David Woollard, CTO på Standard AI – Intervju-serie

David Woollard är Chief Technology Officer (CTO) på Standard AI. Han är en veteran inom tech-industrin med över 20 års erfarenhet, efter att ha arbetat på företag som Samsung och NASA, samt som entreprenör i tidiga och sena start-ups. Han har en doktorsexamen i datavetenskap, med specialisering på programvaruarkitektur för högpresterande datorer.

Standard AI erbjuder oöverträffad precision och insikt i kundbeteende, produktutveckling och butiksverksamhet.

Kan du dela med dig av din resa från att arbeta på NASA:s Jet Propulsion Laboratory till att bli CTO på Standard AI?

När jag var på Jet Propulsion Laboratory fokuserade min arbete främst på storskalig datamanagement för NASA:s uppdrag. Jag fick arbeta med otroliga forskare och ingenjörer och lära mig om hur man bedriver forskning från rymden. Inte bara lärde jag mig mycket om datavetenskap, utan också om storskalig projekthantering, risk- och felhantering, samt storskalig programvarudesign. Min doktorsavhandling vid University of Southern California handlade om programvaruarkitektur för högpresterande datorer, och jag kunde se tillämpningen av den forskningen i praktiken.

Medan jag lärde mig oerhört mycket under min tid där, ville jag också arbeta med saker som var mer påtagliga för vanliga människor. När jag lämnade JPL gick jag med i en startup som en av de första anställda i streaming-videoområdet. Jag var fast besluten att bygga konsumentupplevelser och startups, vilket kändes som en paus från min tidigare värld. När jag fick chansen att gå med i Standard, drogs jag till kombinationen av svåra vetenskapliga problem inom AI och datorseende, som jag älskade i min tidiga karriär, med påtagliga konsumentupplevelser som jag fann mest tillfredsställande.

Vad motiverade skiftet i Standard AI:s fokus från autonoma kassalösningar till bredare retail-AI-tillämpningar?

Standard AI grundades för sju år sedan med uppdraget att ta autonomous checkout till marknaden. Medan vi lyckades leverera den bästa lösningen för autonomous checkout med endast datorseende och lanserade autonoma butiker, insåg vi att kundacceptansen var långsammare än förväntat och att avkastningen på investeringen inte var där för återförsäljare.

Samtidigt insåg vi att det fanns ett antal problem som återförsäljaren upplevde som vi kunde lösa genom samma underliggande teknik. Denna förnyade fokus på operativa insikter och förbättringar tillät Standard att leverera en mer direkt avkastning på investeringen för återförsäljare som söker möjligheter att förbättra sin effektivitet för att kompensera för inflation och ökade arbetskostnader.

Hur spårar Standard AI:s datorseende-teknik kundinteraktioner med så hög precision utan att använda ansiktsigenkänning?

Standards VISION-plattform är utformad för att spåra kunder i verkligt utrymme genom att analysera video från övervakningskameror i butiken, skilja mellan människor och andra element i varje video, och uppskatta posen eller skelettstrukturen hos varje människa. Genom att titta på flera kameror samtidigt kan vi rekonstruera en tredimensionell förståelse av utrymmet, precis som vi gör med våra två ögon. Eftersom vi har mycket exakta mätningar av varje kameraposition kan vi rekonstruera en kunds position, orientering och till och med handplacering med hög precision. Kombinerat med avancerade kartalgoritmer kan vi bestämma kundrörelse och produktinteraktion med 99% precision.

Hur säkerställer Standard AI kundernas integritet medan de samlar in och analyserar data?

Till skillnad från andra spårningssystem som använder ansiktsigenkänning för att identifiera kunder mellan två olika videostreams, använder Standard endast strukturell information och rumslig geometri när vi bestämmer en kunds pose. Vid ingen tidpunkt använder Standards spårningssystem kundbiometri som kan användas för identifiering, som kundens ansikte. Med andra ord, vi vet inte vem en kund är, vi vet bara hur kunder rör sig genom butiken.

Vilka är några av de mest betydande insikterna som återförsäljare kan få från att använda Standard AI:s VISION-plattform?

