It is, what it is…

Idziesz pod szkolę odebrać dzieci, kiedy grupka Amerykanów rozmawia o pandemii. Praca z domu, bycie w jednym miejscu, wciąż niewiadoma, kiedy i jak się to skończy. Na końcu pada „it is what it is” i energicznie potakujący Amerykanie rozchodzą się do obowiązków.

Źródło zdjęcia: https://www.nytimes.com/2018/06/27/well/walk-health-exercise-steps.html

Podczas wizyty u znajomych rozmawialiśmy o tym, jak to biblioteki amerykańskie w szkołach na wsiach nie mają funduszy na zakup książek. Znajomy, były trener amerykańskiego footballu w szkole średniej, zbiera puszki aluminiowe, sprzedaje je i co kwartał przekazuje kilkaset dolarów dla biblioteki. Energicznie deklaruje „jutro ruszam szukać puszek”, na koniec dodaje „it is what it is”.

W mojej lokalnej kawiarni spotkałem na oko 70-letniego mężczyznę. Przyszedł i zasiadł na fotelu z książką. W ręku trzymał laskę, którą się podpierał. Zapytałem „proszę Pana, może zamówić coś Panu i przynieść tutaj do stolika”. Odpowiedział, „miałem operację, it is what it is”. Po czym dodał, „muszę się ruszać. Muszę czytać książki, abym wciąż funkcjonował”. Wstał i ze swoją energią ruszył po kawę.

It is what it is……

Inicjatywy cyfrowe IKEA

Inicjatywy cyfrowe Ikei nabierają coraz większego tempa. Gdy spojrzysz na zmiany, jakie szwedzki gigant wprowadza w swojej działalności, szybko zrozumiesz, że firma mierzy wysoko. 

Szefem Ikei ds. transformacji cyfrowej jest Barbara Martin Coppola , która odpowiada za realizację marzeń. Pod jej kierownictwem IKEA ma nadzieję, że uda się jej osiągnąc cyfrowy, piąty bieg.

Nad czym IKEA konkretnie pracuje?

Co gigant handlu detalicznego próbuje wdrożyć w ramach strategii cyfrowej IKEA?

Usiadłem z kawą i byłem po prostu ciekawy, co robi firma blue box (określenie na ich wielkie, niebieskie sklepy w kształcie pudelka) w erze Amazona i Alibaba? 

Zobaczmy

Artykuł, który może Ciebie zainteresować : Model biznesowy UBERA

Ikea zdobyła Geomagical Labs z Doliny Krzemowej

Brian Totty, dyrektor generalny Geomagical, powiedział: „Dzięki naszym cyfrowym modelom wyposażenia wnętrz, pozwalamy klientom IKEA realistycznie urządzać swoje przestrzenie z dowolnego miejsca”.

IKEA chce, aby klienci wybrali mebel z jej katalogu, „wkleili go” w dowolne miejsce za pomocą aparatu w smartfonie i zwizualizowali wygląd dowolnej przestrzeni. Jeśli tak się dzieje to możesz przenieść asortyment IKEA do swojego pokoju bez wychodzenia do sklepu.

Rzut oka na stronę Geomagical LinkedIn i staje się oczywiste, że IKEA pozyskała niezwykle utalentowany zespół. Inżynierowie danych, ludzie od uczenia maszynowego, specjaliści od wizji komputerowej są teraz częścią zespołu IKEA.

Struktura zespołu Geomagicallabs. Źródło: LinkedIn Premium

Ikea digital i koncepcja „płać swoim czasem”

Jeśli chcesz spędzić trochę czasu z IKEA, firma oferuje klientom zniżki na podstawie ich osi czasu w Mapach Google. 

Jak to działa?

Inicjatywa cyfrowa Ikea uruchomiła projekt „Płać z czasem”, a oto etykieta produktu, która to przedstawia

Strategia cyfrowa IKEA musi zwiększyć liczbę osób, które odwiedzają niebieskie skrzynki. Większość z nich znajduje się poza miastami, a dotarcie do niebieskich puidełek zajmuje sporo czasu. Cyfrowa inicjatywa giganta pozwala na „Kupuj z czasem” – z czasem, który musisz poświęcić na dojazdy do sklepów. 

Możesz otrzymać przedmiot, jedzenie lub inne towary za darmo. Zależy to tylko od tego, jak gorączkowa była podróż i jaki czas Twojego dojazdy (paradoksalnie korek może Ci sprzyjać). 

Biznes klopsiki jako część działań związanych z cyfrową transformacją IKEA

Barbara Martin Coppola chce klopsików, ale zdigitalizowanych. Nie dosłownie, ale strategia firmy cyfrowej ma na celu wprowadzenie większej liczby danych do logistyki żywności. 

Możesz w to nie wierzyć, ale dział żywności uwielbia arkusze kalkulacyjne i technologie pozwalające na śledzenie przepływu produktów spożywczych. Twój tuńczyk, klopsik lub brokuły są w nich, lecąc ze sklepów do sklepów jako sktupulatnie śledzona paczka i liczba w pliku Excell. 

Będzie inaczej. 

Strategia cyfrowa zakłada składowanie kolosalnej liczby operacji w tym śledzenie świeżości warzyw, liczbę sprzedanych i skonsumowanych klopsików itd. Pracownicy używają przenośnych skanerów do monitorowania stanów magazynowych, dat ważności, a także lokalizacji w której produk kończy swoje życie – w żołądku lub śmietniku. IKEA skrupulatnie śledzi odpady korzystając ze skanerów, elektronicznych wag i inteligentnych kontenerów.

Cyfrowe pulpity nawigacyjne będą wyświetlać czasy szczytu, przychodzące dostawy i ważne zawirowania w łańcuchu dostaw. Chatboty pomogą w komunikacji między restauracjami a dostawcami, a klienci będą mogli z nich korzystać gdy w pandemii nie zaleca się wychodzenia z domu. Jeden z elektronicznych rozmówców „pracuje w IKEA” dzięki polskiej firmie Perfect Bot.

IKEA zatrudniła JDA Software do prowadzenia projektu i dostarczenia kompleksowej platformy. 

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

.

IKEA chce wiedzieć jak najwięcej o Tobie

Pierwsza w historii, Chief Digital Officer, pani Copolla, pracuje nad aplikacją z agencją Work & Co. Jednym z celów jest zaprojektowanie narzędzia, które mogłoby zassać historię przeglądania klientów. Ikea chce poznać preferencje, aby tworzyć precyzyjne rekomendacje, ale także szanować Twoją prywatność. Projekty tego typu raczej nie będą wielkim sukcesem, a to głównie z powodu polityki prywatności jaką kreuje Apple. Firma z jabłkiem nie zachęca raczej do dzielenia się danymi o użytkownikach. Trend jednak pokazuje jak myśli IKEA i w jaką stronę zmierza ten tradycyjny handlowiec.

Giant wprowadza funkcję zamawiania w sklepie we własnym zakresie, aby móc gromadzić dane i historię cen. Zaczynając od strony internetowej i łącząc ją z danymi z zaplecza, IKEA stara się objąć cały łańcuch danych i zaprojektować lepiej dostosowaną ofertę.

