Девід Вуллард, CTO у Standard AI – Інтерв’ю серія

Девід Вуллард є головним технічним директором (CTO) у Standard AI. Він є ветераном технологічної індустрії з понад 20-річним досвідом, працював у компаніях, таких як Samsung і NASA, а також як підприємець на ранніх і пізніх стадіях стартапів. Він має ступінь доктора філософії з комп’ютерних наук, спеціалізується на програмних архітектурах для високопродуктивних обчислень.

Standard AI пропонує непопередню точність у розумінні поведінки покупців, продуктивності товарів та операцій магазину.

Чи можете Ви поділитися своїм досвідом роботи у лабораторії реактивного руху NASA до того, як Ви стали CTO у Standard AI?

Коли я працював у лабораторії реактивного руху, моя робота була зосереджена в основному на великомасштабному управлінні даними для місій NASA. Я працював з неймовірними вченими та інженерами, вивчаючи, як проводити дослідження з космосу. Не тільки я багато дізнався про науку про дані, але й про великомасштабне управління проектами, балансування ризиків та бюджету помилок, а також про великомасштабне проектування програмних систем. Моя робота над ступенем доктора філософії університету Південної Каліфорнії була у сфері програмних архітектур для високопродуктивних обчислень, і я міг побачити застосування цієї дослідницької роботи на практиці.

Хоча я багато дізнався під час свого перебування там, я також дуже хотів працювати над речами, які були б більш осяжними для звичайних людей. Коли я покинув лабораторію реактивного руху, я приєднався до друга, який заснував стартап у сфері потокового відео як один з перших працівників. Я був захоплений з самого початку будівництвом споживчих досвідів та стартапами загалом, які відчувалися як перерва від мого попереднього світу. Коли я отримав можливість приєднатися до Standard, мене привабила комбінація складних наукових проблем у сфері штучного інтелекту та комп’ютерного зору, які я любив на початку своєї кар’єри, з осяжними споживчими досвідами, які я знайшов найбільш задовільними.

Яка була мотивація зміни фокусу Standard AI з автономних рішень для оплати до ширших застосувань штучного інтелекту у роздрібній торгівлі?

Standard AI був заснований сім років тому з місією привести автономну оплату на ринок. Хоча ми досягли успіху у доставці найкращого рішення для автономної оплати лише за допомогою комп’ютерного зору та запустили автономні магазини, в кінцевому підсумку ми виявили, що прийняття користувачами було повільнішим, ніж очікувалося, і, як наслідок, повернення на інвестиції для роздрібних торговців не було там.

Одночасно ми зрозуміли, що існують певні проблеми, які роздрібні торговці переживають, і які ми могли б вирішити за допомогою тієї ж основної технології. Це оновлене фокусування на операційних знаннях та вдосконаленнях дозволило Standard доставити більш прямий повернення на інвестиції для роздрібних торговців, які шукають можливості для покращення своєї ефективності, щоб компенсувати вплив інфляції та збільшення витрат на працю.

Як технологія комп’ютерного зору Standard AI відстежує взаємодію клієнтів з такою високою точністю без використання розпізнавання обличчя?

Платформа VISION компанії Standard розроблена для відстежування покупців у реальному просторі шляхом аналізу відео з камер над магазином, розрізнення між людьми та іншими елементами у кожному відео та оцінки пози, або скелетної структури, кожного людини. Оглядаючи через кілька камер одночасно, ми можемо реконструювати тривимірне розуміння простору, як ми робимо з нашими двома очима. Оскільки у нас є дуже точні вимірювання позиції кожної камери, ми можемо реконструювати позицію покупця, орієнтацію та навіть положення руки з високою точністю. У поєднанні з просунутими алгоритмами картографування ми можемо визначити рух покупця та взаємодію з продуктом з точністю 99%.

Як Standard AI забезпечує конфіденційність покупців під час збору та аналізу даних?

На відміну від інших систем відстежування, які використовують розпізнавання обличчя для ідентифікації покупців між двома різними відеопотоками, коли Standard визначає позу покупця, ми використовуємо лише структурну інформацію та просторову геометрію. У жодному разі система відстежування Standard не використовує біометричні дані покупця, які можуть бути використані для ідентифікації, наприклад, обличчя покупця. Інакше кажучи, ми не знаємо, хто такий покупець, ми знаємо лише, як покупці рухаються магазином.

Які найважливіші знання роздрібні торговці можуть отримати за допомогою платформи VISION компанії Standard AI?

Роздрібні торговці можуть отримати ряд знань за допомогою платформи VISION компанії Standard. Найбільш значуще, роздрібні торговці можуть отримати краще розуміння того, як покупці рухаються їхнім простором та взаємодіють з продуктами. Хоча інші рішення надають базове розуміння обсягу трафіку через певну частину магазину, Standard реєструє індивідуальний шлях кожного покупця та може розрізняти покупців та працівників магазину, щоб надати краще уявлення не лише про трафік та затримку, але й про конкретну поведінку покупців, які купують товари.

