5 askelta tekoälyn käyttöönottamiseksi yrityksessäsi pankkia rikkomatta

Tekoäly kukoistaa jatkuvasti, ja jos se tunkeutuu edelleen jokaiselle toimialalle, se muuttaa täysin tapamme elää.

Tämän seurauksena tekoälyn integroinnista heidän yrityksiinsä on tullut äärimmäinen prioriteetti monille perustajille. Jopa yksilöt etsivät tapoja hyödyntää tekoälyä henkilökohtaisen elämänsä parantamiseksi.

Hype on sellainen, että Collins Dictionary, maamerkki kieliviranomainen, on nimennyt AI vuoden termi, koska sen suosio on kasvanut.

Tämän sanottuaan useimmissa organisaatioissa on valtava kuilu idean ja todellisuuden välillä, kun ne yrittävät sisällyttää tekoälyn prosesseihinsa, koska polku ei ole niin suoraviivainen kuin miltä näyttää ja se voi olla erittäin kallista sekä pääomamenojen osalta. tarpeen ja hukatussa ajassa, koska kehitys ei tuota toivottuja tuloksia. Tämä on laskeutunut useat yritykset vaikeuksissa. Esimerkiksi CNET kokeillut tekoälyn kirjoittamia artikkeleita, ja ne osoittautuivat täynnä puutteita. Muut yritykset, kuten iTutor Group, ovat saaneet kovia sakkoja julkisen pilkan lisäksi huonojen tekoälytoteutuksiensa vuoksi.

Kuten nämä tapaukset osoittavat, yritykset voivat tehdä paljon virheitä tekoälyn kanssa, ja ellei yrityksellä ole Amazonin, Googlen, Microsoftin tai Metan taloudellista tyynyä, nämä epäonnistuneet kokeet voivat ajaa yrityksen konkurssiin.

Jos olet perustaja tai yrityksen omistaja, tässä on opas, jossa on viisi vaihetta, joiden avulla voit ottaa tekoälyn käyttöön yrityksessäsi, samalla kun käytät resurssejasi – rahaa ja aikaa, joka viime kädessä on rahaa – harkiten ja samalla vähentää kohtalokkaan toiminnan mahdollisuutta. virheitä.

1. Selvitä ongelma, jota yrität ratkaista

Yksikään yritys ei ole immuuni tekoälyn epäonnistumisille. Ja kuten Amazon tuskallisesti havaitsi – kassavapaiden myymälöidensä Amazon Go kautta –kaikki liiketoimintatapaukset eivät tarvitse tekoälyä.

Siksi on tärkeää, että määrittelet ongelman, jonka pyrit ratkaisemaan tekoälyllä. Tämä on hahmoteltava mahdollisimman selkeästi.

Esimerkiksi tekoälyn yleinen sovellus on asiakastuki. Tekoälyn toteuttaminen tällaisessa tapauksessa on mahdollista tavalla, jolla on konkreettisia tuloksia, esimerkiksi puhelinkeskuksen kustannuksia alenemalla X rahasummalla kuukaudessa tai nopeuttamalla keskimääräistä asiakaskyselyjen ratkaisemiseen kuluvaa aikaa X minuutilla. Tällä lähestymistavalla meillä on mitattavissa oleva indikaattori rahan tai ajan muodossa, jonka yritämme saavuttaa ottamalla käyttöön tekoäly ja katsomme, onko tällä mitään vaikutusta.

Tähän on useita tapoja. Esimerkiksi chatbotin sijaan voimme kehittää tai ostaa palvelun, joka selvittää, voidaanko asiakkaan kyselyyn vastata usein kysyttyjen kysymysten sivulla. Se toimii näin. Kun asiakas kirjoittaa viestin, ajamme tämän mallin, ja se joko kertoo meille, että meidän on siirrettävä keskustelu asiakaspalvelijalle, tai näyttää hänelle asiaankuuluvan sivun, jossa on vastaus hänen kysymykseensä. Tämän mallin kehittäminen on nopeampaa ja halvempaa kuin monimutkaisen chatbotin rakentaminen tyhjästä. Jos tämä toteutus onnistuu, saavutamme tavoitteemme kustannusten vähentämisestä ja samalla tekoälyyn liittyvien investointien optimoinnista verrattuna chatbotin kehittämiskustannuksiin.

