5 koraka za implementaciju umjetne inteligencije u vaše poslovanje bez gubitka novca

Umjetna inteligencija nastavlja cvjetati, a ako nastavi prodirati u sve industrije, potpuno će promijeniti način na koji živimo.

Kao rezultat toga, integracija umjetne inteligencije u njihove tvrtke postala je najveći prioritet za mnoge osnivače. Čak i pojedinci traže načine kako iskoristiti AI kako bi poboljšali svoje osobne živote.

Pomama je tolika da je imenovao Collins Dictionary, značajan jezični autoritet AI kao pojam godine, zbog porasta popularnosti.

Rekavši ovo, za većinu organizacija postoji veliki jaz između ideje i stvarnosti kada pokušavaju ugraditi AI u svoje procese, jer put nije tako jednostavan kao što se čini, a može biti vrlo skup, kako u smislu kapitalnih izdataka potrebno iu izgubljenom vremenu, jer razvoj događaja neće donijeti očekivane rezultate. Ovo je sletjelo nekoliko tvrtki u problemima. Na primjer, CNET eksperimentirao s člancima pisanim umjetnom inteligencijom, a pokazalo se da su puni mana. Druge tvrtke, poput iTutor Group, suočili su se sa visokim kaznama osim javnog ismijavanja zbog njihove loše implementacije umjetne inteligencije.

Kao što ovi slučajevi pokazuju, tvrtke mogu napraviti puno grešaka s umjetnom inteligencijom, a osim ako pothvat nema financijski jastuk Amazona, Googlea, Microsofta ili Mete, ovi neuspjeli eksperimenti mogu tvrtku dovesti do bankrota.

Ako ste osnivač ili vlasnik tvrtke, ovdje je vodič s pet koraka koji će vam pomoći da implementirate AI u svoje poslovanje, dok pažljivo koristite svoje resurse – novac i vrijeme, što je u konačnici novac – i istovremeno smanjujući mogućnost kobnih pogreške.

1. Jasno pojasnite problem koji pokušavate riješiti

Nijedna tvrtka nije imuna na kvarove umjetne inteligencije. I kao što je Amazon bolno otkrio – kroz svoje posrnule trgovine bez blagajne Amazon Go–nije svaki poslovni slučaj potreban AI.

Stoga je ključno da definirate problem koji namjeravate riješiti AI. To treba što jasnije ocrtati.

Na primjer, uobičajena primjena umjetne inteligencije je korisnička podrška. Implementacija umjetne inteligencije u takvom slučaju moguća je na način koji ima specifične rezultate, na primjer, smanjenje troškova pozivnog centra za X iznosa novca mjesečno ili ubrzanje prosječnog vremena potrebnog za rješavanje upita korisnika za X minuta. Ovakvim pristupom imamo mjerljiv pokazatelj u obliku novca ili vremena koji ćemo pokušati postići implementacijom AI-a i vidjeti ima li to ikakvog utjecaja.

Postoje različiti načini na koje se to može dogoditi. Na primjer, umjesto chatbota, možemo razviti ili kupiti uslugu koja će utvrditi može li se na upit kupca odgovoriti putem stranice s često postavljanim pitanjima. To će funkcionirati ovako. Kada kupac napiše poruku, pokrenemo ovaj model i on nam ili kaže da trebamo prenijeti ovaj razgovor agentu ili im prikaže relevantnu stranicu s odgovorom na njihovo pitanje. Razvoj ovog modela je brži i jeftiniji od izgradnje složenog chatbota od nule. Ako ova implementacija uspije, postići ćemo svoj cilj smanjenja troškova uz optimizaciju kapitalnih izdataka povezanih s umjetnom inteligencijom u usporedbi s troškovima razvoja chatbota.

Pionir u ovom pristupu bila je Matten Law, kalifornijska odvjetnička tvrtka koja integrirani AI-powered pomoćnika za automatizaciju mnogih zadataka, omogućujući odvjetnicima da provedu više vremena slušajući stranke i proučavajući one aspekte slučaja koji su bili najrelevantniji. Ovo ilustrira da se čak i najrigidniji sektori mogu poremetiti pomoću umjetne inteligencije na način koji poboljšava korisničko iskustvo, pojačavajući ljudski dodir tamo gdje je najpotrebniji.

Dodatni uobičajeni problemi koji bi se mogli riješiti uz pomoć umjetne inteligencije uključuju analizu podataka i stvaranje prilagođenih ponuda. Spotify je izvanredan primjer tvrtke koja uspješno koristi umjetnu inteligenciju za razvoj inteligentnog sustava za glazbene preporuke, što ide sve do uzimajući u obzir doba dana u kojem netko sluša određeni žanr.

