David Woollard, CTO di Standard AI – Seri Wawancara

David Woollard adalah Chief Technology Officer (CTO) di Standard AI. Ia adalah veteran industri teknologi dengan lebih dari 20 tahun pengalaman, telah bekerja di perusahaan seperti Samsung dan NASA, dan sebagai wirausaha di startup awal dan akhir. Ia memegang gelar PhD di bidang Ilmu Komputer, dengan spesialisasi di arsitektur perangkat lunak untuk komputasi kinerja tinggi.

Standard AI menawarkan wawasan presisi tanpa preseden ke dalam perilaku pembeli, kinerja produk, dan operasi toko.

Apakah Anda bisa berbagi perjalanan Anda dari bekerja di Laboratorium Pendorong Jet NASA ke menjadi CTO di Standard AI?

Ketika saya berada di Laboratorium Pendorong Jet, pekerjaan saya berfokus terutama pada pengelolaan data skala besar untuk misi NASA. Saya bekerja dengan ilmuwan dan insinyur luar biasa, mempelajari tentang bagaimana melakukan penelitian dari luar angkasa. Saya tidak hanya mempelajari banyak tentang ilmu data, tetapi juga manajemen proyek rekayasa skala besar, mengimbangi risiko dan anggaran kesalahan, serta desain sistem perangkat lunak skala besar. Pekerjaan PhD saya di Universitas Southern California berada di bidang arsitektur perangkat lunak untuk komputasi kinerja tinggi, dan saya dapat melihat aplikasi penelitian tersebut secara langsung.

Sementara saya mempelajari banyak hal dari waktu saya di sana, saya juga sangat ingin bekerja pada hal-hal yang lebih nyata bagi orang sehari-hari. Ketika saya meninggalkan JPL, saya bergabung dengan seorang teman yang mendirikan sebuah startup di ruang streaming video sebagai salah satu pegawai pertama. Saya langsung tertarik dengan membangun pengalaman konsumen dan startup secara umum, keduanya terasa seperti perubahan dari dunia sebelumnya. Ketika saya mendapatkan kesempatan untuk bergabung dengan Standard, saya tertarik dengan kombinasi masalah ilmiah yang sulit dalam AI dan Penglihatan Komputer yang saya cintai di awal karir saya dengan pengalaman konsumen yang lebih nyata yang saya temukan paling memuaskan.

Apa yang memotivasi perubahan fokus Standard AI dari solusi checkout otonom ke aplikasi AI ritel yang lebih luas?

Standard AI didirikan tujuh tahun yang lalu dengan misi untuk membawa checkout otonom ke pasar. Sementara kami berhasil mengirimkan solusi checkout otonom kelas dunia hanya dengan penglihatan komputer dan meluncurkan toko otonom, pada akhirnya kami menemukan bahwa adopsi pengguna lebih lambat dari yang diharapkan dan konsekuensinya, return on investment tidak ada untuk pengecer.

Pada saat yang sama, kami menyadari bahwa ada sejumlah masalah yang dialami pengecer yang dapat kami selesaikan melalui teknologi yang sama. Fokus ulang ini pada wawasan operasional dan perbaikan memungkinkan Standard untuk mengirimkan ROI langsung yang lebih besar kepada pengecer yang mencari kesempatan untuk meningkatkan efisiensi mereka untuk mengimbangi dampak inflasi dan biaya tenaga kerja yang meningkat.

Bagaimana teknologi penglihatan komputer Standard AI melacak interaksi pelanggan dengan akurasi tinggi tanpa menggunakan pengenalan wajah?

Platform VISION Standard dirancang untuk melacak pembeli di ruang nyata dengan menganalisis video dari kamera overhead di toko, membedakan antara manusia dan elemen lain dalam setiap video, dan memperkirakan pose, atau struktur tulang, dari setiap manusia. Dengan melihat melalui beberapa kamera secara bersamaan, kami dapat merekonstruksi pemahaman 3D tentang ruang, seperti yang kami lakukan dengan dua mata kami. Karena kami memiliki pengukuran yang sangat presisi dari setiap posisi kamera, kami dapat merekonstruksi posisi, orientasi, dan bahkan penempatan tangan pembeli, dengan akurasi tinggi. Dikombinasikan dengan algoritma pemetaan lanjutan, kami dapat menentukan pergerakan pembeli dan interaksi produk dengan akurasi 99%.

Bagaimana Standard AI memastikan privasi pembeli saat mengumpulkan dan menganalisis data?

Tidak seperti sistem pelacakan lain yang menggunakan pengenalan wajah untuk mengidentifikasi pembeli antara dua aliran video yang berbeda, ketika Standard menentukan pose pembeli, kami hanya menggunakan informasi struktural dan geometri spasial. Pada tidak ada waktu sistem pelacakan Standard bergantung pada biometrik pembeli yang dapat digunakan untuk identifikasi seperti wajah pembeli. Dengan kata lain, kami tidak tahu siapa pembeli, kami hanya tahu bagaimana pembeli bergerak melalui toko.

Apa saja wawasan signifikan yang paling signifikan yang dapat diperoleh pengecer dari menggunakan platform VISION Standard AI?

Pengecer dapat memperoleh sejumlah wawasan menggunakan platform VISION Standard. Paling signifikan, pengecer dapat memperoleh pemahaman yang lebih baik tentang bagaimana pembeli bergerak melalui ruang mereka dan berinteraksi dengan produk. Sementara solusi lain memberikan pemahaman dasar tentang volume lalu lintas melalui bagian tertentu dari toko, Standard mencatat jalur individual setiap pembeli dan dapat membedakan antara pembeli dan karyawan toko untuk memberikan akuntansi yang lebih baik tentang lalu lintas dan tinggal, serta perilaku spesifik pembeli yang membeli produk.