IKEA pomaga użytkownikom kontrolować ich dane

Czy firma może wnieść wartość, pozyskując dane o klientach? Z pewnością. Jednocześnie IKEA zapyta ludzi, czy chcą udostępnić dane. Giant liczy na zaufanie, co zwiększy współczynniki lojalności.

Cyfrowy zespół IKEA w przejrzysty sposób zaprojektował elementy sterujące aplikacji, aby użytkownicy końcowi mogli łatwo zmienić ustawienia prywatności. 

IKEA stawia na telefon komórkowy

IKEA chce być w różnych aplikacjach, z różnymi rzeczami, a zespół realizuje to, współpracując z firmą technologiczną Holler. Holler opracowuje cyfrowe naklejki dla użytkowników telefonów komórkowych, które można udostępniać w Venmo. Animowana naklejka IKEA przedstawia dwie osoby pchające wózek sklepowy wypełniony meblami domowymi. 

Dlaczego Venmo? Inicjatywy cyfrowe IKEA skupiają się na wszystkim, co ułatwia kupowanie. Tutaj historia jest taka sama. Venmo. Aplikacja należąca do Pay-Pal pozwala użytkownikom dzielić rachunki ze znajomymi i obserwującymi. 

Naklejka IKEA Venmo

Od naklejki po płynne transakcje – to element strategii cyfrowej IKEA. 

Więcej inteligentnych urządzeń

IKEA sprzedaje inteligentne głośniki, inteligentne żarówki, wtyczki zasilania, a teraz dodała inteligentne rolety. Nie jest niczym nowym, że przedmiot jest sterowany głosem. Pokazuje tylko, że IKEA jest zaangażowana w dostarczanie większej liczby inteligentnych urządzeń pod naszymi dachami. 

Inteligentne rozwiązania w asortymencie IKEA

IKEA chce, abyś zbudował swój inteligentny dom. Firma stworzyła pion poświęcony rozwijaniu ekosystemu inteligentnych urządzeń. Podobnie jak Twoje łóżko czy szafa, IKEA pozwoli nam zaprojektować nasze urocze i przytulne, eleganckie miejsce, które jednocześnie będzie inteligentne. Klaśniesz w ręce, a lampka zagra Twoją ulubioną piosenkę do snu.

IKEA podejmuje solidne kroki w celu przeprojektowania się i podejmuje różne inicjatywy cyfrowe. Projekty cyfrowej transformacji Ikei dostarczają najnowocześniejsze technologie.  

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

  1. Sztuczna inteligencja w innowacjach w handlu detalicznym – Amazon
  2. Dlaczego innowacja jest ważna?
  3. Skalowanie wzrostu produktów cyfrowych poprzez innowacje w modelu biznesowym
  4. Inwestuj w sztuczną inteligencję – kilka słów o tym dlaczego to najlepsza inwestycja.

Zrekrutują człowieka gdy będziesz patrzył

Zaczynam warsztat dla klienta. Firma 1000 osób produkująca oprogramowanie na zamówienie. Super zespół. Wspaniała kultura. Firma jest z Europy. Ma świetne produkty i usługi w portfelu. 

Źródło zdjęcia: oregonlive.com

W spotkaniu bierze udział 30 osób. Jest z nami także Amerykanin, którego poprosiłem o udział w spotkaniu. To człowiek, którego znam od 10 lat. Wiem, że dałby mi klucze do swojego mieszkania. Zaufany. 

Zaczynamy warsztat. W pokoju cyfrowym na platformie cyfrowej Teams jest nas trójka. Amerykanin, ja i mój współpracownik, także Amerykanin. Zanim zaprosimy resztę, jeszcze sobie we trójkę omawiamy szczegóły. W poczekalni 26 osób ze strony klienta. Amerykanin zaczyna przepytywać mojego współpracownika i lekko sugeruje mu współpracę.

Pierwsza myśl!? Co on wyprawia, na moich oczach przekonuje „mojego” człowieka do współpracy? 

Druga myśl — chwilka, jesteś w USA…

Po pięciu latach w USA nie jestem zdziwiony. To, co my nazywamy agresywnym podejściem lub bezczelnością w kraju gwiazd i pasków jest normalnością. 

Amerykanin działa według litery — Dbam o swoje i pytam o to, o co chce ….

Kłamstwo rodzi kłamstwo

Dzisiaj w amerykańskim sądzie, jeden z pracowników firmy Theranos przyznał, że produkowane przez firmę urządzenia były tak programowane, aby nie wyświetlać błędów w pomiarach i działaniu.

Źródło obrazka: https://www.capa.com/events/detail/disneys-pinocchio-1940/

Prysł więc czar ponadprzeciętnych zdolności organizacyjnych i biznesowych, w które uwierzyli inwestorzy Theranosa. Byli wśród nich ci, którzy regularnie znajdują się na pierwszych stronach gazet.

Jak to jest z innowacjami? Przecież, aby dokonać swoistego przełomu, trzeba przekroczyć jakieś granice. Przejąć jakby przez ograniczenia i odkryć coś, co wcześniej było niemożliwe.

Theranos chciał, aby z jednej kropelki krwi odczytać ponadprzeciętną liczbę badań. Chciał drastycznie zmniejszyć ilość krwi, jaką trzeba pobrać, aby dokonać wyników.

Przekraczając tę granicę, trzeba jednak pamiętać, że kłamstwo rodzi kłamstwo. Czym innym jest niewiadoma a czym innym świadome oszustwo w zmierzaniu do wyjaśnienia niewiadomej.

W innowacjach na ogół niewiele wiadomo, szczególnie w początkach, kiedy innowacja się rodzi. Twórcą sen z powiek spędzają pytania — a czy ktoś kupi naszą innowację? A czy zbudujemy to, co zaplanowaliśmy? Czy jak już to zbudujemy, czy będzie to działać na dużą skalę?

Tutaj zaczyna się ryzyko, a jednocześnie rodzi się pokusa, aby pójść na skróty. Jedna z firm, mimo że nie sprzedawała z sukcesem swojego produktu, wpisywała w Excell informacje, że jakoby klienci produkt kupują. Zamiast zmierzyć się z prawdą o tym, dlaczego klienci nie kupują, twórcy woleli rozsiewać nieprawdziwe informacje i naciągać inwestorów na kolejne transze finansowania.

Czy chcesz być “cookie cutter”?

Amerykańska szkoła średnia, w której toczy się walka o to, kto będzie w najlepszych uniwersytetach. Wszystko zależy od tego jak sobie poradzę na tym etapie życia. Kim będę ..?

No właśnie gdzie będę? W jakiej korporacji będę? Czym się tam będę zajmował.

Nie wielu Europejczyków zdaje sobie sprawę z tego, jak innowacje i świat inwestorów i startupów zmienił ścieżki karier młodych Amerykanów

Kiedyś marzenie o pracy w GM czy IBM było szczytem. Złotym miejscem. Mount Everestem.

Dzisiaj, częściej Amerykanie mówią sobie „nie chcę być cookie cutter”. Cookie cutter wycina ciastka na blachę do piekarnika. Wszystkie są takie same. Albo gwiazdki, albo kólka, albo ludziki. Tak dzisiejsza młodzież w USA coraz częściej postrzega to, co pokochali ich rodzicie. Dobrze płatne posady w korporacjach.

