David Woollard, CTO bei Standard AI – Interview-Serie

David Woollard ist der Chief Technology Officer (CTO) bei Standard AI. Er ist ein Veteran der Tech-Industrie mit über 20 Jahren Erfahrung, nachdem er bei Unternehmen wie Samsung und NASA gearbeitet hat und als Unternehmer bei frühen und späten Startups tätig war. Er hält einen PhD in Informatik, spezialisiert auf Software-Architekturen für Hochleistungsrechnen.

Standard AI bietet beispiellose präzise Einblicke in das Kaufverhalten, die Produktleistung und den Betrieb von Geschäften.

Können Sie Ihre Reise von der Arbeit im Jet Propulsion Laboratory von NASA bis hin zur Position des CTO bei Standard AI beschreiben?

Als ich im Jet Propulsion Laboratory war, konzentrierte sich meine Arbeit hauptsächlich auf das Datenmanagement im großen Maßstab für NASA-Missionen. Ich hatte das Privileg, mit unglaublichen Wissenschaftlern und Ingenieuren zusammenzuarbeiten und zu lernen, wie man Forschung im Weltraum durchführt. Ich lernte nicht nur viel über Data Science, sondern auch über das Management von großen Ingenieurprojekten, die Balance zwischen Risiko und Fehlern sowie die Gestaltung von großen Software-Systemen. Meine Promotion an der University of Southern California lag im Bereich der Software-Architekturen für Hochleistungsrechnen, und ich konnte die Anwendung dieser Forschung direkt erleben.

Obwohl ich während meiner Zeit dort enorm viel gelernt habe, wollte ich auch an Dingen arbeiten, die für den Alltag der Menschen greifbarer sind. Als ich JPL verließ, schloss ich mich einem Freund an, der ein Startup im Bereich des Streaming-Videos gründete, und war einer der ersten Mitarbeiter. Ich war von Anfang an begeistert von der Entwicklung von Consumer-Erlebnissen und Startups im Allgemeinen, was sich wie ein Abschied von meiner vorherigen Welt anfühlte. Als ich die Gelegenheit erhielt, Standard AI beizutreten, zog es mich die Kombination aus harten wissenschaftlichen Problemen im Bereich KI und Computer Vision an, die ich in meiner frühen Karriere geliebt hatte, und den greifbaren Consumer-Erlebnissen, die ich am meisten erfüllend fand.

Was war der Grund für die Verschiebung des Fokus von Standard AI von autonomen Kassensystemen hin zu breiteren Retail-AI-Anwendungen?

Standard AI wurde vor sieben Jahren mit der Mission gegründet, autonome Kassensysteme auf den Markt zu bringen. Obwohl wir es schafften, die beste computerbasierte Lösung für autonome Kassensysteme zu liefern und autonome Geschäfte starteten, stellten wir fest, dass die Nutzerakzeptanz langsamer war als erwartet und die Rendite für die Einzelhändler daher nicht da war.

Zugleich erkannten wir, dass es eine Reihe von Problemen gab, die wir mit der gleichen zugrunde liegenden Technologie lösen konnten. Diese erneute Konzentration auf operationelle Einblicke und Verbesserungen ermöglichte es Standard AI, eine direktere Rendite für Einzelhändler zu liefern, die nach Möglichkeiten suchen, ihre Effizienz zu verbessern, um die Auswirkungen von Inflation und erhöhten Arbeitskosten auszugleichen.

Wie kann die Computer-Vision-Technologie von Standard AI Kundeninteraktionen mit solcher Genauigkeit verfolgen, ohne auf Gesichtserkennung zurückzugreifen?

Die VISION-Plattform von Standard ist darauf ausgelegt, Einkäufer in realen Räumen zu verfolgen, indem sie Video von Überwachungskameras im Geschäft analysiert, zwischen Menschen und anderen Elementen in jedem Video unterscheidet und die Pose oder die skelettartige Struktur jedes Menschen schätzt. Durch die gleichzeitige Betrachtung mehrerer Kameras können wir ein 3D-Verständnis des Raums rekonstruieren, ähnlich wie wir es mit unseren beiden Augen tun. Da wir sehr präzise Messungen der Position jeder Kamera haben, können wir die Position, Orientierung und sogar die Handplatzierung eines Einkäufers mit hoher Genauigkeit rekonstruieren. In Kombination mit fortschrittlichen Kartierungs-Algorithmen können wir die Bewegung und Produktinteraktion des Einkäufers mit 99%iger Genauigkeit bestimmen.