Tämän lähestymistavan edelläkävijä oli Matten Law, kalifornialainen lakitoimisto integroitu AI-käyttöinen avustaja monien tehtävien automatisoinnissa, jolloin asianajajat voivat viettää enemmän aikaa asiakkaiden kuuntelemiseen ja tapauksen tärkeimpien näkökohtien tutkimiseen. Tämä havainnollistaa, että tekoäly voi häiritä kaikkein jäykimpiäkin sektoreita tavalla, joka vahvistaa käyttökokemusta, vahvistamalla inhimillistä kosketusta siellä, missä sitä eniten tarvitaan.

Muita yleisiä ongelmia, jotka voitaisiin ratkaista tekoälyn avulla, ovat data-analyysi ja räätälöityjen tarjousten luominen. Spotify on poikkeuksellinen esimerkki yrityksestä, joka hyödyntää tekoälyä menestyksekkäästi kehittääkseen älykkään järjestelmän musiikkisuosituksiin, mikä menee niin pitkälle kuin ottaa huomioon vuorokaudenajan, jolloin joku kuuntelee tiettyä genreä.

Molemmissa edellä mainituissa skenaarioissa tekoäly auttaa tarjoamaan asiakkaalle paremman käyttökokemuksen. Syy siihen, miksi nämä yritykset käyttivät tekoälyä menestyksekkäästi, oli kuitenkin se, että niillä oli hyvin selkeät näkökohdat, jotka oli delegoitava tekoälylle.

2. Päätä tiedot, jotka sinun on analysoitava

Kun pääongelma on hyvin määritelty, meidän on otettava huomioon tiedot, jotka meidän on syötettävä järjestelmään. On tärkeää muistaa, että tekoäly on algoritmi, joka analysoi ja mukautuu toimittamiimme tietoihin. Tiedonkeruun perusskenaario on seuraava:

1. Ymmärrä, mitä tietoja saatamme tarvita tekoälyn toteuttamiseen.

2. Katso, onko yrityksellämme näitä tietoja.

   1. Jos on - hienoa.

   2. Jos ei, meidän on istuttava alas ja selvitettävä, voimmeko aloittaa oikeanlaisen tiedonkeruuprosessin itse. Toisena vaihtoehtona voimme pyytää kehittäjiä tallentamaan tarvitsemamme tiedot, jos emme vielä tee niin.

Tässä on esimerkki. Omistamme kahvilan ja tarvitsemme tietoa siitä, kuinka monta asiakasta siellä käy. Voimme tehdä tämän ottamalla käyttöön personoituja kanta-asiakaskortteja, joita käyttäjät näyttävät tehdessään ostoksen. Tällä tavoin meillä on tarvitsemamme tiedot, kuten ketkä asiakkaat tulivat, milloin he tulivat, mitä he ostivat ja kuinka paljon. Kun meillä on tämä tieto, voimme käyttää tätä tietoa tekoälyn toteuttamiseen. On kuitenkin tilanteita, joissa tiedon kerääminen voi olla erittäin kallista. Ja silloin tekoäly voi tulla apuun. Esimerkiksi jos meillä on kamera asennettuna kahvilaamme – ainakin turvallisuussyistä – voisimme hyödyntää sitä tietojen keräämiseen vierailevilta asiakkailtamme. Minun on sanottava, että ennen tämän toteuttamista on tärkeää neuvotella henkilötietolakien, kuten GDPR:n, kanssa, koska tämä lähestymistapa ei välttämättä toimi kaikissa maissa. Mutta niissä lainkäyttöalueissa, joissa se on sallittua, tämä voi olla saumaton tapa kerätä tarvitsemasi tiedot ja pyytää tekoälyä auttamaan niiden analysoinnissa ja käsittelyssä.