Dlaczego amerykanie kochają innowatorów jak JOBS, Musk, Gates. Głównie dlatego, że nie poszli oni ścieżką dobrych uniwersytetów. Poszli inaczej.

W Europie to nie takie dziwne. System kształcenia nie kosztuje milionów. W USA czterdziestolatek od 20 lat spłaca swój kredyt studencki. Pewnie jeszcze zostało mu około 5 lat. W wieku 50 lat będzie wolny od swojego obciążenia podążając ścieżką cookie cutter.

Młody Amerykanin chce być oryginalny…. Także w myśleniu

Przyśpiesz projekt z wykorzystaniem sztucznej inteligencji

Dawno minęły czasy, kiedy organizacje mogły sobie pozwolić na wyłącznie eksperymentalne podejście do sztucznej inteligencji i szeroko pojętej analizy. Nie można już założyć, że trochę poeksperymentujemy i zobaczymy co z tego wyjdzie. Czas na eksperymenty ze sztuczną inteligencją już minął, głównie dlatego, że sztuczna inteligencja buduje już konkretnie przewagi konkurencyjne firm. Ci, którzy jeszcze tego nie robią, powinni szybko nadrobić stracony dystans. 

Z eksperymentów zrodziły się już wdrożenia zapewniające konkretne zwroty z inwestycji. Taka sytuacja ma jeszcze jedną konsekwencję. Nie można już próbować połączyć istniejące w organizacji systemy, posklejać je i poprzez pozorne integracje zbudować inteligentny system. Głównie dlatego, że są one przestarzałe a jeszcze na dodatek bariery wewnątrz firm, nie sprzyjają swobodnemu przepływowi danych między departamentami.  

Nieskalowalne początki sztucznej inteligencji

We początkach obecności sztucznej inteligencji w biznesie, korzyści biznesowe płynące z tej technologii nie były oczywiste, więc organizacje zatrudniały analityków danych, aby Ci zbadali co jest możliwe. Jednocześnie nie koncentrując się na tworzeniu stabilnego środowiska dla rozwoju sztucznej inteligencji, które mogłoby działać niezawodnie przez 24 godziny na dobę. 

Wychodząc z założenia, że robimy coś eksperymentalnego, firmy nie skupiały się na budowaniu systemu, który byłby skalowalny. Analitycy danych, inżynierowie oprogramowania często inwestowali w lokalne rozwiązania, zainstalowane na serwerach o których wiedziała grupka współpracowników. Wykorzystywano do tego różnorakie narzędzia bez zastanawiania się jak w przyszłości będzie można je rozpowszechniać w organizacji. 

Tym samym, będąc w trybie eksperymentu, inżynierowie i analitycy pozostawili na uboczu wiele zadań wspierających skalowanie rozwiązań, takich jak budowanie kluczowej infrastruktury, na której wszystkie modele mogą być niezawodnie opracowywane i łatwo uruchamiane a także dystrybuowane wewnątrz organizacji 

Konsument rozumie gdzie inteligentne algorytmy znajdują swoje zastosowanie

W dzisiejszych czasach siły rynkowe i wymagania konsumentów nie pozostawiają miejsca na taką nieefektywność. Organizacje, które doceniają wartość sztucznej inteligencji, szybko zmieniły bieg z badania tego, co może zrobić technologia, do wykorzystania jej na dużą skalę w celu osiągnięcia maksymalnej wartości. Giganci technologiczni wykorzystujący tę technologię nadal wprowadzają zmiany i zdobywają udział w rynku w tradycyjnych branżach. Co więcej, oczekiwania konsumentów dotyczące spersonalizowanych, płynnych doświadczeń wciąż rosną. 

Na szczęście w miarę dojrzewania sztucznej inteligencji pojawiają się również role, procesy i technologie, które mają zapewnić jej sukces na dużą skalę. Pojawiły się wyspecjalizowane role, takie jak inżynier danych i inżynier uczenia maszynowego, oferujące umiejętności niezbędne do osiągnięcia skali. 

Szybko rozwijający się zestaw technologii i usług umożliwił zespołom przejście od podejścia ręcznego i skoncentrowanego na rozwoju na bardziej zautomatyzowane, modułowe i dostosowane do całego cyklu życia sztucznej inteligencji, od zarządzania przychodzącymi danymi po monitorowanie i naprawianie działających aplikacji. Dzięki temu szybciej dostarczana jest wartośc dla klienta końcowego. 

Dobrym przykładem może być istnienie silnika GPT-3 oferowanego przez firmę OpenAI założoną przez Elona Muska. GPT-3 potrafi w obłędnym tempie pisać i streszczać teksty. Firma copy.ai wykorzystuje ten gotowy element jako składową swojej platformy dla marketerów. Ponad 300 000 marketingowców z firm takich jak eBay, Nestle czy Ogilvy korzysta z platformy, przyśpieszając przygotowywanie dobrych materiałów tekstowych dla swoich działań marketingowych i PRowych.

Statista przygotowała badanie w którym analitycy spróbowali ocenić czy konsumenci wiedzą i zdają sobie sprawę gdzie wykorzystywana jest sztuczna inteligencja. Wyniki w grupie konsumentów porównano z wynikami w grupie ludzi biznesu. Okazuje się, że nie tylko konsumenci rozumieję w jakich przypadkach wykorzystywana jest sztuczna inteligencja, ale także nie odbiegają w tym rozumieniu od ludzi biznesu.

Rysunek nr 1: Czy ludzie wiedzą gdzie wykorzystywana jest sztuczna inteligencja. Źródło. Statista.com

Co warto zrobić, aby szybko przejsć od eksperymentu do rynkowego wdrożenia sztucznej inteligencji?

Organizacje powinny inwestować w wiele rodzajów aktywów i komponentów wielokrotnego użytku. Jednym z przykładów może być tworzenie gotowych do użycia „produktów”, które ujednolicają określony zestaw danych (na przykład łączenie wszystkich danych klienta w celu stworzenia 360-stopniowego obrazu klienta), przy użyciu wspólnych standardów, wbudowanych zabezpieczeń i nadzoru oraz możliwości samoobsługi. Przykładem firmy, która pozwala na znaczne przyśpieszenie procesu przejścia z fazy eksperymentu do wdrożenia rynkowego jest Weights and Biases (https://wandb.ai/site). Rozwiązanie tej firmy pozwala na ekstremalnie szybkie testowanie modeli sztucznej inteligencji, ich wersjonowanie i wersjonowanie. Jeśli w organizacji znajdują się dane o klientach, Weights and Biases pozwoli je szybko wykorzystać do zbudowania modeli sztucznej inteligencji. Te z kolei pozwolą na predykcję zachowań i zbadanie w jakim tempie klienci będa odchodzić, przy jakim poziomie ceny klient rozważy rozwiązanie konkurencji i tym podobne.