Wie stellt Standard AI die Privatsphäre der Einkäufer sicher, während es Daten sammelt und analysiert?

Im Gegensatz zu anderen Verfolgungssystemen, die Gesichtserkennung verwenden, um Einkäufer zwischen zwei verschiedenen Video-Streams zu identifizieren, verwenden wir bei Standard, wenn wir die Pose eines Einkäufers bestimmen, ausschließlich strukturelle Informationen und räumliche Geometrie. Zu keinem Zeitpunkt hängt unser Verfolgungssystem von Einkäufer-Biometrie ab, die zur Identifizierung wie dem Gesicht des Einkäufers verwendet werden kann. Mit anderen Worten, wir wissen nicht, wer ein Einkäufer ist, wir wissen nur, wie Einkäufer durch das Geschäft bewegen.

Welche sind einige der bedeutendsten Erkenntnisse, die Einzelhändler durch die Verwendung der VISION-Plattform von Standard AI gewinnen können?

Einkäufer können durch die Verwendung der VISION-Plattform von Standard AI eine Reihe von Erkenntnissen gewinnen. Am bedeutsamsten können Einzelhändler ein besseres Verständnis davon gewinnen, wie Einkäufer durch ihren Raum bewegen und mit Produkten interagieren. Während andere Lösungen ein grundlegendes Verständnis des Verkehrs durch einen bestimmten Teil des Geschäfts liefern, zeichnet Standard den individuellen Pfad jedes Einkäufers auf und kann zwischen Einkäufern und Geschäftsmitarbeitern unterscheiden, um ein besseres Verständnis nicht nur des Verkehrs und der Verweildauer, sondern auch der spezifischen Verhaltensweisen von Einkäufern zu liefern, die Produkte kaufen.

Darüber hinaus kann Standard erkennen, wenn Produkte nicht auf dem Regal verfügbar sind, und allgemeiner, Regalzustände wie fehlende Produktpräsentationen, die nicht nur die Fähigkeit des Einkäufers, Produkte zu kaufen, beeinflussen, sondern auch die Wahrnehmung von Markenangeboten. Diese Art von Konversions- und Eindrucksdaten ist sowohl für den Einzelhändler als auch für die Hersteller von Verbrauchsgütern wertvoll. Diese Daten waren bisher nicht verfügbar und haben große Auswirkungen auf die Verbesserung der Betriebsabläufe in Bereichen wie Merchandising, Marketing, Lieferkette und Schattenwirtschaft.

Wie können vorhersehbare Erkenntnisse aus der VISION-Plattform die Marketing- und Merchandising-Strategien von Einzelhändlern verändern?

Da Standard eine vollständige digitale Nachbildung eines Geschäfts erstellt, einschließlich des physischen Raums (wie Regalplatzierungen) und der Bewegungen der Einkäufer, haben wir eine reiche Datenbasis, um Vorhersagemodelle zu erstellen, um sowohl die Bewegung im Geschäft angesichts physischer Änderungen (wie Merchandising-Updates und -Rückstände) zu simulieren als auch die Interaktionen der Einkäufer auf der Grundlage ihrer Bewegung durch das Geschäft vorherzusagen. Diese Vorhersagemodelle ermöglichen es Einzelhändlern, Merchandising-Änderungen am Geschäft zu testen und zu validieren, ohne in teure physische Updates und lange Zeiträume der In-Store-Experimentierung investieren zu müssen. Darüber hinaus können Eindrücke von der Produktleistung und -interaktion die Platzierung auf dem Regal oder an Endkappen beeinflussen. All dies kann dazu beitragen, Ausgaben zu priorisieren und höhere Renditen zu erzielen.

Könnten Sie Beispiele dafür liefern, wie Echtzeit-Angebote auf der Grundlage vorhergesagter Kundenpfade den Umsatz in Pilottests beeinflusst haben?

Obwohl Standard nicht die tatsächlichen Werbesysteme entwickelt, die von Einzelhändlern verwendet werden, können wir unser Verständnis von Einkäuferbewegungen und unsere Vorhersagen von Produktinteraktionen nutzen, um Einzelhändlern zu helfen, die Absicht eines Einkäufers zu verstehen, sodass der Einzelhändler bedeutsame und zeitnahe Werbeangebote anbieten kann, anstatt allgemeine Angebote oder nur Empfehlungen auf der Grundlage vergangener Käufe. Empfehlungen, die auf In-Store-Verhaltensweisen basieren, ermöglichen es, Saisonabhängigkeit, Verfügbarkeit und Absicht zu berücksichtigen, was zu einer effektiveren Werbeaktion führt.

