David Woollard, CTO i Standard AI – Intervju-serie

David Woollard er Chief Technology Officer (CTO) i Standard AI. Han er en veteran i teknologiindustrien med over 20 års erfaring, og har arbeidet i selskaper som Samsung og NASA, samt som entreprenør i både tidlige og senere startups. Han har en PhD i datavitenskap, med spesialisering i programvarearkitektur for høy-ytelses databehandling.

Standard AI tilbyr utenfor sammenligning presise innsikter i kjøperatferd, produkt ytelse og butikkoperasjoner.

Kan du dele din reise fra å arbeide ved NASAs Jet Propulsion Laboratory til å bli CTO i Standard AI?

Når jeg var ved Jet Propulsion Laboratory, var mitt arbeid hovedsakelig fokusert på storskala datahåndtering for NASA-misjoner. Jeg fikk arbeide med fantastiske vitenskapsmenn og ingeniører, og lærte om hvordan man utfører forskning fra verdensrommet. Ikke bare lærte jeg mye om data vitenskap, men også storskala prosjektledelse, balansering av risiko og feilbudsjett, og storskala programvare systemdesign. Min PhD-arbeid ved University of Southern California var innen området programvarearkitektur for høy-ytelses databehandling, og jeg kunne se anvendelsen av denne forskningen førstehånds.

Mens jeg lærte en enorm mengde fra min tid der, ønsket jeg også å arbeide med ting som var mer tangibelt for vanlige mennesker. Når jeg forlot JPL, sluttet jeg meg til en venn som grunnla en startup i strømmende videoområdet som en av de første ansatte. Jeg var fanget fra begynnelsen av på å bygge brukeropplevelser og startups generelt, begge deler føltes som en pause fra min tidligere verden. Når jeg fikk sjansen til å slutte meg til Standard, var jeg trukket til kombinasjonen av harde vitenskapelige problemer i AI og datavitenskap som jeg elsket i min tidlige karriere med tangibelt brukeropplevelse som jeg fant mest tilfredsstillende.

Hva motiverte skiftet i Standard AIs fokus fra autonome kasse løsninger til bredere detaljhandels AI-applikasjoner?

Standard AI ble grunnlagt for syv år siden med misjonen om å bringe autonome kasse løsninger til markedet. Mens vi lyktes i å levere beste-i-klassen computer-vision-løsning for autonome kasser og lanserte autonome butikker, fant vi til slutt at brukeradopsjonen var langsommere enn forventet og konsekvensen var at avkastningen på investeringen ikke var der for detaljister.

På samme tid innsett vi at det var en rekke problemer detaljister opplevde som vi kunne løse gjennom samme underliggende teknologi. Denne fornyede fokuset på operasjonelle innsikter og forbedringer tillot Standard å levere en mer direkte avkastning på investeringen til detaljister som søker etter muligheter til å forbedre effektiviteten sin for å kompensere for inflasjon og økte arbeidskostnader.

Hvordan sporer Standard AIs computer-vision-teknologi kundeinteraksjoner med så høy nøyaktighet uten å bruke ansikts gjenkjenning?

Standards VISION-plattform er designet for å spore kjøpere i virkelig rom ved å analysere video fra overhodekameraer i butikken, å skille mellom mennesker og andre elementer i hver video, og å estimere posen eller skjelettstrukturen til hver enkelt person. Ved å se gjennom flere kameraer samtidig, kan vi rekonstruere en 3D-forståelse av rommet, akkurat som vi gjør med våre to øyne. Fordi vi har svært nøyaktige målinger av hver kameraets posisjon, kan vi rekonstruere en kundes posisjon, orientering og selv håndplassering med høy nøyaktighet. Kombinert med avanserte kartleggingsalgoritmer, kan vi bestemme kundens bevegelse og produktinteraksjon med 99% nøyaktighet.

Hvordan sikrer Standard AI kundens personvern mens det samler inn og analyserer data?

I motsetning til andre sporingsystemer som bruker ansikts gjenkjenning for å identifisere kunder mellom to forskjellige videostrømmer, når Standard bestemmer en kundes pose, bruker vi bare strukturell informasjon og romlig geometri. Ingen gang avhenger Standards sporingsystem av kundens biometriske data som kan brukes til identifikasjon som kundens ansikt. Med andre ord, vi vet ikke hvem en kunde er, vi vet bare hvordan kunder beveger seg gjennom butikken.

Hva er noen av de mest betydningsfulle innsiktene detaljister kan få fra å bruke Standard AIs VISION-plattform?

Detaljister kan få en rekke innsikter ved å bruke Standards VISION-plattform. Mest betydningsfullt er at detaljister kan få en bedre forståelse av hvordan kunder beveger seg gjennom deres rom og interagerer med produkter. Mens andre løsninger gir en grunnleggende forståelse av trafikkmengde gjennom en bestemt del av en butikk, registrerer Standard hver enkelt kundes individuelle bane og kan skille mellom kunder og butikkansatte for å gi en bedre regnskap av ikke bare trafikk og opphold, men også de spesifikke atferdene til kunder som kjøper produkter.

