David Woollard, Standard AI:n CTO – Haastattelu

David Woollard on Standard AI:n Chief Technology Officer (CTO). Hän on teknologia-alan veteraani, jolla on yli 20 vuoden kokemus, ja hän on työskennellyt yrityksissä kuten Samsung ja NASA sekä yrittäjänä sekä varhaisessa että myöhemmässä vaiheessa. Hänellä on tietojenkäsittelytieteen tohtorin tutkinto, jossa hän on erikoistunut ohjelmistoarkkitehtuureihin suorituskyvylle.

Standard AI tarjoaa ennennäkemättömän tarkan näkyvyyden asiakas käyttäytymiseen, tuotteiden suorituskykyyn ja myymälöiden toimintaan.

Voitko kertoa matkastasi NASA:n Jet Propulsion Laboratorysta Standard AI:n CTO:ksi?

Kun olin Jet Propulsion Laboratoryssa, työni keskittyi pääasiassa suuren mittakaavan tietojen hallintaan NASA:n tehtävissä. Sain työskennellä uskomattomien tutkijoiden ja insinöörien kanssa, ja opin, miten tutkimusta voidaan tehdä avaruudesta. Opin paljon datasta, mutta myös suurten insinööritieteellisten projektien hallinnasta, riskien ja virheiden hallinnasta sekä suurten ohjelmistojärjestelmien suunnittelusta. Väitöskirjani eteni Etelä-Kalifornian yliopistossa ohjelmistoarkkitehtuureista suorituskyvylle, ja pystyin näkemään tutkimuksen soveltamisen käytännössä.

Kun lähdin JPL:stä, liityin ystävän perustamaan startup-yritykseen, joka toimi striimausvideoiden parissa. Olin siitä alusta alkaen kiinnostunut kuluttajakokemusten luomisesta ja startup-yrittäjyydestä, jotka tuntuivat poikkeavan aiemmasta maailmastani. Kun sain mahdollisuuden liittyä Standard AI:hin, olin houkutettu yhdistelmästä vaikeista tieteellisistä ongelmista AI:ssa ja tietokoneen näkössä, joita rakastin urani alussa, ja konkreettisista kuluttajakokemuksista, jotka olivat minulle tyydyttävimpiä.

Mikä motivoi Standard AI:n painopisteen siirtymistä autonomisista kassajärjestelmistä laajempiin vähittäiskaupan AI-sovelluksiin?

Standard AI perustettiin seitsemän vuotta sitten tehtävänä tuoda autonomiset kassajärjestelmät markkinoille. Vaikka onnistuimme toimittamaan parhaimman luokan tietokoneen näkö ratkaisun autonomisiin kassajärjestelmiin ja avasimme autonomiset myymälät, asiakas hyväksyntä oli hitaampaa kuin odotettiin, ja siten investoinnin tuotto ei ollut odotetunlainen.

Samaan aikaan toimme joitakin ongelmia, joita vähittäiskaupan asiakkaat kokevat, ja joita voimme ratkaista saman perustavanlaatuisen teknologian avulla. Tämä uudelleen kohdistettu fokus operaatiivisiin näkymiin ja parannuksiin mahdollisti Standard AI:lle toimittaa suoran tuoton vähittäiskaupan asiakkaille, jotka etsivät mahdollisuuksia parantaa tehokkuuttaan ja tasapainottaa inflaation ja työvoimakustannusten kasvua.

Miten Standard AI:n tietokoneen näkö -teknologia seuraa asiakasvuorovaikutuksia niin tarkasti ilman kasvojentunnistusta?

Standardin VISION -alusta on suunniteltu seuraamaan asiakkaita oikeassa tilassa analysoimalla videota myymälän yläpuolelta, erottamaan ihmiset ja muut elementit jokaisesta videosta ja arvioimaan jokaisen ihmisen asentoa. Katsomalla useita kameraotteita samanaikaisesti voimme rakentaa 3D-ymmärryksen tilasta, kuten teemme silmien kanssa. Koska meillä on hyvin tarkat mittaukset jokaisen kameran sijainnista, voimme rakentaa asiakkaan sijainnin, suunnan ja jopa käden asennon tarkasti. Yhdistämällä edistyneet karttamerkit, voimme määrittää asiakkaan liikkeen ja tuotevuorovaikutuksen 99 prosentin tarkkuudella.