Återförsäljare kan få en mängd olika insikter med hjälp av Standards VISION-plattform. Framför allt kan återförsäljare få en bättre förståelse för hur kunder rör sig genom deras utrymme och interagerar med produkter. Medan andra lösningar ger en grundläggande förståelse av trafikvolym genom en specifik del av butiken, registrerar Standard varje enskild kunds individuella bana och kan skilja mellan kunder och butiksanställda för att ge en bättre redovisning av inte bara trafik och vistelse, utan också de specifika beteendena hos kunder som köper produkter.

Hur kan prediktiva insikter från VISION förvandla marknadsförings- och sortimentsstrategier för återförsäljare?

Eftersom Standard skapar en fullständig digital kopia av en butik, inklusive både den fysiska platsen (som hyllplacering) och kundrörelser, har vi en rik datamängd från vilken vi kan bygga prediktiva modeller både för att simulera butiksverksamhet med fysiska förändringar (som sortimentsuppdateringar och omarrangemang) och för att förutsäga kundinteraktioner baserat på deras rörelse genom butiken. Dessa prediktiva modeller tillåter återförsäljare att experimentera med och validera sortimentsförändringar i butiken utan att behöva investera i dyra fysiska uppdateringar och långa perioder av butiksexperiment.

Kan du ge exempel på hur realtidserbjudanden baserade på förutsagda kundbanor har påverkat försäljningen i pilotstudier?

Medan Standard inte bygger de faktiska promotionsystem som används av återförsäljare, kan vi använda vår förståelse av kundrörelse och våra förutsägelser av produktinteraktion för att hjälpa återförsäljare att förstå en kunds avsikt, vilket tillåter återförsäljaren att erbjuda djupt meningsfulla och tidiga erbjudanden snarare än allmänna erbjudanden eller endast rekommendationer baserade på tidigare inköp. Rekommendationer baserade på butiksaktiviteter tillåter för säsong, tillgänglighet och avsikt, alla vilka översätts till mer effektiv promotionslyft.

Vilka var resultaten av tobaksspårningspiloten, och hur påverkade den de involverade varumärkena?

Inom en dag efter att ha startat en pilot för en återförsäljare kunde vi upptäcka stöld av tobaksprodukter och flagga det tillbaka till återförsäljaren för korrektiva åtgärder. På lång sikt har vi kunnat arbeta med återförsäljare för att upptäcka inte bara fysisk stöld utan också promotionsmissbruk och efterlevnadsproblem, båda av vilka är mycket betydelsefulla för inte bara återförsäljaren utan också för tobaksvarumärken som både finansierar dessa kampanjer och lägger betydande resurser på att säkerställa efterlevnad manuellt.

Vad är de största utmaningarna du har mött vid implementering av AI-lösningar i fysiska butiker, och hur har du övervunnit dem?

Att arbeta i butiksmiljöer har kommit med ett antal utmaningar. Inte bara har vi utvecklat system som är robusta mot problem som är vanliga i den fysiska världen (som kameradrift, butiksändringar och maskinvarufel), utan vi har också utvecklat processer som är kompatibla med butiksverksamhet. Till exempel, med de senaste sommar-OS, ändrade många CPG:er sin förpackning för att främja Paris 2024. Eftersom vi identifierar SKU:er baserat på deras förpackning, betydde detta att vi måste utveckla system som kunde flagga och hantera dessa förpackningsändringar.

Hur ser du på AI:s roll i detaljhandelssektorn under de kommande tio åren?

Jag tror att vi bara skrapar på ytan av den digitala transformation som AI kommer att driva inom återförsäljare under de kommande åren. Medan AI idag till stor del är synonymt med stora språkmodeller och återförsäljare tänker på sin AI-strategi, tror vi att AI i nästa framtida kommer att vara en grundläggande möjliggörande teknik snarare än en strategi i sig. System som Standards VISION-plattform låser upp oöverträffad insikt för återförsäljare och tillåter dem att låsa upp den rika informationen i videon de redan kampanj för. De typer av operativa förbättringar vi kan leverera kommer att utgöra ryggraden i återförsäljarnas strategier för att förbättra sin operativa effektivitet och förbättra sin marginal utan att behöva överföra kostnader till konsumenter. Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Standard AI.