Jos mietit, tämä henkilökohtainen kanta-asiakasohjelma on mitä Starbucks teki, suurella menestyksellä. Starbucksin palkkiojärjestelmä ulottui jopa henkilökohtaisten kannustimien tarjoamiseen aina, kun asiakas vieraili haluamassaan paikassa tai tilasi suosikkijuomansa.

3. Määrittele hypoteesi

Saattaa olla tilanteita, joissa olet epävarma siitä, mitä prosesseja tekoäly voi tai tarvitsee optimoida.

Jos tämä on sinun tapauksesi, voit aloittaa jakamalla koko prosessisi vaiheisiin ja tunnistaa ne vaiheet, joissa yrityksesi ei mielestäsi menesty. Mitkä ovat ne alueet, joihin käytät liikaa rahaa? Mikä kestää tavallista kauemmin? Vastaamalla näihin kysymyksiin voit määrittää kriittiset parannuskohteet ja päättää, voiko tekoälystä olla apua.

Kuten huomaat, on tapauksia, joissa perinteiset ratkaisut voivat olla tehokkaampia. Jos sinulla on vaikeuksia tuoda esille asiakkaillesi tuotetarjontaa, suosituimpiin tuotteisiin perustuvat ehdotukset ovat usein paljon tehokkaampia markkinoiden suositusjärjestelmissä kuin yritykset ennustaa käyttäjien käyttäytymistä. Siksi kokeile sitä ensin. Kun sinulla on tulos – olipa se positiivinen tai negatiivinen – voit tehdä hypoteesin tekoälytestausta varten. Muuten toimintakenttä on liian epämääräinen, ja saatat päätyä hukkaamaan aikaa ja rahaa.

4. Hyödynnä jo olemassa olevia ratkaisuja

Monet yritykset pyrkivät heti suunnittelemaan omat koneoppimisalgoritminsa. Älä kuitenkaan tee sitä, jos et aio kouluttaa heitä mittavilla tietojoukoilla pitkän ajan kuluessa. Se tulee olemaan erittäin kallista ja aikaa vievää.

Sen sijaan suosittelen keskittymään jo saatavilla oleviin ratkaisuihin. Yrityksillä, kuten Amazon, Google, Microsoft ja monet muut, on tekoälypohjaisia ​​työkaluja, jotka voivat auttaa sinua saavuttamaan monia tavoitteita. Sitten vähitellen voit allekirjoittaa sopimuksen jonkun kanssa ja palkata sisäisen kehittäjän määrittämään taitavasti tarvittavat API-pyynnöt.

Perusajatuksena on, että liiketoiminnan kehittäjät (eivät koneoppimisasiantuntijat) voivat integroida nämä työkalut, mikä antaa meille mahdollisuuden testata nopeasti hypoteesia siitä, tuottaako tekoäly odotetun vaikutuksen vai ei. Jos se ei tuota tulosta, voimme yksinkertaisesti poistaa työkalut käytöstä, ja hypoteesin testaamisen kustannukset olisivat vain kehittäjän käyttämä aika, jonka käytimme integrointiin kyseiseen palveluun, ja summa, jonka maksoimme työkalun käytöstä. Jos kehittäisimme mallia, käyttäisimme koneoppimisasiantuntijan palkan kerrottuna heidän mallin kehittämiseen käyttämällään ajalla infrastruktuurikustannusten lisäksi. Ja sitten ei ole selvää, mitä tehdä kehittäjälle ja mallille, jos odotettua vaikutusta ei lopulta saavuteta.

Jos hypoteesimme todistetaan ja tekoälyllä toimiva työkalu tuottaa odotetun vaikutuksen, iloitsemme ja keksimme uuden hypoteesin. Jatkossa, jos ennakoimme työkalun kustannusten kasvavan merkittävästi, voimme harkita tämän mallin kehittämistä itse ja siten vähentää kustannuksia entisestään. Mutta meidän on ensin arvioitava, ovatko kehityskustannukset itse asiassa pienemmät kuin mitä maksaisimme käyttääksemme toisen näiden työkalujen kehittämiseen erikoistuneen yrityksen työkalua.