Dzięki takiem podejściu zespoły mogą znacznie szybciej i łatwiej wykorzystywać dane w wielu bieżących i przyszłych przypadkach użycia, co jest szczególnie ważne w przypadku skalowania sztucznej inteligencji w określonej domenie. Tak właśnie pomaga firmom Alteryx. Alteryx umożliwia analitykom szybsze przygotowywanie, łącznie i analizowanie danych bez użycia klasycznego programowania. Z wykorzystaniem tzw. Low-code (brak konieczności pisania klasycznych linii kodu), pracownicy zajmujący się danymi obywatklientów mogą szybko budować modele predykcyjne. Prowadzony krok po kroku lub w pełni zautomatyzowany proces pozwala stworzyć odpowiednio przeszkolone algorytmy, które są gotowe do wdrożenia i w pełni skalowalne. 

Organizacje często inwestują dużo czasu i pieniędzy w opracowywanie rozwiązań AI tylko po to, aby przekonać się, że firma przestaje korzystać z prawie 80 procent z nich, ponieważ nie zapewniają już wartości — i nikt nie jest w stanie zrozumieć, dlaczego tak jest i jak je naprawić. Korzystanie z gotowych rozwiązań, które w modelu usługowym dostarczają skalowalnych narzędzi, powoduje, że marnowanych jest o 30% mniej modeli. Wynika to z faktu, że wyspecjalizowane platformy szybciej i efektywniej dostarczają wniosków z obrabianych danych. W ten sposób proces konstrukcji produktów cyfrowych, wykrozystujących sztuczna inteligencje jest szybszy i efektywniejszy kosztowo. 

Rola zarządzających biznesem w efektywnym wdrożeniu sztucznej inteligencji

Wdrażanie zwinnego podejścia wymaga znaczących zmian kulturowych, aby rozluźnić mocno zakorzenione przekonanie o koniecznosci posiadania oprogramowania, rozwijania go wewnętrznie. Zmiana dokonuje się w odejściu od eksperymentowania wewnętrznie, do tworzenia produktów wykorzystujących sztuczna inteligencję w których łączą się platformy, gotowe rozwiązania i technologie open source. 

Stworzenie nowych możliwości znacząco zmieni sposób pracy analityków, inżynierów oprogramowania i architektów technologów zajmujących się danymi w miarę przechodzenia od tworzenia na zamówienie do bardziej seryjnego i wystandaryzowanego procesu dostarczanai funkcjonalności. W rezultacie dyrektorzy i zarządzający firmami odgrywają kluczową rolę w trzech kluczowych obszarach: budowanie kultury efektywności, budowania płynnej współpracy pomiędzy biznesem i IT oraz inwestowanie w talenty.

Budowanie kultury efektywności

Każda transformacja cyfrowa opiera się na pewnych fundamentach, ustawianych przez kierownictwo firmy. W przypadku projektów o których pisałem wyżej, ważne jest aby jasno zakomunikować załodze, że rozwój produktów z wykorzystaniem sztucznej inteligencji nie musi się opierac wyłącznie o własne zasoby i systemy. Łączenie gotowych, ale skalowalnych elementów w szybkie testy i piloty (Proof of Concept) powinno być dozwolone. Procedury zakupu i monitorowania uproszczone a dostęp do płatności za usługi łatwy i pozbawiony zbędnych formalności. 

Dyrektorzy powinni jasno zadeklarować, że systemy wykorzystujace sztuczną inteligencje są dla firm tak samo ważne jak systemy ERP i powinny one  działać 24 godziny na dobę, 7 dni w tygodniu i codziennie generować wartość biznesową. Chociaż ustawienie wizji jest kluczowe, opłaca się sprecyzować, czego się oczekuje.

Co warto komunikować w organizacji, która chce i wdraża sztuczna inteligencję:

  • odsetek zbudowanych modeli sztucznej inteligencji, które zostały wdrożone i zapewniają wartość klientów. Warto tez mówić o tym ile modeli zostało wytrenowanych, ale nie zostały dopuszczone do wdrożenia na rynek.
  • całkowity wpływ na automatyzację i zwrot z inwestycji w sztuczną inteligencję
  • Liczbę departamentów zaagażowanych we wspólne wdrożenia, ta pozwala zrozumieć zakres zmian i jest dowodem na rozbijanie silosów organizacyjnych. 

Pełna realizacja takich celów może zająć od 12 do 24 miesięcy, ale wykorzystanie podejścia zwinnego daje realne szanse na skrócenie całości do dwóch kwartałów. 

Budowanie płynnej współpracy pomiędzy biznesem i IT

Jednym z podstawowych elementów, które wpływają na przyśpieszenie projektów opartych o sztuczną inteligencje jest uwspólnienie celów liderów biznesowych, z celami zespołów sztucznej inteligencji i zespołów IT. W idealnym przypadku większość celów zespołów sztucznej inteligencji i danych powinna służyć celom liderów biznesowych. I odwrotnie, liderzy biznesu powinni być w stanie określić, jakiej wartości oczekują od sztucznej inteligencji i jak ta wartość zmonetyzuje się na rynku. 

U jednego z moich klientów zastałem sytuację w której cele działu IT i jednostek biznesowych były nie tyle co rozbieżne, jak nie zintegrowane. Dział IT realizował swoją startegię działania a jednocześnie jednostki biznesowe skupiały się na swoich gwiazdach północy, które prowadziły je w stronę realizcji celów operacyjnych. W efekcie ponad 80% z 50 jednostek biznesowych nie integrowała swoich oczekiwań z tym co wdraża dział IT. W efekcie doprowadziło to do powstania ponad 200 projektów, które pogrążone w chaosie organizacyjnym nie wykorzystywały potencjału jaki dawały technologie już wykorzystywane przez dział IT. W takiej sytuacji bardzo przydanty jest model BRITA. 

Rysunek nr 2: Business and IT alignment model, Henderson and Venkatraman (ResearchGate). 

Dostosowanie biznesu do IT to strategia, w której priorytetem jest integracja operacji IT i celów biznesowych w celu obniżenia kosztów, poprawy elastyczności i zwiększenia zwrotu z inwestycji.

Ważną miarą jest poziom współpracy wokół strategicznych inwestycji technologicznych w celu dostarczania narzędzi, technologii i platform, które optymalizują przepływy pracy w projektach sztucznej inteligencji.

W związku z szybkim tempem zmian technologicznych, IT często ma trudności z zrównoważeniem zapotrzebowania na nowe narzędzia i technologie z obawami, że krótkoterminowe poprawki zwiększają koszty technologii w dłuższej perspektywie. Dobrym przykładem może być dylemat – ulepszać “stary” system CRM, czy kupić nowy, dostępny w model Software As A Service”. Dobrą praktyką jest przyjęcie kryteriów które pozwolą budowac mapę rozwoju technologii tak, aby zmniejszać złożoność przy integracji nowych narzędzi. Decyzja więc nie polega na tym, czy rozwijać stare lub kupować nowe, ale polega na odpowiedzi na pytanie z kim zbudować partnerstwo, aby rozwój był najszybszy i możliwie najmniej złożony. 

Dobrą praktyką jest wiec to, aby zachęcać liderów sztucznej inteligencji do budowania silnych relacji ze swoimi odpowiednikami w IT, dostawcami oraz liderami projektów w terenie. 

