Дэвид Вуллард, технический директор Standard AI – Интервью

Дэвид Вуллард является техническим директором (CTO) в Standard AI. Он является ветераном технологической индустрии с более чем 20-летним опытом работы, имея опыт работы в компаниях như Samsung и NASA, а также как предприниматель в ранних и поздних стартапах. Он имеет степень доктора философии в области компьютерных наук, специализируясь на программных архитектурах для высокопроизводительных вычислений.

Standard AI предлагает беспрецедентную точность информации о поведении покупателей, производительности продукта и работе магазина.

Можете ли вы рассказать о своем пути от работы в лаборатории реактивного движения NASA до того, как стать техническим директором Standard AI?

Когда я работал в лаборатории реактивного движения, моя работа была сосредоточена в основном на управлении большими объемами данных для миссий NASA. Я работал с невероятными учеными и инженерами, узнавая о том, как проводить исследования из космоса. Не только я многое узнал о науке о данных, но и о управлении крупными проектами, балансировании рисков и ошибок, а также о проектировании крупных программных систем. Моя диссертация в Университете Южной Калифорнии была в области программных архитектур для высокопроизводительных вычислений, и я смог увидеть применение этой исследований в реальных условиях.

Хотя я многое узнал из своего времени там, я также очень хотел работать над вещами, которые были более осязаемыми для обычных людей. Когда я ушел из JPL, я присоединился к другу, который основывал стартап в области потокового видео как один из первых сотрудников. Я был увлечен строительством потребительского опыта и стартапами в целом, что казалось мне перерывом от моего предыдущего мира. Когда я получил возможность присоединиться к Standard, меня привлекла комбинация сложных научных проблем в области ИИ и компьютерного зрения, которые я любил в начале своей карьеры, с осязаемым потребительским опытом, который я нашел наиболее полным.

Что мотивировало сдвиг фокуса Standard AI с автономных решений для оплаты до более широких розничных приложений ИИ?

Standard AI была основана семь лет назад с миссией принести автономную оплату на рынок. Хотя мы добились успеха в создании лучшего решения для автономной оплаты на основе компьютерного зрения и запустили автономные магазины, в конечном итоге мы обнаружили, что пользователи принимают это решение медленнее, чем ожидалось, и, следовательно, возврат на инвестиции не был там для розничных продавцов.

В то же время мы поняли, что есть много проблем, с которыми розничные продавцы сталкиваются, и которые мы можем решить с помощью той же основной технологии. Это обновленное внимание к операционным идеям и улучшениям позволило Standard доставить более прямой возврат на инвестиции розничным продавцам, которые ищут возможности улучшить свою эффективность, чтобы компенсировать влияние инфляции и увеличения затрат на труд.

Как технология компьютерного зрения Standard AI отслеживает взаимодействия клиентов с такой высокой точностью без использования распознавания лиц?

Платформа VISION от Standard предназначена для отслеживания покупателей в реальном пространстве путем анализа видео с камер над головой в магазине, различая людей и другие элементы в каждом видео и оценивая позу или скелетную структуру каждого человека. Анализируя несколько камер одновременно, мы можем реконструировать трехмерное понимание пространства, как и наши два глаза. Поскольку у нас есть очень точные измерения положения каждой камеры, мы можем реконструировать положение, ориентацию и даже положение руки покупателя с высокой точностью. В сочетании с продвинутыми алгоритмами картографирования мы можем определить движение покупателя и взаимодействие с продуктом с точностью 99%.

Как Standard AI обеспечивает конфиденциальность покупателей при сборе и анализе данных?

В отличие от других систем отслеживания, которые используют распознавание лиц для идентификации покупателей между двумя разными видеопотоками, когда Standard определяет позу покупателя, мы используем только структурную информацию и пространственную геометрию. В любое время система отслеживания Standard не полагается на биометрические данные покупателя, которые можно использовать для идентификации, такие как лицо покупателя. Другими словами, мы не знаем, кто такой покупатель, мы знаем только, как покупатели движутся по магазину.

Какие наиболее значимые идеи розничные продавцы могут получить, используя платформу VISION от Standard AI?

Розничные продавцы могут получить много идей, используя платформу VISION от Standard. Самое главное, розничные продавцы могут получить лучшее понимание того, как покупатели движутся по их пространству и взаимодействуют с продуктами. Хотя другие решения дают базовое понимание объема трафика через определенную часть магазина, Standard записывает индивидуальный путь каждого покупателя и может различать покупателей и сотрудников магазина, чтобы дать лучший учет не только трафика и задержки, но и конкретных поведений покупателей, которые покупают продукты.

