listopad 2021 - Sztuczna inteligencja w biznesie

Zawsze będę miły…zawsze

Doświadczam w amerykańskich innowacjach czegoś odwrotnego niż czasami czyta się w historiach o WeWork czy PayPal. Powszechną uprzejmość.

Arek it is so great to meet you.

Arek thank you for giving me the opportunity to speak to you.

i tak dalej.

Grałem kiedyś w koszykówkę i podszedł do mnie kolega i powiedział. „Twoje rzuty są świetne, jeśli nie masz nic przeciwko to pokażę Ci jeszcze kilka fajnych rzutów”.

Otrzymuję maile kończące się czymś takim „Arek, Twój wkład pomógł nam osiągnąć to i to”

Amerykanie nauczyli mnie bycia wdzięcznym za coś zwykłego. W ten sposób rozmowy i dyskusje o tym co trudne i nieprzewidywalne, jak innowacje, jest bardzo przyjemne.

Stitch Fix – współpraca człowieka ze sztuczną inteligencją – Seria 10 Case Studies

Model biznesowy

Stitch Fix pokazuje jak współpraca człowieka ze sztuczną inteligencją może idealnie działać. Sitch Fix to amerykańska firma z branży modowej, oferująca wysyłkę spersonalizowanych stylizacji do domu Klienta. Dzięki platformie Stitch Fix Klienci nie muszą wychodzić z domu, aby kupić dopasowane do swoich preferencji i rozmiaru ubrania, a to wszystko zasługa połączenia sztucznej inteligencji i stylistów.
Usługi dostarczania spersonalizowanej stylizacji online był kwitnącą niszą jeszcze przed pandemią, z dużym potencjałem wzrostu. Oczekiwano, że popyt wzrośnie z 25,2% do 40,3% w 2024r. Pandemia szybko jednak przyspieszyła rozwój handlu internetowego o kilka lat. Trend ten przynosi korzyści Stitch Fix pomimo, że praca i spędzanie dużej ilości czasu w domu nie zachęcają Konsumentów do kupowania nowych ubrań. Podczas gdy Stitch Fix odnotował 9% spadek przychodów w drugim kwartale 2020r., to warto jednak zwrócić uwagę, że sprzedaż detaliczna odzieży spadła aż o 80% w tym samym okresie.

Rozwiązanie

Podstawową metodologią Stitch Fix jest współpraca stylistów ze sztuczną inteligencją. Rozwiązanie opiera się na generowaniu
rekomendacji za pomocą algorytmów operujących na danych ustrukturyzowanych, a następnie modyfikacji zaproponowanych stylizacji przez profesjonalnych stylistów, których wiedza i doświadczenie nie zostały jeszcze odzwierciedlona w zbiorze danych.

W efekcie Klient otrzymuje 5 najlepiej dopasowanych produktów.
Rozwiązanie Stitch Fix oparte jest na algorytmach genetycznych. Proponowany system projektowania jest tak ukształtowany, aby naśladować procesy, które stanowią podstawę stochastycznych metod optymalizacji.

Algorytm genetyczny pozwala znaleźć najlepsze rozwiązania problemów w oparciu o teorię doboru naturalnego i biologii ewolucyjnej (algorytm genetyczny wykorzystuje techniki takie jak selekcja, mutacja, dziedziczenie i rekombinacja). Algorytmy genetyczne są bardzo skuteczne w przeszukiwaniu dużych i złożonych zestawów danych.

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

Ciągły rozwój

Stitch Fix wykorzystuje praktyczne doświadczenie projektantów mody do oceny efektywności wybranych stylizacji przez inteligentny algorytm. Wybór pięciu propozycji dla każdego Klienta integruje zdolności maszyn i ludzi – maszyny wybierają nowe projekty, które są następnie oceniane przez projektantów. Dzięki takiemu rozwiązaniu algorytm nieustannie uczy się, a kolejne propozycje stylizacji dla Klientów są lepiej dopasowane do ich preferencji.

Stitch Fix otrzymuje ogromne ilości danych od swoich Klientów – nie tylko na temat ich personalnych preferencji, ale również o cechach ubrań tj. rzeczywisty rozmiar, kolor czy fason. Dane te nieustannie wykorzystywane są do udoskonalania systemu.

Model biznesowy Stitch Fix zapobiega również gromadzeniu się zapasów ubrań, dzięki ciągłemu prognozowaniu popytu. Z biegiem czasu, gdy coraz więcej ubrań będzie przechowywanych w magazynach np. w wyniku zwrotów od Klientów, algorytmy predykcyjne udoskonalą się i dostarczą firmie cennej wiedzy, dzięki której Stitch Fix będzie wiedziało, kiedy i które towary powinny być na stanie magazynu w przyszłości. Jest to idealny przykład firmy pokazującej jak współpraca człowieka ze sztuczną inteligencją może przynieść korzyści dla firmy.

Autorzy: Arek Skuza, Marta Musińska

Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:

Jak Adobe wykorzystał AI do obsługi 22 000 pracowników zdalnych? – Seria 10 Case Studies

Problem

Kiedy w marcu w całych Stanach Zjednoczonych rozpoczęła się kwarantanna spowodowana przez COVID-19, zespół Adobe musiał zmierzyć się z rzeczywistością – biznes nie mógł pracować jak zawsze. W ciągu zaledwie jednego weekendu firma musiała przenieść swoją globalną siłę roboczą, liczącą ponad 22 000 osób, do pracy zdalnej. Istniejące procesy biznesowe nie były przygotowane na nagłą zmianę. Klienci, pracownicy i partnerzy – wielu pracujących w domu – nie mogli czekać dniami na rozwiązanie technicznych problemów. Adobe szybko zdało sobie sprawę, że jedynym sposobem na zaspokojenie potrzeb pracowników jest całkowita zmiana sposobu działania wsparcia IT. AI jest kluczowe w współczesnym świecie.