Miten Standard AI varmistaa asiakkaiden yksityisyyden kerätessä ja analysoitaessa dataa?

Toisin kuin muut seurantajärjestelmät, jotka käyttävät kasvojentunnistusta asiakkaiden tunnistamiseen eri videovirroissa, Standard määrittää asiakkaan asennon vain rakenteellisen tiedon ja tilageometrian avulla. Missään vaiheessa Standardin seurantajärjestelmä ei riipu asiakkaan biometrisistä tiedoista, jotka voidaan käyttää tunnistamiseen, kuten asiakkaan kasvoja. Sanoin muistaen, emme tiedä, kuka asiakas on, tiedämme vain, miten asiakkaat liikkuvat myymälässä.

Mitkä ovat joitakin merkittävimmistä näkymistä, joita vähittäiskaupan asiakkaat voivat saada käyttämällä Standard AI:n VISION -alustaa?

Vähittäiskaupan asiakkaat voivat saada useita näkymiä Standardin VISION -alustan avulla. Merkittävimpänä vähittäiskaupan asiakkaat voivat saada paremman ymmärryksen siitä, miten asiakkaat liikkuvat tilassa ja vuorovaikuttavat tuotteiden kanssa. Vaikka muut ratkaisut antavat perustiedon liikenteen määrästä tietyn myymäläosan kautta, Standard tallentaa jokaisen asiakkaan yksilöllisen polun ja voi erottaa asiakkaat ja myymälän työntekijät, jotta voidaan antaa parempi tili liikenteestä ja oleskelusta, mutta myös tuotteiden ostoja.

Miten ennustavat näkymät VISION:ista voivat muuttaa markkinointi- ja myymälästrategioita vähittäiskaupan asiakkaille?

Koska Standard luo myymälän täydellisen digitaalisen kopion, mukaan lukien sekä fyysisen tilan (kuten hyllyasennukset) että asiakasliikkeen, meillä on rikas tietokanta, josta voidaan rakentaa ennustemalleja sekä simuloimaan myymälän liikettä fyysisiä muutoksia (kuten myymälän uudelleenjärjestelyä ja päivityksiä) että ennustaa asiakasvuorovaikutuksia heidän liikkeensä perusteella. Nämä ennustemallit mahdollistavat vähittäiskaupan asiakkaiden kokeilla ja vahvistaa myymälän muutoksia ilman kalliiden fyysisten päivitysten ja pitkien kokeilujaksojen tarvetta. Lisäksi tuotteiden suorituskyvyn ja vuorovaikutuksen näkymät voivat ohjata sijoittelua hyllyllä tai päätykappaleissa. Kaiken kaikkiaan nämä voivat auttaa priorisoimaan kulut ja tuottaa suurempia tuottoja.

Voitko antaa esimerkkejä siitä, miten reaaliaikaiset tarjoukset ennustettujen asiakaspolkujen perusteella ovat vaikuttaneet myyntiin koetilanteissa?

Vaikka Standard ei rakenna itse myymälöiden käyttämiä promootiojärjestelmiä, voimme käyttää ymmärrystämme asiakasliikkeestä ja ennustamme tuotteiden vuorovaikutuksista auttaa vähittäiskaupan asiakkaita ymmärtämään asiakkaan aikomuksia, jotta he voivat tarjota syvällisesti merkityksellisiä ja ajankohtaisia tarjouksia yleisten tarjousten tai suositusten sijaan, jotka perustuvat aiempiin ostoihin. Suositukset, jotka perustuvat myymälässä tapahtuviin käyttäytymismalleihin, mahdollistavat kauden, saatavuuden ja aikomuksen, jotka kaikki kääntyvät tehokkaammaksi promootioksi.