Inwestycje w talent

Zmienia się na przykład rola analityków danych i inżynierów technologii. Wcześniej głównie  ich praca skupiała się na kodowaniu niskopoziomowym, teraz muszą posiadać wiedzę z zakresu inżynierii oprogramowania, aby składać modele z komponentów modułowych i od samego początku tworzyć gotowe do produkcji i skalowania produkty z wykorzystujące sztuczną inteligencję.

Pojawiły się również nowsze role potrzebne w zespołach AI. Jednym z nich jest inżynier ds. uczenia maszynowego, który jest przygotowany do przekształcania modeli sztucznej inteligencji w systemy produkcyjne klasy korporacyjnej, które działają niezawodnie w dużej skali. 

Sztuczna inteligencja w innowacjach w handlu detalicznym – Amazon

amazon-hq-logo-budynek

Z jakiegoś powodu ta firma zawsze przyciąga moją uwagę, a strategia sztucznej inteligencji Amazona jeszcze bardziej mnie zaciekawiła. Dla Amazona sztuczna inteligencja w innowacjach jest bardzo ważna, żeby nie powiedzieć, kluczowa.

Uwielbiam stale sprawdzać, w jaki sposób firma wprowadza nowe produkty i opracowuje strategię rynkową swoich innowacji.

Cel tego postu:  W tym poście staram się zebrać wiele różnych faktów, informacji, spostrzeżeń, aby wyjaśnić, w jaki sposób firma Jeff’a Bezosa (już nie za sterami organizacji) staje się firmą opartą na sztucznej inteligencji.

W jaki sposób Amazon wykorzystuje sztuczną inteligencję?

Amazon, lider w zakresie wykorzystywania innowacji zorientowanych na klienta, wystrzelił swoją działalność na wyższy poziom, przeprojektowując firmę w oparciu o zastosowanie sztucznej inteligencji i uczenia maszynowego. Niektóre z nich polegały na przeprojektowaniu istniejących już planów, takich jak przestrzeń robotyki firmy i jej ogromny biznes Amazon Web Services (AWS). Inne to zupełnie nowe koncepcje, takie jak Amazon Echo, Amazon Astro, inteligentne opaski na rękę czy zupełnie nowy dział opieki zdrowotnej. 

Co to jest koło zamachowe (flywheel)?

Firma zdecydowała się użyć słowa koło zamachowe, aby zilustrować, jak różne części jej rozległej działalności działają jak maszyna perpetuum mobile. 

Firma opracowała i ma solidne koło zamachowe sztucznej inteligencji, w którym innowacje i ulepszenia w zakresie uczenia maszynowego w jednej części firmy napędzają pracę innych grup, które mogą tworzyć produkty lub uruchamiać usługi, aby wpływać na inne zespoły i całą firmę.

Dlatego tak zwiene, „latające koło” tworzy tyle mocy, że wciąga całą strukturę organizacyjną do wykorzystywania sztucznej inteligencji. 

Sztuczna inteligencja nie znajduje się w konkretnym biurze Amazona i przypomina raczej widmo przecinające wszystkie działy. Klient może odwiedzić Amazon, aby odebrać najpopularniejszą książkę w styczniu, poprosić Alexę o sprawdzenie, czy dostawa dotrze, a silnik rekomendacji produktów może odkryć, że użytkownik końcowy musi kupić konkretny podręcznik lub audiobook. Jeff Bezos chciał kompletnego, możliwego do śledzenia łańcucha logistycznego.

Jeśli nie dostałeś jeszcze swojej inteligentnej wtyczki do gniazdka z prądem, firma zaoferuje ci ją za dolara. Amazon chce, abyś zaczął bawić się inteligentnym domem. Sztuczna inteligencja analizuje każdy aspekt Twojego doświadczenia z Amazon. Amazon z łatwością odczyta, czy zabawa w inteligentny dom Ci się podoba i będzie podpowiadał kolejne udogodnienia.

Co więcej, aplikacja mobilna poprosi Cię o zrobienie zdjęcia Twojego stylu ubioru, aby sztuczna inteligencja mogła poznać Twój gust i zacząć oferować „wypróbuj, zanim kupisz”. To właśnie oznacza wykorzystanie sztucznej inteligencji w sprzedaży detalicznej.

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

.

Jak sztuczna inteligencja napędza rozwój biznesu Amazon

Rola algorytmów sztucznej inteligencji w silniku rekomendacji Amazona jest ogromna, ponieważ generują one aż 35 proc. przychodów firmy. Poprzez zbieranie danych o indywidualnych preferencjach i zakupach klientów, silnik rekomendacji firmy dąży do personalizacji listy produktów, które klienci chcą zakupić.

Ogromna ilość utworzonych lub zebranych danych służy do zorganizowania „widoku 360 stopni” indywidualnego klienta. Korzystając z tego profilu, Amazon może znaleźć inne osoby, które pasują do tych samych kryteriów, na podstawie setek punktów styku (źródeł danych) również dla nich rekomendujących. 

Wyniki? Firma zgłasza 87,4 miliarda dolarów przychodów w czwartym kwartale 2019 r. i podzieliła się tym, że AWS wzrósł o 34%, subskrypcje (Amazon Prime + Whole Foods, Video i Music) o 32%, a Echo, Fire TV, Alexa Voice Remote (zwane innymi), o 41 %. Sklepy internetowe wzrosły o 15%. Pula członków Prime liczy obecnie dużo 150 milionów subskrybentów, w porównaniu do 100 milionów dwa lata temu.

Wyniki pokazują, że inwestycje organizacji w ciągu ostatniego roku bardzo się zwraca.

Amazon promuje przyjęcie sztucznej inteligencji w branży detalicznej

To, co zaczęło się jako prosta strategia obniżek cen i sprzedaży krzyżowej inteligentnych głośników Alexa w Whole Foods, teraz wygląda o wiele bardziej niebezpiecznie dla konkurentów Amazona.

W ciągu ostatnich lat firma wyciągnęła więcej królików z kapelusza, definiując strategię omnichannel z szeroką gamą fizycznych punktów. Amazon wciąż rozbudowuje sieć fizycznych lokalizacji.

Przyjdź, weź i idź

Nikt jeszcze nie oferuje takiego doświadczenia na dużą skalę. Kupując w Amazon Go, nigdy nie będziesz czekać w kolejce. Pamiętasz kolejkę w IKEA lub Auchan? Tutaj tak nie jest. Sklepy Amazon współpracują z aplikacją Amazon Go i są w całości oparte na sztucznej inteligencji.

Klient korzystający ze sztucznej inteligencji zasilany Amazon Go Store, skanuje kod, aby wejść do sklepu i zapłacić za artykuły spożywcze

Płać za pomocą aplikacji Amazon jest koniecznością

Kiedy odwiedzasz Amazon Book Store, możesz zeskanować kod QR przy kasie, a następnie powiązać sklep z zakupami na Amazon.com. Rekord zakupów jest przechowywany w historii zamówień jednego konta użytkownika w aplikacji — to takie proste. W ten sposób zaciera się różnica pomiędzy elektronicznym koszykiem zakupowym, a tym powstającym podczas zakupów w sklepie fizycznie istniejącym.