Rozwiązanie AI

W pierwszym kroku zespół Adobe uruchomił globalny kanał na Slack, który połączył organizację IT i całą społeczność pracowników. Dział pomocy technicznej działający 24/7 na całym świecie zapewniał wsparcie w nowym kanale, podczas gdy reszta działu IT została skierowana do rozwiązywania już zarejestrowanych zdarzeń.

Następnie, Adobe zbudował framework i interfejsy na Slack, po czym szybko zdał sobie sprawę, że te same pytania i problemy pojawiają się bardzo często.

Nowy kanał na Slack został oparty na uczeniu maszynowym, a do jego obsługi wykorzystano technologię przetwarzania języka naturalnego (NLP).

AI w Adobe używa techniki klasyfikacji opartej na sztucznej sieci neuronowej do przypisywania zgłoszeń do odpowiednich klas lub obsługi kolejek. Na podstawie przewidywanej klasyfikacji, zgłoszenie jest automatycznie przypisywane do odpowiedniej kolejki pomocy technicznej.

„Koncentrując się na najczęstszych i najistotniejszych problemach, postanowiliśmy zoptymalizować nasze wsparcie dla tych najczęściej występujących.”

Przetwarzanie języka naturalnego (NLP) to gałąź sztucznej inteligencji, która pomaga komputerom rozumieć, interpretować i manipulować ludzkim językiem. NLP czerpie z wielu dyscyplin, w tym informatyki i lingwistyki komputerowej, dążąc do wypełnienia luki między komunikacją międzyludzką a zrozumieniem komputera.

Sztuczna sieć neuronowa (SSN) to element systemu komputerowego zaprojektowanego do symulacji sposobu, w jaki ludzki mózg analizuje i przetwarza informacje. Jest podstawą sztucznej inteligencji (AI) i rozwiązuje problemy, które okazałyby się niemożliwe lub trudne według standardów ludzkich lub statystycznych. SSN mają możliwości samouczenia się, które pozwalają im uzyskiwać lepsze wyniki, gdy dostępnych jest więcej danych.

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

Jasne wyniki – zadowoleni pracownicy

Wyniki były niezwykłe. Od czasu uruchomienia projektu, zautomatyzowany system odpowiedział na ponad 3000 zapytań i nastąpiła znaczna poprawa w najbardziej krytycznych obszarach. Dzięki mechanizmowi routingu, opartemu na deep learning i NLP, 38% ticket’ów jest teraz automatycznie kierowana do właściwego działu IT w ciągu zaledwie sześciu minut.

Dalszy rozwój firmy i wdrożenia AI

Zespół Adobe nieustannie poprawia wskaźniki odpowiedzi, stale przeglądając wcześniejsze rozmowy w kanale Slack i identyfikując słowa kluczowe. Dzięki temu silnik oparty na regułach jest stale rozwijany, a oznaczając dane z poprzednich rozmów, NLP uczy się lepszego dopasowywania zgłoszeń i przeglądania konwersacji w celu zidentyfikowania najważniejszych problemów i tworzenia nowych odpowiedzi botów. Co dwa tygodnie model sieci neuronowej bota jest odświeżany, dodając nowe dane z rozwiązanych biletów do zestawu szkoleniowego. Pomaga to nie tylko zidentyfikować nowe lub zmienione wzorce routingu, ale także umożliwia modelowi ponowne uczenie się i unikanie błędów w kolejnych zgłoszeniach.
Innym obszarem, któremu przygląda się Adobe, jest automatyzacja procesów biznesowych (RPA). Firma eksperymentuje i ocenia nowe sposoby wykorzystania technologii RPA, w celu zwiększenia doświadczenia pracowników.

„W miarę jak będziemy przenosić dodatkowe funkcje na AI i chatboty, będziemy skupiać się na kilku podstawowych kwestiach – po pierwsze, badamy, gdzie zwrot z inwestycji wynika z technologii – biorąc pod uwagę liczby i wskaźniki.”

„AI i chatboty stały się nową „komplementarną” siłą roboczą w Adobe. Technologia ta usprawnia to, co nasze zespoły mogą zrobić i sprawia, że praca jest jeszcze bardziej wydajna.

Badania branżowe wspierają to podejście. W raporcie PwC z 2017 r. stwierdzono, że 72% kadry kierowniczej w firmach uważa, że zastosowanie AI przynosi korzyści biznesowe.

„Deep learning to proces, w którym komputer uczy się wykonywania zadań naturalnych dla ludzkiego mózgu, takich jak rozpoznawanie mowy, identyfikowanie obrazów lub tworzenie prognoz. Zamiast organizować dane i wykonywać szereg zdefiniowanych równań, w przypadku deep learning komputer zbiera podstawowe parametry dotyczące danych i przygotowuje się do samodzielnego uczenia, poprzez rozpoznawanie wzorców z zastosowaniem wielu warstw przetwarzania.”