Neuvoni on, että harkitset oman koneoppimistuotteesi kehittämistä vasta, kun olet saavuttanut hyviä tuloksia käyttämällä tekoälyä yllä mainituilla työkaluilla ja kun olet varma, että tekoäly on oikea tapa ratkaista ongelmasi pitkällä aikavälillä. Muuten ML-projektisi ei tuota etsimääsi arvoa, ja kuten Harvard Business Review -lehden loistava äskettäinen artikkeli sanoi, AI-hype vain häiritsee sinua tehtävästäsi, joka ei tarvitse tekoälyä.

5. Neuvottele tekoälyasiantuntijoiden kanssa

Samaan tapaan toinen hyvin yleinen virhe, jonka perustajat ja yritysten omistajat tekevät, on se, että he yrittävät tehdä kaiken itse. He palkkaavat tekoälypääinsinöörin tai -tutkijan ja sitten lisää ihmisiä muodostamaan tiimin, joka voi luoda huippuluokan tuotteen. Tämä teknologia on kuitenkin arvoton yrityksesi tarkoitukseen, jos sinulla ei ole oikein määriteltyä tekoälyn toteutusstrategiaa. On myös tapauksia, joissa he palkkaavat Junior ML Engineerin säästääkseen rahaa verrattuna kokeneemman asiantuntijan palkkaamiseen. Tämä on myös vaarallista, koska kokematon henkilö ei välttämättä tunne ML-järjestelmän kehittämisen ja suunnittelun hienouksia ja tekee "alokasvirheitä", joista yritys joutuu maksamaan liian korkean hinnan, joka lähes aina ylittää kokeneen palkkaamisen hinnan. ML-asiantuntija.

Siksi suosittelen, että palkkaat ensin yhden tekoälyasiantuntijan, kuten konsultin, joka opastaa sinua matkan varrella ja arvioi tekoälyn käyttöönottoprosessisi. Hyödynnä heidän asiantuntemustaan ​​varmistaaksesi, että käsittelemäsi ongelma vaatii tekoälyä ja että tekniikka voidaan skaalata tehokkaasti todistamaan hypoteesisi.

Jos olet varhaisen vaiheen startup-yritys ja olet huolissasi rahoituksesta, voit ottaa yhteyttä LinkedInin tekoälyinsinööreihin erityiskysymyksillä. Uskokaa tai älkää, monet ML- ja tekoälyasiantuntijat auttavat mielellään, koska he ovat todella kiinnostuneita aiheesta ja koska he onnistuvat auttamaan sinua, he voivat käyttää sitä positiivisena tapaustutkimuksena konsulttiportfoliossaan.

Tiivistelmä

Kaiken tekoälyn ympärillä olevan hypetyksen vuoksi on normaalia, että saatat olla innokas sisällyttämään sen liiketoimintaasi ja kehittämään tekoälypohjaisen ratkaisun, joka vie sinut seuraavalle tasolle. Sinun on kuitenkin pidettävä mielessä, että se, että kaikki puhuvat tekoälystä, tarkoittaa, että yrityksesi tarvitsee tekoälyä. Valitettavasti monet yritykset ryntäävät integroimaan tekoälyä ilman selkeää tavoitetta mielessään, ja ne päätyvät hukkaamaan valtavia määriä rahaa ja aikaa. Joissakin tapauksissa, varsinkin alkuvaiheessa oleville yrityksille, tämä voi tarkoittaa niiden kuolemaa. Ilmaisemalla ongelman selkeästi, keräämällä asiaankuuluvaa dataa, testaamalla hypoteesia ja käyttämällä jo saatavilla olevia työkaluja asiantuntijan avulla voit integroida tekoälyn kuluttamatta yrityksesi taloudellisia resursseja. Sitten, jos ratkaisu toimii, voit asteittain laajentaa toimintaasi ja sisällyttää tekoälyyn niille alueille, joilla se lisää yrityksesi tehokkuutta tai kannattavuutta.