Кроме того, Standard может понять, когда продукты отсутствуют на полке и более широко, условия полок, такие как отсутствующие фасады, которые влияют не только на возможность покупателя приобрести продукты, но и на формирование впечатлений о разных предложениях брендов. Этот тип данных о конверсии и впечатлении ценен как для розничных продавцов, так и для производителей потребительских товаров. Эти данные ранее были недоступны и имеют большое значение для улучшения операций по всем аспектам, от мерчандайзинга и маркетинга до цепочки поставок и уменьшения.

Как предсказуемые идеи из VISION могут преобразовать маркетинговые и мерчандайзинговые стратегии для розничных продавцов?

Поскольку Standard создает полную цифровую копию магазина, включая как физическое пространство (например, размещение полок), так и движение покупателей, у нас есть богатый набор данных, из которого можно построить предсказуемые модели как для симуляции движения магазина, учитывая физические изменения (например, обновления мерчандайзинга и сбросов), так и для прогнозирования взаимодействия покупателей на основе их движения по магазину. Эти предсказуемые модели позволяют розничным продавцам экспериментировать и проверять изменения мерчандайзинга в магазине без необходимости вкладывать средства в дорогостоящие физические обновления и длительные периоды экспериментов в магазине. Кроме того, впечатления о производительности продукта и взаимодействии могут повлиять на размещение на полке или в конце полок. Все это может помочь расставить приоритеты в расходах и увеличить доход.

Можете ли вы предоставить примеры того, как предложения в режиме реального времени на основе предсказанных путей покупателей повлияли на продажи в пилотных испытаниях?

Хотя Standard не строит фактические промо-системы, используемые розничными продавцами, мы можем использовать наше понимание движения покупателей и наши прогнозы взаимодействия с продуктами, чтобы помочь розничным продавцам понять намерения покупателя, позволяя розничным продавцам предоставлять глубоко осмысленные и своевременные промо-предложения, а не общие предложения или только рекомендации на основе прошлых покупок. Рекомендации на основе поведения покупателей в магазине позволяют учитывать сезонность, доступность и намерения, все из которых переводятся в более эффективный промо-лифт.

Каковы были результаты пилотного проекта по отслеживанию табака, и как это повлияло на участвующие бренды?

В течение дня после запуска пилотного проекта в одном магазине мы смогли обнаружить кражу табачных изделий и сообщить об этом розничному продавцу для принятия корректирующих мер. В долгосрочной перспективе мы смогли работать с розничными продавцами, чтобы обнаружить не только физическую кражу, но и злоупотребление промо-акциями и проблемы соблюдения, которые очень важны не только для розничных продавцов, но и для табачных брендов, которые финансируют эти промо-акции и тратят значительные ресурсы на обеспечение соблюдения вручную. Например, мы также смогли наблюдать, что происходит, когда первый выбор покупателя отсутствует; половина покупателей выбрала другой продукт семейства, но почти четверть ничего не купили. Это потенциально много потерянных доходов, которые можно было бы решить, если бы их обнаружили раньше. Поскольку наша платформа VISION всегда включена, она стала расширением команд продаж табачных брендов, способной видеть (и оповещать) текущее состояние любого магазина во всей сети или отдельного розничного продавца в любое время.

Каковы были самые большие проблемы, с которыми вы столкнулись при реализации решений ИИ в физической рознице, и как вы их преодолели?

Работа в розничной среде была сопряжена с рядом проблем. Не только нам пришлось разработать системы, которые были бы устойчивы к проблемам, которые распространены в физическом мире (например, дрейф камеры, изменения в магазине и аппаратные сбои), но мы также разработали процессы, которые были совместимы с розничными операциями. Например, с недавними летними Олимпийскими играми многие производители потребительских товаров изменили упаковку, чтобы продвигать Париж 2024. Поскольку мы визуально идентифицируем SKU по упаковке, это означало, что нам пришлось разработать системы, которые могли бы флагировать и обрабатывать эти изменения упаковки.

С самого начала Standard выбрала технические реализации, которые работали бы с существующими процессами розничных продавцов, а не меняли существующие процессы, чтобы удовлетворить нашим требованиям. Магазины, использующие нашу платформу VISION, работают точно так же, как и раньше, без каких-либо изменений в физическом мерчандайзинге или сложных и дорогих физических ретрофитов (например, введения датчиков полок).

Как вы видите эволюцию роли ИИ в розничном секторе в течение следующего десятилетия?

Я думаю, что мы только начинаем понимать цифровую трансформацию, которую ИИ обеспечит в розничной торговле в ближайшие годы. Хотя ИИ сегодня в основном синонимичен с большими языковыми моделями, и розничные продавцы думают о своей стратегии ИИ, мы считаем, что ИИ в ближайшем будущем станет фундаментальной технологией, позволяющей розничным продавцам улучшить свою операционную эффективность и увеличить свою прибыль без необходимости передавать затраты потребителям.

Благодарим за отличное интервью, читатели, которые хотят узнать больше, могут посетить Standard AI.