Bagaimana wawasan prediktif dari VISION dapat mengubah strategi pemasaran dan merchandising untuk pengecer?

Karena Standard membuat replika digital lengkap dari toko, termasuk ruang fisik dan pergerakan pembeli, kami memiliki set data kaya untuk membangun model prediktif baik untuk mensimulasikan pergerakan toko yang diberikan perubahan fisik serta memprediksi interaksi pembeli berdasarkan pergerakan mereka melalui toko. Model prediktif ini memungkinkan pengecer untuk bereksperimen dengan – dan memvalidasi – perubahan merchandising ke toko tanpa harus berinvestasi dalam pembaruan fisik yang mahal dan periode eksperimen dalam toko yang lama. Selain itu, kesan tentang kinerja produk dan interaksi dapat mempengaruhi penempatan di rak atau ujung rak. Semua ini dapat membantu memprioritaskan pengeluaran dan menghasilkan pengembalian yang lebih besar.

Apakah Anda bisa memberikan contoh bagaimana penawaran waktu nyata berdasarkan jalur pelanggan yang diprediksi telah mempengaruhi penjualan dalam tes pilot?

Sementara Standard tidak membangun sistem promosi yang sebenarnya digunakan oleh pengecer, kami dapat menggunakan pemahaman kami tentang pergerakan pembeli dan prediksi kami tentang interaksi produk untuk membantu pengecer memahami niat pembeli, memungkinkan pengecer untuk memberikan promosi yang sangat bermakna dan tepat waktu daripada penawaran umum atau hanya rekomendasi berdasarkan pembelian sebelumnya. Rekomendasi berdasarkan perilaku dalam toko memungkinkan untuk musim, ketersediaan, dan niat, semuanya diterjemahkan menjadi pengangkatan promosi yang lebih efektif.

Apa hasil dari pilot pelacakan tembakau, dan bagaimana itu mempengaruhi merek yang terlibat?

Dalam satu hari operasi pilot di satu pengecer, kami dapat mendeteksi pencurian produk tembakau dan melaporkan kembali ke pengecer untuk tindakan korektif. Dalam jangka panjang, kami telah dapat bekerja dengan pengecer untuk mendeteksi tidak hanya pencurian fisik tetapi juga penyalahgunaan promosi dan masalah kepatuhan, keduanya sangat berdampak pada pengecer dan merek tembakau yang mendanai promosi ini dan menghabiskan sumber daya yang signifikan untuk memastikan kepatuhan secara manual. Misalnya, kami juga dapat mengamati apa yang terjadi ketika pilihan pertama pelanggan tidak tersedia; setengah dari pembeli memilih produk keluarga lain, tetapi hampir seperempat tidak membeli apa pun. Itu potensi pendapatan yang hilang yang bisa diatasi jika ditangkap lebih awal. Karena platform VISION kami selalu aktif, itu telah menjadi ekstensi tim penjualan merek tembakau, dapat melihat (dan memberi peringatan pada) keadaan saat ini dari toko mana pun di armada pengecer pada saat itu.

Apa tantangan terbesar yang Anda hadapi dalam mengimplementasikan solusi AI di ritel fisik, dan bagaimana Anda mengatasi mereka?

Bekerja di lingkungan ritel telah datang dengan sejumlah tantangan. Tidak hanya kami harus mengembangkan sistem yang tahan terhadap masalah yang umum di dunia fisik (seperti drift kamera, perubahan toko, dan kegagalan perangkat keras), kami juga mengembangkan proses yang kompatibel dengan operasi ritel. Misalnya, dengan Olimpiade Musim Panas baru-baru ini, banyak CPG mengubah kemasan mereka untuk mempromosikan Paris 2024. Karena kami mengidentifikasi SKU berdasarkan kemasan mereka, ini berarti kami harus mengembangkan sistem yang dapat mengidentifikasi dan menangani perubahan kemasan ini.

Dari awal, Standard telah memilih implementasi teknis yang akan bekerja dengan proses pengecer yang ada daripada mengubah proses yang ada untuk memenuhi persyaratan kami. Toko-toko yang menggunakan platform VISION kami beroperasi sama seperti sebelumnya tanpa perubahan pada merchandising fisik atau retrofit fisik yang kompleks dan mahal (seperti memperkenalkan sensor rak).

Bagaimana Anda melihat peran AI berkembang di sektor ritel selama dekade mendatang?

Saya pikir bahwa kami hanya menyentuh permukaan transformasi digital yang akan ditenagai oleh AI dalam pengecer dalam beberapa tahun mendatang. Sementara AI saat ini sebagian besar sinonim dengan model bahasa besar dan pengecer berpikir tentang strategi AI mereka, kami percaya bahwa AI akan, di masa depan, menjadi teknologi pengaktif dasar daripada strategi dalam dirinya sendiri. Sistem seperti platform VISION Standard membuka wawasan tanpa preseden bagi pengecer dan memungkinkan mereka untuk membuka informasi kaya dalam video yang sudah mereka tangkap. Jenis perbaikan operasional yang kami dapatkan akan membentuk tulang punggung strategi pengecer untuk meningkatkan efisiensi operasional dan meningkatkan margin tanpa harus meneruskan biaya kepada konsumen.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Standard AI.