Welche waren die Ergebnisse des Tabak-Verfolgungstests, und wie beeinflussten sie die beteiligten Marken?

Innerhalb eines Tages nach dem Betrieb eines Pilotprojekts bei einem Einzelhändler konnten wir den Diebstahl von Tabakprodukten erkennen und dies dem Einzelhändler für korrektive Maßnahmen melden. Langfristig konnten wir mit Einzelhändlern zusammenarbeiten, um nicht nur physischen Diebstahl, sondern auch Missbrauch von Promotionen und Compliance-Probleme zu erkennen, die für den Einzelhändler und die Tabakmarken, die diese Promotionen finanzieren und erhebliche Ressourcen für die manuelle Sicherstellung der Compliance aufwenden, sehr bedeutsam sind. Zum Beispiel konnten wir beobachten, was passiert, wenn die erste Wahl eines Kunden nicht verfügbar ist; die Hälfte der Einkäufer wählte ein anderes Produkt aus der gleichen Produktfamilie, aber fast ein Viertel kaufte nichts. Das ist potenziell ein großer Umsatzverlust, der angegangen werden könnte, wenn er früher erkannt würde. Da unsere VISION-Plattform immer aktiv ist, ist sie zu einer Erweiterung der Vertriebsmannschaften der Tabakmarken geworden, die in der Lage sind, den aktuellen Zustand jedes Geschäfts im gesamten Einzelhandelsnetz jederzeit zu sehen und zu alarmieren.

Welche sind die größten Herausforderungen, denen Sie bei der Implementierung von KI-Lösungen im Einzelhandel gegenüberstanden, und wie haben Sie sie überwunden?

Die Arbeit in Einzelhandelsumgebungen hat eine Reihe von Herausforderungen mit sich gebracht. Wir mussten nicht nur Systeme entwickeln, die robust gegenüber Problemen sind, die im physischen Umfeld häufig auftreten (wie Kameraversatz, Geschäftsänderungen und Hardware-Ausfälle), sondern auch Prozesse entwickeln, die mit den Einzelhandelsbetrieben kompatibel sind. Zum Beispiel mussten wir, als viele CPGs ihre Verpackung für die Olympischen Sommerspiele 2024 änderten, Systeme entwickeln, die in der Lage waren, diese Verpackungsänderungen zu erkennen und zu bearbeiten.

Von Anfang an hat Standard technische Implementierungen gewählt, die mit den bestehenden Prozessen der Einzelhändler kompatibel sind, anstatt die bestehenden Prozesse zu ändern, um unseren Anforderungen zu entsprechen. Geschäfte, die unsere VISION-Plattform nutzen, funktionieren genauso wie vorher, ohne dass Änderungen an der physischen Merchandising oder teuren und komplexen physischen Retrofits (wie der Einführung von Regalsensoren) erforderlich sind.

Wie sehen Sie die Rolle der KI in der Einzelhandelsbranche in den nächsten zehn Jahren?

Ich denke, dass wir nur die Oberfläche der digitalen Transformation scratchen, die die KI in den nächsten Jahren bei den Einzelhändlern antreiben wird. Während die KI heute weitgehend mit großen Sprachmodellen assoziiert wird und Einzelhändler über ihre KI-Strategie nachdenken, glauben wir, dass die KI in naher Zukunft eine grundlegende Technologie sein wird, die die Einzelhändler bei der Verbesserung ihrer operativen Effizienz und der Steigerung ihrer Margen ohne die Kosten auf die Verbraucher zu überwälzen, unterstützen wird. Systeme wie die VISION-Plattform von Standard ermöglichen es Einzelhändlern, beispiellose Einblicke in ihre Betriebsabläufe zu gewinnen und ihre Effizienz zu steigern, ohne die Kosten auf die Verbraucher zu überwälzen. Die Art der operativen Verbesserungen, die wir liefern können, wird die Grundlage der Strategien der Einzelhändler für die Verbesserung ihrer operativen Effizienz und ihrer Margen bilden, ohne die Kosten auf die Verbraucher zu überwälzen. Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Standard AI besuchen.