Amazon Book Stores wyświetla książki bez ceny. Co za marnotrawstwo miejsca i myląca etykieta!. W rzeczywistości chodzi o dane. Książki są wystawione jako plakaty z recenzjami i ocenami. Brak metki z ceną! Czemu? Firma chce, abyś otworzył aplikację i zeskanował książkę. 

Czy możesz sobie wyobrazić jaki generuje to przepływ danych? Nie tylko do analizy popytu na określone towary, ale także do szkolenia algorytmów i infrastruktury uczenia maszynowego. Proste, ale jakie potężne.

Sklepy Amazon, takie jak sklepy Go, są napakowane najnowocześniejszymi technologiami. Firma wykorzystuje te same technologie, które można znaleźć w autonomicznych samochodach , takie jak widzenie komputerowe, fuzja czujników i deep learning. Chcą danych i je otrzymują. Techniki mogą wykrywać, kiedy produkty są pobierane lub zwracane na półki i śledzić je w wirtualnym koszyku. 

Amazon uczy się 24/7

Amazon Book Stores wyświetla książki bez ceny. Co za marnotrawstwo miejsca i myląca etykieta!. W rzeczywistości są to dane. Książki są wystawione na plakaty z recenzjami i ocenami. Brak metki z ceną! Czemu? Amazon chce, abyś wyciągnął aplikację i zeskanował książkę, aby ją tam kupić . Czy możesz sobie wyobrazić przepływ danych? Nie tylko do analizy towarów, ale także do szkolenia algorytmów i infrastruktury uczenia maszynowego. 

Organizacja dużo wie o swoich klientach — od rodzaju zakupowanych butów po artykuły spożywcze. Dzięki tej fantastycznej wiedzy Amazon wykorzystuje sztuczną inteligencję do przewidywania, co zamierzasz kupić. Jej nową strategią jest dostarczanie użytkownikom bezpłatnych próbek produktów. Te produkty będą tymi, które najchętniej kupi konkretna osoba.

Firma posiada zarówno infrastrukturę, jak i dane zakupowe, które mogą jej pomóc w wysyłaniu  bezpłatnych próbek  do swoich klientów.

Przykład Amazon Sample Box, który klienci Amazon otrzymują w ramach programu próbnego.  Pudełko zostało zaprojektowane przez sztuczną inteligencję
Zdjęcie #2 :: Przykład programu Amazon Samples (Źródło: Amazon)

Logistyka i dostawa jako istotny element budowania firmy opartej na sztucznej inteligencji

Russel Allgor, główny naukowiec Amazon Worldwide, nie postrzega centrów logistycznych Amazon jako budynków. Zamiast tego uważa je za sprzęt do przesyłania i wykorzystywania danych.

Centra logistyczne odgrywają kluczową rolę w Amazon

Jedno centrum realizacji obsługuje od 1 do 3 milionów pojemników, około dziesięciu milionów artykułów w zamówieniach. Amazon to uwielbia, ponieważ tworzy ogromny strumień danych. Pamiętacie profilowanie 360, o którym wspomniałem na początku tego posta? Węzły firmy są częścią równania. Centra są zorganizowane jako siatki o wysoko powtarzalne strukturze. Ma to kluczowe znaczenie, ponieważ taka konfiguracja umożliwia komputerowym systemom wizyjnym idealne zlokalizowanie każdego zamówienia. Wyobraź sobie podłogę idealnie podzieloną na setki kwadratów. Szachownica! Tak, w ten sposób lokalizacja zamówienia (danych) jest praktycznie bezbłędna.

Amazon stale analizuje przebieg każdego zamówienia, aby móc zoptymalizować jego podróż w locie. Roboty, które wykonują zamówienia, są zasilane przez sztuczną inteligencję. Algorytmy pomagają im uczyć się w czasie rzeczywistym, gdzie jest zamówienie, gdzie powinno być i jak najszybciej do niego dotrzeć. Najlepsza do tego celu jest struktura siatki.

Dlaczego firma posiada flotę samochodów, jumbo jetów, dronów i innych pojazdów? Chce dokładnie śledzić, gdzie znajduje się konkretna paczka. To kompletny łańcuch logistyczny, w pełni śledzony i konfigurowalny w czasie rzeczywistym. Dane płyną nieprzerwanie, tego nie ma na świecie nikt. Nawet UPS, DHL, Allegro czy inPost nie posiada tak dobrze ściśniętego i splątanego łańcucha nieprzerwanie płynących danych.

Wszystko zaczyna się w centrum logistycznym, a następnie wpływa na cały łańcuch dostaw. Setki drobnych ulepszeń są wbudowane w operacje logistyczne. Wszyscy chcą danych i Amazon je ma. Od sprzedawcy i producenta po „wycieraczkę” na której kurier zostawia paczkę.

Zintegrowany ekosystem

  • Alexa jest teraz osobistym asystentem kierowców. Operatorzy flot Amazon uzyskują informacje o swoich trasach, paczkach i nie tylko.
  • Firma zamówiła dostawcze auta z napędem elektrycznym , które będą miały wbudowaną Alexę. Samochody umożliwią kierowcom słowne sterowanie funkcjami pojazdu (klimatyzacja, ogrzewanie, mapy, muzyka itp.), w tym otwieranie i zamykanie bagażnika, zwanego „frunk”. 
  • Firma Jeffa Bezosa prowadzi ponad 175 centrów realizacji zamówień na całym świecie na powierzchni ponad 150 milionów stóp kwadratowych, z których większość znajduje się w Ameryce Północnej i Europie (źródło: About Amazon.com). Roboty służą głównie do dostarczania dużych stosów produktów do pracy człowieka. Amazon chce to zmienić. Nieustannie opracowuje nowe roboty i przeprojektowuje istniejące, aby zapewnić większą automatyzację i inteligentne algorytmy pod dachami centrów logistycznych. Aby wzmocnić ten proces, firma ogłosiła, że zapłaci pracownikom do 10 000 USD za odejście z pracy i założenie własnych firm kurierskich w ramach programu Amazon Delivery Service Partners.
  • W 2019 roku w Las Vegas organizacja zaprezentowała swoją najnowszą usługę Prime Air: są to w pełni elektryczne drony, które dostarczają bezpośrednio do drzwi klientów w mniej niż 30 minut. Dron napędzany sztuczną inteligencją przewiezie wszystkie paczki o wadze poniżej 5 funtów (ok. 2.5 kg) do miejsca docelowego.

Dla wielu detalistów arkusze kalkulacyjne pozostają pierwszym narzędziem do przechowywania danych i decyzji dotyczących łańcucha dostaw, tworząc silosy nieustrukturyzowanych, niepowiązanych danych, które mogą zwiększać koszty operacyjne i dezorganizację. 

Amazon wykorzystuje sztuczną inteligencję do przeprojektowania podaży i zrozumienia tych danych, automatyzując zdolność przewidywania popytu klientów, szacowania dostępności produktów, optymalizacji tras dostaw i personalizacji komunikacji z klientami przy jednoczesnym śledzeniu całego łańcucha dostaw. 

Powiązane : Korzyści ze sztucznej inteligencji dla społeczeństwa – co to znaczy? Co jeszcze trzeba zrobić?