Hvordan kan prediktive innsikter fra VISION forvandle markedsførings- og varehusstrategier for detaljister?

Fordi Standard skaper en fullstendig digital kopi av en butikk, inkludert både det fysiske rommet og kundens bevegelser, har vi en rik datamengde fra å bygge prediktive modeller både for å simulere butikkbevegelse gitt fysiske endringer og for å forutsi kundeinteraksjoner basert på deres bevegelse gjennom butikken. Disse prediktive modellene tillater detaljister å eksperimentere med – og validere – varehusendringer i butikken uten å måtte investere i dyre fysiske oppdateringer og lange perioder med butikk-eksperimentering. Videre kan inntrykk av produkt ytelse og interaksjon informere om plassering på hyllen eller endekap. Alt sammen kan hjelpe til å prioritere utgifter og drive større avkastning.

Kan du gi eksempler på hvordan sanntids tilbud basert på forutsagte kundeveier har påvirket salg i pilot tester?

Mens Standard ikke bygger de faktiske promoteringssystemene som detaljister bruker, kan vi bruke vår forståelse av kundebevegelse og våre forutsigelser av produktinteraksjoner til å hjelpe detaljister å forstå en kundes intensjon, og tillate detaljister å gi dypt meningsfulle og rettidige tilbud i stedet for generelle tilbud eller bare anbefalinger basert på tidligere kjøp. Anbefalinger basert på butikk-atferd tillater for sesong, tilgjengelighet og intensjon, alle deler som oversettes til mer effektiv promotering.

Hva var resultater av tobakk-sporing-piloten, og hvordan påvirkte det merkene som var involvert?

Innen en dag med å drive en pilot i en detaljist, kunne vi detektere tyveri av tobakkprodukter og flagge det tilbake til detaljisten for korrektive handlinger. Over lengre tid har vi vært i stand til å arbeide med detaljister for å detektere ikke bare fysisk tyveri, men også promotering misbruk og overholdelsesproblemer, begge deler som er svært betydningsfulle for både detaljister og tobakk-merker som både finansierer disse promoteringene og bruker betydelige ressurser på å sikre overholdelse manuelt. For eksempel kunne vi også observere hva som skjer når en kundes førstevalg er utsolgt; halvparten av kundene valgte et annet produkt i samme familie, men nesten en fjerdedel kjøpte ingenting. Dette er potensielt mye tapte inntekter som kunne være løst hvis det ble fanget tidligere. Fordi vår VISION-plattform alltid er på, har den blitt en utvidelse av tobakk-merkenes salgs team, i stand til å se (og varsle om) den nåværende tilstanden i enhver butikk i hele eller en detaljists flåte til enhver tid.

Hva er noen av de største utfordringene du har møtt i implementering av AI-løsninger i fysisk detaljhandel, og hvordan har du overvunnet dem?

Arbeid i detaljhandelsmiljøer har kommet med en rekke utfordringer. Ikke bare måtte vi utvikle systemer som var robuste mot problemer som er vanlige i den fysiske verden, men vi måtte også utvikle prosesser som var kompatible med detaljhandelsoperasjoner. For eksempel, med de nylige sommer-OL, endret mange CPG-er pakningen sin for å promotere Paris 2024. Fordi vi visuelt identifiserer varenummer basert på pakningen, betydde dette at vi måtte utvikle systemer som kunne flagge og håndtere disse pakningsendringene.

Fra begynnelsen har Standard valgt tekniske implementeringer som ville fungere med detaljistenes eksisterende prosesser i stedet for å endre eksisterende prosesser for å møte våre krav. Butikker som bruker vår VISION-plattform opererer akkurat som de gjorde før uten noen endringer i fysisk varehus eller komplekse og dyre fysiske retrofitter (som innføring av hyll-sensorene).

Hvordan ser du på rollen til AI i detaljhandelssektoren i løpet av de neste ti årene?

Jeg tror at vi bare skraper overflaten av den digitale transformasjonen som AI vil drive innen detaljister i de kommende årene. Mens AI i dag hovedsakelig er synonymt med store språkmodeller og detaljister tenker på sin AI-strategi, tror vi at AI i nær fremtid vil være en grunnleggende enablende teknologi i stedet for en strategi i seg selv. Systemer som Standards VISION-plattform åpner utenfor sammenligning innsikter for detaljister og tillater dem å låse opp den rike informasjonen i videoen de allerede fanger. De typene operasjonelle forbedringer vi kan levere, vil danne ryggraden i detaljistenes strategier for å forbedre operasjonell effektivitet og forbedre marginen uten å måtte overføre kostnader til forbrukerne.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Standard AI.