přijít na pomoc. Například pokud máme v kavárně nainstalovanou kameru – což bychom mohli mít alespoň z bezpečnostních důvodů – mohli bychom ji využít ke sběru dat od našich zákazníků. Musím říci, že před implementací je důležité konzultovat zákony o ochraně osobních údajů, jako je GDPR, protože tento přístup nemusí fungovat ve všech zemích. Ale v těch jurisdikcích, kde je to povoleno, může to být bezproblémový způsob, jak získat informace, které potřebujete, a využít pomoci umělé inteligence k jejich analýze a zpracování.

Pokud se ptáte, tento personalizovaný program věrnosti je to, co udělala Starbucks, s velkým úspěchem. Program odměn Starbucks šel tak daleko, že poskytoval personalizované pobídky, kdykoli zákazník navštívil svou oblíbenou lokalitu nebo objednal svou oblíbenou nápoj.

3. Definujte hypotézu

Může existovat situace, kdy se budete cítit nejistě, které procesy lze nebo je třeba optimalizovat pomocí umělé inteligence.

Pokud je to váš případ, můžete začít rozkladem celého procesu na etapy a identifikovat ty fáze, ve kterých se vaše podnikání nedostatečně vyvíjí. Jaké jsou ty oblasti, na které příliš mnoho peněz? Co trvá déle než obvykle? Zodpovězením těchto otázek můžete identifikovat kritické oblasti pro zlepšení a rozhodnout, zda může umělá inteligence pomoci.

Jak budete zjistit, existují případy, kdy mohou být konvenční řešení účinnější. Pokud máte potíže s tím, které produkty nabízet zákazníkům, návrhy založené na nejoblíbenějších produktech jsou často mnohem účinnější v systémech doporučení než pokusy předpovídat chování uživatelů. Proto zkuste to nejdříve. Jakmile budete mít výsledek – zda je pozitivní nebo negativní – můžete mít hypotézu pro testování umělé inteligence. Jinak bude pole působení příliš vágní a můžete skončit plýtváním časem a penězi.

4. Využijte existující řešení

Mnoho společností se snaží hned navrhnout své vlastní algoritmy strojového učení. Nicméně, pokud neplánujete trénovat je s velkými datovými soubory po delší dobu, nedělejte to. Bude to velmi drahé a časově náročné.

Místo toho doporučuji, abyste se zaměřili na řešení, která již existují. Společnosti jako Amazon, Google, Microsoft a mnoho dalších mají nástroje s umělou inteligencí, které vám mohou pomoci dosáhnout mnoha cílů. Pak můžete postupně podepsat smlouvu s jednou z nich a najmout interního developera, aby dovedně nakonfiguroval požadované požadavky API.

Základní myšlenka spočívá v tom, že tyto nástroje lze integrovat obchodními developery (ne odborníky na strojové učení), což nám umožní rychle otestovat hypotézu, zda umělá inteligence přináší očekávaný efekt nebo ne. Pokud se nezdaří, můžeme tyto nástroje jednoduše deaktivovat a naše náklady na testování hypotézy budou pouze čas, který strávíme integrováním s touto službou, a částka, kterou zaplatíme za použití nástroje. Pokud bychom vyvíjeli model, budeme muset zaplatit mzdu odborníka na strojové učení krát dobu, po kterou bude model vyvíjet, plus případné náklady na infrastrukturu. A pak není jasné, co dělat s developrem a modelem, pokud nakonec očekávaný efekt nebude tam.

Pokud se naše hypotéza potvrdí a nástroj s umělou inteligencí přinese očekávaný efekt, budeme se radovat a vymyslíme novou hypotézu. V budoucnu, pokud předvídat, že náklady na nástroj výrazně porostou, můžeme uvažovat o vývoji tohoto modelu sami a tím snížit náklady ještě více. Ale musíme nejdříve vyhodnotit, zda jsou náklady na vývoj skutečně nižší než to, co bychom zaplatili za použití nástroje od jiné společnosti, která se specializuje na vývoj těchto nástrojů.

Mou radou je, abyste vyvinuli svůj vlastní produkt strojového učení pouze poté, co jste získali dobré výsledky z použití umělé inteligence s nástroji uvedenými výše a až budete jistí, že umělá inteligence je správným způsobem, jak vyřešit váš problém v dlouhodobém horizontu. Jinak váš projekt strojového učení nebude mít hodnotu, kterou hledáte, a jak řekl nedávný článek v Harvard Business Review, hype kolem umělé inteligence bude pouze odvádět vaši pozornost od vaší mise, která nevyžaduje umělou inteligenci.

5. Poradíte se s odborníky na umělou inteligenci

Stejně tak je další velmi častou chybou, kterou dělají zakladatelé a majitelé podniků, že se snaží udělat všechno sami. Najmou inženýra nebo výzkumníka umělé inteligence a pak další lidi, aby vytvořili tým, který může vytvořit špičkový produkt. Nicméně, tato technologie bude bezcenná pro účel vaší společnosti, pokud nemáte řádně definovanou strategii implementace umělé inteligence. Existuje také případ, kdy najmou junior inženýra strojového učení, aby ušetřili peníze ve srovnání s najmutím více zkušených specialistů. To je také nebezpečné, protože osoba bez zkušeností nemusí znát jemnosti vývoje a návrhu systémů strojového učení a může udělat “rookie mistakes”, za které společnost bude muset zaplatit příliš vysokou cenu, téměř vždy překračující cenu najmutí jednoho zkušeného specialisty na strojové učení.

Proto je moje doporučení, abyste nejdříve najali jednoho odborníka na umělou inteligenci, jako je konzultant, který vám bude pomáhat na cestě a bude vyhodnocovat váš proces přijetí umělé inteligence. Využijte jejich odbornosti, aby zajistili, že problém, na který se zaměřujete, vyžaduje umělou inteligenci, a že technologie lze škálovat účinně, aby prokázala vaši hypotézu.

Pokud jste začínající startup a obáváte se o financování, hack pro to je kontaktovat inženýry umělé inteligence na LinkedIn s konkrétními otázkami. Věřte nebo ne, mnoho odborníků na strojové učení a umělou inteligenci rádo pomáhá, a to jak protože jsou opravdu do tohoto tématu zapojení, tak protože pokud jim pomůžete, mohou to použít jako pozitivní případovou studii pro svou konzultační kariéru.

Závěrečné myšlenky

S veškerým hype, který obklopuje umělou inteligenci, je normální, že můžete být netrpěliví, aby jste ji začlenili do vašeho podnikání a vyvinuli řešení s umělou inteligencí, které vás zavede na další úroveň. Nicméně, musíte mít na paměti, že skutečnost, že každý mluví o umělé inteligenci, neznamená, že vaše podnikání potřebuje umělou inteligenci. Mnoho podniků, bohužel, spěchá s integrací umělé inteligence bez jasně stanoveného cíle a nakonec plýtvají enormními částkami peněz a času. V některých případech, zejména pro začínající společnosti, to může znamenat jejich zánik. Definováním problému, shromažďováním relevantních dat, testováním hypotézy a využíváním nástrojů, které již existují, s pomocí odborníka, můžete integrovat umělou inteligenci bez vyčerpání finančních zdrojů vaší společnosti. Poté, pokud řešení funguje, můžete postupně škálovat a začlenit umělou inteligenci do těch oblastí, ve kterých zvyšuje efektivitu nebo ziskovost vaší společnosti.