Крім того, Standard може зрозуміти, коли товари відсутні на полиці та ширше, умови полиці, такі як відсутні фасади, які впливають не лише на можливість покупця придбати товари, але й на формування вражень про різні брендові пропозиції. Цей тип даних про конверсію та враження цінний як для роздрібних торговців, так і для виробників споживчих товарів. Ці дані раніше були недоступні та мають великі наслідки для покращення операцій майже у всіх аспектах, від мерчандайзингу та маркетингу до ланцюга постачання та скорочення.

Як передбачувані знання з платформи VISION можуть перетворити маркетингові та мерчандайзингові стратегії для роздрібних торговців?

Оскільки Standard створює повну цифрову копію магазину, включаючи фізичний простір (як розміщення полиць) та рух покупців, у нас є багате джерело даних для побудови прогностичних моделей як для симуляції руху магазину з урахуванням фізичних змін (як оновлень мерчандайзингу та ребрендингу), так і для прогнозування взаємодії покупців на основі їх руху магазином. Ці прогностичні моделі дозволяють роздрібним торговцям експериментувати з мерчандайзинговими змінами у магазині без необхідності інвестувати у дорогі фізичні оновлення та тривалі періоди експериментів у магазині. Крім того, враження про продуктивність товарів та взаємодію можуть вплинути на розміщення на полиці або кінцевих полицях. Усі ці фактори можуть допомогти пріоритизувати витрати та забезпечити більший повернення на інвестиції.

Чи можете Ви надати приклади того, як реальні пропозиції на основі передбачених шляхів покупців вплинули на продажі у пілотних тестах?

Хоча Standard не будує фактичні промо-системи, які використовують роздрібні торговці, ми можемо використовувати наше розуміння руху покупців та наші прогнози про взаємодію з продуктами, щоб допомогти роздрібним торговцям зрозуміти намір покупця, дозволяючи роздрібному торговцю надавати глибоко значущі та своєчасні пропозиції, а не загальні пропозиції чи рекомендації лише на основі попередніх покупок. Рекомендації на основі поведінки покупців у магазині дозволяють враховувати сезонність, доступність та намір, все це перекладується у більш ефективний промо-ліфт.

Які були результати пілотного проекту відстежування тютюну, і як це вплинуло на бренди, які брали в ньому участь?

Уже через день після запуску пілотного проекту у одному з роздрібних торговців ми змогли виявити крадіжку тютюнових товарів та повідомити про це роздрібному торговцю для коригувальних дій. На довгій перспективі ми змогли працювати з роздрібними торговцями, щоб виявити не лише фізичну крадіжку, але й зловживання промо-акціями та питаннями дотримання законодавства, які мають велике значення як для роздрібних торговців, так і для тютюнових брендів, які фінансує ці промо-акції та витрачають значні ресурси на забезпечення дотримання законодавства вручну. Наприклад, ми також змогли спостерігати, що відбувається, коли перший вибір покупця відсутній; половина покупців вибрала інший продукт тієї ж сім’ї, але майже чверть нічого не купили. Це потенційно великий втрачений дохід, який міг би бути вирішений, якщо це було виявлено раніше. Оскільки наша платформа VISION завжди увімкнена, вона стала розширенням команд продажів тютюнових брендів, здатної бачити (і повідомляти про) поточний стан будь-якого магазину у всьому або у флоті роздрібного торговця в будь-який час.

Які найбільші виклики Ви зустріли під час впровадження рішень штучного інтелекту у фізичній роздрібній торгівлі, і як Ви їх подолали?

Праця у роздрібних середовищах супроводжувалася рядом викликів. Не тільки нам довелося розробити системи, які були б стійкими до проблем, які є загальними у фізичному світі (як зсуви камер, зміни магазину та апаратні відмови), але й ми розробили процеси, які були б сумісними з операціями роздрібної торгівлі. Наприклад, під час недавніх літніх Олімпійських ігор багато виробників споживчих товарів змінили свою упаковку, щоб просувати Париж 2024. Оскільки ми візуально ідентифікуємо товари за їх упаковкою, це означало, що нам довелося розробити системи, які могли б помітити та обробити ці зміни упаковки.

З самого початку Standard вибрав технічні реалізації, які б працювали з існуючими процесами роздрібних торговців, а не змінювали існуючі процеси, щоб задовольнити нашим вимогам. Магазини, які використовують нашу платформу VISION, працюють так само, як і раніше, без будь-яких змін фізичної мерчандайзингу чи складних та дорогих фізичних модернізацій (як введення сенсорів полиць).

Як Ви бачите розвиток ролі штучного інтелекту у роздрібній торгівлі за найближчі десять років?

Я вважаю, що ми тільки починаємо розуміти цифрову трансформацію, яку штучний інтелект забезпечить у роздрібній торгівлі за найближчі роки. Хоча сьогодні штучний інтелект у великій мірі синонімічний з великими мовними моделями, а роздрібні торговці думають про свою стратегію штучного інтелекту, ми вважаємо, що штучний інтелект у найближчому майбутньому стане фундаментальною технологією, яка дозволить роздрібним торговцям покращити свою операційну ефективність та збільшити свій прибуток без необхідності передавати витрати споживачам.

Дякую за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати Standard AI.