Strategia współpracy z firmami zewnętrznymi

Firma pracuje nad wspieraniem producentów zewnętrznych w integracji Alexy z ich produktami. Wysiłek nosi nazwę Alexa Voice Service, a inicjatywa przyciągnęła do tej pory około 100 produktów takich korporacji jak Sonos, Ecobee, Sony, Lenovo. 

Alexa Voice Service to przede wszystkim zestaw interfejsów API w chmurze, które umożliwiają producentom sprzętu korzystanie z Alexy. Amazon udostępnia swoje front-endowe algorytmy audio stronom trzecim, a także wskazówki dotyczące opracowywania urządzeń z zasilaniem Alexa.

Firma współpracuje również z organizacjami, aby umożliwić im projektowanie dostosowanych umiejętności dla urządzeń Echo znajdujących się w akademikach lub pokojach hotelowych. Jak to działa? Wystarczy wejść do pokoju i powiedzieć „Alexa, włącz światło i zrób kawę”, a reszta jest jasna.

Amazon chce zdemokratyzować proces tworzenia umiejętności Alexa i ułatwić wszystkim pisanie umiejętności. Uruchomiła Blueprints – narzędzie do tworzenia umiejętności oparte na szablonach, które prawie każdy może szybko nauczyć się i wykorzystać.

Alexa, technologia głosowa oparta na sztucznej inteligencji Amazon, oferuje szereg umiejętności zróżnicowanych geograficznie
Zdjęcie #3 :: Całkowita liczba umiejętności Alexa według kraju (źródło: VoiceBot.Ai)

Umiejętności stały się tak łatwe w użyciu, że nie tylko produkują sprzęt i dołączają do klubu. Real Madryt (jedna z najcenniejszych drużyn sportowych na świecie) zaprezentował swoją konfigurację. Teraz fani mogą zapytać platformę AI o najnowsze wiadomości klubu La Liga. Urządzenia zasilane Alexa będą odtwarzać dźwięk i dostrajać treści wideo w języku angielskim lub hiszpańskim. Real dołączył do rosnącej listy klubów oferujących aktualizacje za pośrednictwem algorytmów Amazon AI. Angielska piłka nożna Liverpool już wykorzystuje ekosystem Amazon, Major League Baseball ( MLB ), National Hockey League ( NHL ) i NFL .

Firma potrzebuje danych, więc chce, abyś jak najczęściej rozmawiał z Alexą. Kiedy rozmawiasz z urządzeniem Alexa, możesz także uzyskać dostęp do Amazon Music, Prime Video, rekomendacji z głównej witryny zakupów i innych usług. Następnie technologia zaczęła badać inne domeny, ponieważ może przynieść produkty inne niż Alexa, takie jak Fire TV, zakupy głosowe, Dash dla Amazon Fresh i inne.

Sztuczna inteligencja dla nowicjuszy i ekspertów.

AWS oferuje ponad 175 usług w zakresie obliczeń, przechowywania, baz danych, sieci, analityki, robotyki, uczenia maszynowego i sztucznej inteligencji (AI), Internetu rzeczy (IoT), urządzeń mobilnych, bezpieczeństwa, hybrydowej, wirtualnej i rozszerzonej rzeczywistości (VR i AR), tworzenie mediów i aplikacji, wdrażanie i zarządzanie z 69 stref dostępności (AZ) w 22 regionach geograficznych, z ogłoszonymi planami dotyczącymi 13 kolejnych stref dostępności i czterech kolejnych regionów AWS w Indonezji, Włoszech, Republice Południowej Afryki i Hiszpanii. Miliony klientów — w tym najszybciej rozwijające się startupy, największe przedsiębiorstwa i wiodące agencje rządowe — ufają AWS w zakresie zasilania ich infrastruktury, zwiększania elastyczności i niższych kosztów (źródło: aws.amazon.com). 

Jest to ogromny biznes oparty na chmurze i serwerach z dużą ilością oprogramowania. Handel detaliczny, nieruchomości, moda, rozrywka, opieka zdrowotna i inne używają maszyn AWS do prowadzenia działalności, obniżania kosztów, dostarczania inteligentnych produktów i usług.

Przykłady wdrożeń AWS

  • Grammarly , która przewiduje, co pisze użytkownik i jakie poprawki są wymagane (swoją drogą istnieje pula świetnych narzędzi do pisania opartych na sztucznej inteligencji , jeśli jesteś zainteresowany)
  • DuoLingo, który wykorzystuje usługę zamiany tekstu na mowę firmy Amazon do generowania dostosowanych lekcji językowych
  • Liberty Mutual , który korzysta z konwersacyjnego API Amazon
  • Bundesliga wybrała AWS jako swoją platformę technologiczną, aby zapewnić głębszy wgląd w transmisje na żywo meczów piłkarskich Bundesligi i umożliwić nowe spersonalizowane doświadczenia fanów. Bundesliga chce zautomatyzować procesy, zwiększyć wydajność operacyjną i poprawić wrażenia fanów.
  • Niemiecka liga piłki nożnej również chce przetworzyć 150 000 godzin nagrań wideo i automatycznie je oznaczyć. Pomoże Bundeslidze przeszukać całą historię materiałów piłkarskich.
  • NFL chce poprawić bezpieczeństwo graczy i wykorzystuje AWS do badania kontuzji. NFL zebrało 42 000 informacji o kontuzjach od 8 000 graczy w ciągu ostatnich dziesięciu lat. Gracze noszą czujniki wbudowane w ochraniacze na usta i w ten sposób pomagają zbierać informacje o wstrząsach mózgu. NFL chce przeprowadzić scenariusze oceny ryzyka kontuzji i wykluczyć je tak, aby chronić zawodników.
  • Drone Federation of India ogłosiła, że ​​użyje AWS jako preferowanej usługi w chmurze, aby przyspieszyć rozwój i wzrost ekosystemu dronów w kraju. Partnerstwo będzie rozpoznawać przypadki użycia dronów w Indiach w różnych obszarach, takich jak badania terenu, rolnictwo precyzyjne i rozwiązania w zakresie zarządzania katastrofami.
Wykres pokazuje, w jaki sposób platforma oparta na sztucznej inteligencji Amazon zdominowała rynek chmury publicznej
Zdjęcie #4 :: Amazon i jego dominacja w branży cloud (źródło: Statista)

Sztuczna inteligencja w handlu detalicznym nie oznacza, że ​​sztuczna inteligencja znajduje się tylko w aplikacji lub w sklepie. To także platforma dla innych firm.

Istnieją tysiące przykładów na to, jak AWS dominuje i jak przekonująca propozycja wartości, jaką produkt kieruje na rynek. Platforma Amazon może wspierać różne rodzaje firm, branż i branż. Wygląda na to, że firma nie ma ograniczeń w przestrzeni chmurowej. Ponieważ umiejętności w Alexie stają się łatwiejsze w użyciu, AWS przechodzi ten sam proces.

Zespoły Jeffa Bezosa stworzyły zestaw narzędzi typu open source o nazwie AutoGluon, wymyślony, aby ułatwić inżynierom oprogramowania korzystanie z modeli głębokiego uczenia i uczenia maszynowego w swoich aplikacjach. AutoGluon jest przeznaczony zarówno dla ekspertów, jak i początkujących. 