U oba gore navedena scenarija, AI pomaže u pružanju boljeg iskustva za kupca. Međutim, razlog zašto su te tvrtke uspješno koristile umjetnu inteligenciju bio je taj što su bile vrlo jasne u pogledu aspekata koje treba delegirati AI.

2. Odlučite se o podacima koje ćete morati analizirati

Nakon što je glavni problem dobro definiran, moramo uzeti u obzir podatke kojima trebamo hraniti sustav. Ključno je zapamtiti da je umjetna inteligencija algoritam koji analizira i prilagođava se podacima koje pružamo. Osnovni scenarij za prikupljanje podataka je sljedeći:

1. Shvatite koji nam podaci mogu biti potrebni za implementaciju umjetne inteligencije.

2. Provjerite ima li naša tvrtka te podatke.

   1. Ako hoće — odlično.

   2. Ako ne, moramo sjesti i shvatiti možemo li pokrenuti pravi proces prikupljanja podataka interno. Kao drugu mogućnost, možemo zamoliti razvojne programere da spreme podatke koji su nam potrebni ako to još ne činimo.

Evo primjera. Posjedujemo kafić i potrebni su nam podaci o tome koliko ga gostiju posjećuje. To možemo učiniti implementacijom personaliziranih kartica vjernosti koje će korisnici predočiti prilikom kupnje. Na taj način imat ćemo podatke koji su nam potrebni, poput toga koji su kupci došli, kada su došli, što su kupili i u kojoj količini. Nakon što to imamo, možemo koristiti te podatke za implementaciju umjetne inteligencije. Međutim, postoje trenuci kada prikupljanje ovih podataka može biti vrlo skupo. I tada nam umjetna inteligencija može priskočiti u pomoć. Na primjer, ako imamo kameru instaliranu u našem kafiću - što bismo mogli barem iz sigurnosnih razloga - mogli bismo je iskoristiti za prikupljanje podataka od naših gostiju. Moram reći da je prije implementacije ovoga važno konzultirati se o zakonima o osobnim podacima, kao što je GDPR, jer ovaj pristup ne može funkcionirati u svakoj zemlji. Ali u onim jurisdikcijama u kojima je dopušten, ovo može biti besprijekoran način prikupljanja potrebnih informacija i angažiranja umjetne inteligencije za njihovu analizu i obradu.

Ako se pitate, ovaj personalizirani program vjernosti jest što je napravio Starbucks, s velikim uspjehom. Starbucksov program nagrađivanja išao je toliko daleko da je pružao personalizirane poticaje kad god bi kupac posjetio željenu lokaciju ili naručio svoje omiljeno piće.

3. Definirajte hipotezu

Mogu postojati situacije u kojima se osjećate nesigurno koje procese može ili treba optimizirati AI.

Ako je ovo vaš slučaj, možete započeti raščlanjivanjem cijelog procesa na faze i identificirati one faze u kojima smatrate da vaše poslovanje ne uspijeva. Koja su to područja na koja trošite previše novca? Što traje dulje nego inače? Odgovarajući na ova pitanja, možete odrediti kritična područja za poboljšanje i odlučiti može li umjetna inteligencija biti od pomoći.

Kao što ćete vidjeti, postoje slučajevi u kojima bi konvencionalna rješenja mogla biti učinkovitija. Ako se borite oko toga koju ponudu proizvoda istaknuti svojim kupcima, prijedlozi temeljeni na najpopularnijim proizvodima često su daleko učinkovitiji u sustavima preporuka na tržištu od pokušaja predviđanja ponašanja korisnika. Stoga prvo probajte to. Nakon što dobijete rezultat – bio on pozitivan ili negativan – tada možete imati hipotezu za testiranje umjetne inteligencije. Inače će polje djelovanja biti previše nejasno i mogli biste na kraju izgubiti vrijeme i novac.

4. Iskoristite rješenja koja već postoje

Mnoge tvrtke imaju za cilj odmah dizajnirati vlastite algoritme strojnog učenja. Međutim, ako ih ne planirate obučavati s velikim skupovima podataka tijekom duljeg vremenskog razdoblja, nemojte to činiti. To će biti vrlo skupo i dugotrajno.

Umjesto toga, predlažem da se usredotočite na rješenja koja su već dostupna. Tvrtke poput Amazona, Googlea, Microsofta i mnogih drugih imaju alate pokretane umjetnom inteligencijom koji vam mogu pomoći da postignete mnoge ciljeve. Zatim, postupno, možete potpisati ugovor s jednim od njih i angažirati internog programera da vješto konfigurira potrebne API zahtjeve.