Mitkä olivat tupakkaseurannan koetilanteen tulokset, ja miten se vaikutti mukana olleisiin tuotemerkkeihin?

Yhden päivän kuluessa yhden myymälän koetilanteen aikana pystyimme havaitsemaan tupakkatuotteiden varastamisen ja ilmoittamaan siitä myymälälle korjaavasti. Pitkällä aikavälillä olemme pystyneet työskentelemään myymälöiden kanssa havaitsemaan ei vain fyysistä varastamista vaan myös promootioiden väärinkäyttöä ja mukauttamista, jotka ovat vaikuttavia sekä myymälöille että tupakkatuotemerkille, jotka rahoittavat näitä promootioita ja käyttävät merkittäviä resursseja varmistamaan mukauttamisen manuaalisesti. Esimerkiksi pystyimme havaitsemaan, mitä tapahtuu, kun asiakkaan ensisijainen valinta on loppunut; puolet asiakkaista valitsi toisen perheen tuotteen, mutta lähes neljännes osti mitään. Se on potentiaalisesti paljon menetettyä liikevaihtoa, jota voisi korjata, jos havaittaisiin aikaisemmin. Koska VISION -alustamme on aina päällä, se on muodostunut tupakkatuotemerkkien myyntitiimien laajennukseksi, joka voi nähdä (ja hälyttää) myymälän tai koko myymäläketjun tilan milloin tahansa.

Mitkä ovat suurimmat haasteet, joita olet kohdannut AI-ratkaisujen toteuttamisessa fyysisissä vähittäiskaupassa, ja miten olet voittanut ne?

Työskenteleminen vähittäiskaupan ympäristössä on tuonut mukanaan useita haasteita. Meidän on kehitettävä järjestelmiä, jotka ovat kestäviä yleisiin ongelmiihin fyysisessä maailmassa (kuten kameran siirtymiseen, myymälän muutoksiin ja laitteiston viroihin), ja meidän on kehitettävä prosesseja, jotka ovat yhteensopivia vähittäiskaupan toimintatapojen kanssa. Esimerkiksi kesäolympialaisten aikana monet CPG:t muuttivat pakkauksiaan mainostaakseen Pariisi 2024. Koska tunnistamme SKU:t pakkauksen perusteella, meidän on kehitettävä järjestelmiä, jotka voivat merkitä ja käsitellä näitä pakkauksen muutoksia.

Alusta alkaen Standard on valinnut tekniset toteutukset, jotka toimivat vähittäiskaupan asiakkaiden olemassa olevien prosessien kanssa eikä vaadi prosessien muuttamista meidän vaatimusten mukaisiksi. Myymälät, jotka käyttävät VISION -alustaa, toimivat samoin kuin ennen ilman muutoksia fyysiseen myymälään tai kalliisiin fyysisiin retrofit-ratkaisuihin (kuten hyllyantureiden käyttöönottoon).

Miten näet AI:n roolin kehittyvän vähittäiskaupan alalla seuraavan kymmenen vuoden aikana?

Luulen, että olemme vasta kratchaten pinnanalaista digitaalisen muodonmuutoksen, jonka AI mahdollistaa vähittäiskaupan asiakkaille tulevina vuosina. Vaikka AI on tänään suurelta osin suurten kielimallien synonyymi ja vähittäiskaupan asiakkaat pohtivat AI-strategiaansa, uskon, että AI tulee olemaan lähitulevaisuudessa perustavanlaatuinen mahdollistava teknologia eikä itsenäinen strategia. Järjestelmät kuten Standardin VISION -alusta avaavat ennennäkemättömän tarkan näkyvyyden vähittäiskaupan asiakkaille ja mahdollistavat heidän avaamisen rikkaan tiedon, jota he jo tallentavat. Operaatiiviset parannukset, joita voimme toimittaa, muodostavat vähittäiskaupan asiakkaiden strategioiden perustan parantamiseksi operaatiivista tehokkuutta ja lisäämiseksi voittoa ilman kustannusten siirtämistä kuluttajille.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Standard AI:ssa.