Osnovna ideja je da ove alate mogu integrirati poslovni razvojni inženjeri (ne ML stručnjaci), što će nam omogućiti brzo testiranje hipoteze o tome donosi li umjetna inteligencija očekivani učinak ili ne. Ako to ne uspije, možemo jednostavno onemogućiti ove alate, a naš trošak testiranja naše hipoteze bio bi samo vrijeme koje smo razvojni inženjeri potrošili na integraciju s tom uslugom i iznos koji smo platili za korištenje alata. Kad bismo razvijali model, potrošili bismo plaću ML stručnjaka pomnoženu s vremenom koje provedu razvijajući model, uz sve troškove infrastrukture. A onda nije jasno što učiniti s razvojnim inženjerom i modelom ako na kraju očekivani učinak ne postoji.

Ako je naša hipoteza dokazana, a alat pokretan umjetnom inteligencijom donese očekivani učinak, radujemo se i dolazimo s novom hipotezom. U budućnosti, ako predvidimo da će troškovi alata značajno porasti, možemo razmišljati o tome da sami razvijemo ovaj model i tako još više smanjimo troškove. Ali prvo trebamo procijeniti je li trošak razvoja zapravo manji od onoga što bismo platili za korištenje alata druge tvrtke koja je specijalizirana za razvoj tih alata.

Moj savjet je da razmislite o razvoju vlastitog proizvoda za strojno učenje tek nakon što postignete dobre rezultate korištenjem umjetne inteligencije s gore navedenim alatima i kada budete sigurni da je umjetna inteligencija pravi način da dugoročno riješite svoj problem. Inače, vaš ML projekt neće isporučiti vrijednost koju tražite, a kao što je nedavno briljantan članak Harvard Business Review rekao, AI hype će vas samo odvratiti od vaše misije, koji ne treba AI.

5. Posavjetujte se sa stručnjacima za umjetnu inteligenciju

U istom duhu, još jedna vrlo uobičajena pogreška koju čine osnivači i vlasnici tvrtki je da pokušavaju sve raditi unutar kuće. Oni zapošljavaju glavnog inženjera ili istraživača za umjetnu inteligenciju, a zatim još ljudi da formiraju tim koji može stvoriti vrhunski proizvod. Međutim, ta će tehnologija biti bezvrijedna za svrhu vaše tvrtke ako nemate pravilno definiranu strategiju implementacije umjetne inteligencije. Postoji i slučaj kada angažiraju Junior ML Engineer, kako bi uštedjeli novac u usporedbi s zapošljavanjem iskusnijeg stručnjaka. Ovo je također opasno, jer osoba bez iskustva možda ne poznaje suptilnosti razvoja i dizajna ML sustava i napravi "početničke greške", za koje će tvrtka morati platiti previsoku cijenu, gotovo uvijek veću od cijene angažiranja iskusnog ML stručnjak.

Stoga je moja preporuka da najprije angažirate jednog stručnjaka za umjetnu inteligenciju, poput konzultanta, koji će vas usput voditi i procijeniti vaš proces usvajanja umjetne inteligencije. Iskoristite njihovu stručnost kako biste osigurali da problem na kojem radite zahtijeva AI i da se tehnologija može učinkovito skalirati kako bi se dokazala vaša hipoteza.

Ako ste startup u ranoj fazi i brinete se oko financiranja, hak za ovo je kontaktirati inženjere umjetne inteligencije na LinkedInu s određenim pitanjima. Vjerovali ili ne, mnogi stručnjaci za ML i umjetnu inteligenciju vole pomoći, i zato što su stvarno zaljubljeni u tu temu i zato što, ako vam uspiju pomoći, to mogu iskoristiti kao pozitivnu studiju slučaja za svoj konzultantski portfelj.

Final Misli

Uz svu pompu koja okružuje umjetnu inteligenciju, normalno je da biste je mogli željno uključiti u svoje poslovanje i razviti rješenje pokretano umjetnom inteligencijom koje vas vodi na višu razinu. Međutim, morate imati na umu da činjenica da svi govore o umjetnoj inteligenciji znači da vašem poslu treba umjetna inteligencija. Mnoge tvrtke, nažalost, žure integrirati AI bez jasnog cilja na umu i na kraju gube ogromne količine novca i vremena. U nekim slučajevima, posebno za tvrtke u ranoj fazi, to može značiti njihovu propast. Jasnim artikuliranjem problema, prikupljanjem relevantnih podataka, testiranjem hipoteze i korištenjem alata koji su već dostupni uz pomoć stručnjaka, možete integrirati AI bez iscrpljivanja financijskih resursa vaše tvrtke. Zatim, ako rješenje radi, možete se postupno povećavati i uključiti AI u ona područja u kojima povećava učinkovitost ili profitabilnost vaše tvrtke.