Pomysły Jeffa Bezosa na zbudowanie Amazona opartego na sztucznej inteligencji

Tak, Amazon stworzył jednostkę opieki zdrowotnej, a kardiolog ją prowadzi. Pan Majmudar jest naczelnym lekarzem w firmie. Jego wkład w strategię AI firmy jest ogromny.

Głos i obrazy są złote

Jeden z produktów wprowadzonych na rynek przez firmę pomaga w transkrypcji mowy medycznej dla potrzeb podstawowej opieki zdrowotnej. Obsługuje dyktando medyczne  i transkrypcję konwersacyjną. Algorytmy są zgodne z HIPPA i mogą wysyłać strumień tekstu w czasie rzeczywistym z nagranych notatek. 

Ponieważ Amazon ma duże doświadczenie w  rozpoznawaniu obrazów i głosu , przenosi te możliwości na wszystkie swoje produkty (zgodnie ze strategią latającego koła). Świetnym przykładem może być wtyczka sztucznej inteligencji do Facebook Messanger opracowana przez University of Hospitals of North Midlands Trust i Lancaster University. Komponent może odpowiedzieć na większość pytań zadawanych przez pacjentów za pośrednictwem czatu, ponieważ wykorzystuje platformę AWS, która może stale uczyć się od personelu medycznego. Zespół zaczął od badania raka piersi i rozszerza zakres na inne badania przesiewowe w kierunku raka i zdrowia psychicznego. 

Mogę podzielić się wieloma przykładami, w których głos, zdjęcia lub filmy są przetwarzane przez firmę w celu wyodrębnienia informacji do dalszych zastosowań. Prawdopodobnie możesz zobaczyć podobny schemat prowadzony przez firmę; z jednej strony zawsze jest i wkład od klientów, pośrodku dzieje się magia AI, a wynikiem jest automatyzacja (dyktowanie medyczne) lub prognozowanie (przykład NFL). 

Zadzwoń do lekarzy Amazona, aby pozbyć się grypy

Ale organizacja robi więcej. Firma zainwestowała w Medical Center w Bostonie, którego podstawowym celem jest testowanie narzędzi sztucznej inteligencji. Amazon  współpracował  z Providence, Boston Children’s Hospital, Atrium Health w Charlotte, National Health Service w Wielkiej Brytanii i nie tylko. 

Alexa stała się zgodna ze standardem HIPPA w 2019 r., co oznacza, że ​​może przekazywać chronione informacje zdrowotne, a członkowie Prime Member mogą korzystać z usługi apteki internetowej o nazwie PillPack. Jeff Bezos chciałby, aby ubezpieczyciele w USA włączyli PillPack do swoich planów świadczeń zdrowotnych. 

pillpack-by-amazon-pierwsza-strona
Zdjęcie #5 :: Pillpack , apteka internetowa należąca i obsługiwana przez Amazon

Firma chce być istotnym graczem w planach opieki zdrowotnej, dlatego uruchomiła własny program opieki zdrowotnej o nazwie Amazon Care. Oczywiście firma zaprojektowała wszystko wokół wprowadzania i wyprowadzania danych. Program oferuje cyfrowe kliniki zdrowia, a jeśli potrzebujesz wizyty u lekarza, ona „przyjdzie” do Ciebie — wszystko oparte na aplikacjach, danych, sztucznej inteligencji i algorytmach.

Chociaż Amazon ledwie dotknął powierzchni opieki zdrowotnej, ma potencjał, aby posiadać tę przestrzeń dzięki swojej wiedzy w zakresie e-commerce. Bez konieczności zarabiania pieniędzy w opiece zdrowotnej firma może przeprowadzać eksperymenty, testować algorytmy i wprowadzać produkty na wczesnym etapie rozwoju. Cała wiedza zawsze wzmacnia AWS, który oferuje coraz więcej możliwości. 

Jest też inna perspektywa; Metoda Amazona pozwala innym firmom zlecać na zewnątrz części  swoich firm, które są nieuporządkowane i wykraczają poza ich główny cel. AWS będzie „ten kawałek firmy” hostować, automatyzować tak, jak kiedyś umożliwił każdemu zostanie wydawcą książki. 

Wniosek

Po pierwsze, sztuczna inteligencja Amazon zasila szeroką gamę produktów przyjaznych dla klienta, zapewniając wygodę użytkownika i doświadczenie klienta lepsze niż u konkurencji. Dzięki temu firma Amazon może budować ekonomię skali, efekty sieciowe i dźwignię do negocjacji z innymi stronami (np. dostawcami).

Następnie inwestuje w koszty stałe z góry, które pozwalają mu lepiej funkcjonować i dostarczać klientom zleconą wersję usług. Widzieliśmy to w przypadku Fulfilled By Amazon (FBA) i Amazon Web Services (AWS), które umożliwiają firmom korzystanie z tradycyjnie drogich usług (magazyny, centra danych itp.) na zasadzie wynajmu na własność. 

Model biznesowy Ubera

Aplikacja Uber w ręku biznesmena

Model biznesowy Ubera jest jednym z najbardziej znanych w startupowym świecie. Inwestorzy, profesorowie, przedsiębiorcy badają go i mają nadzieję, że zrozumieją, w jaki sposób największa firma z gatunku „sharing economy” przynosi wartość klientom.

Są też krytycy; kierowcy, którzy mówią „nas ciągle doją”, firmy taksówkarskie, które nie tolerują praktyk Ubera lub zarządcy miast, którzy naciskają na wstrzymanie działań firmy, ponieważ Uber lobbuje niejasne przepisy podatkowe.

Wykres wyceny rynkowej Uber

Jak działa model biznesowy Ubera?

Uber stale rozwija się globalnie i dodaje nowe linie biznesowe do struktury firmy. Innowacje Ubera zmuszają wiele firm do przeprojektowania swoich modeli biznesowych, restrukturyzacji marż i tworzenia nowych produktów.

Przychód

Uber Technologies (NYSE: UBER) stracił 1,1 mld USD w ostatnim kwartale 2019 r. i przyniósł 4,07 mld USD przychodów. Notuje jednak 37%, rok do roku, wzrost przychodów. Inwestorom się to podoba, ale nie podoba im się strata na akcję, która zmniejszyła się do 0,64 USD z 1,98 USD w ostatnim kwartale 2018 roku. Przejazdy są najbardziej znaczącym dochodową częścią dla Ubera i stanowią około 75% całego miksu przychodów. Oprócz przejazdów przychody Ubera pochodzą z Uber Eats, Uber Freight.

Struktura kosztów

Dla Ubera, największym obciążeniem jest koszt przychodu. Kategoria obejmuje koszty ubezpieczenia związane z przejażdżkami, premie wypłacane kierowcom, ubezpieczenie Uber Freight oraz utrzymanie całej platformy. Uber wydał na tę kategorię około 50% wszystkich kosztów. Firma musi sporo inwestować w zachęty dla kierowców, którzy domagają się zbliżonych warunków pracy do tych, którymi mogą się cieszyć pracownicy korporacji taksówkarskich.

Przedstawiciele Ubera wielokrotnie twierdzili, że model biznesowy firmy opiera się na wspólnych przejazdach. Oznacza to, że kierowcy nie są pracownikami firmy. Stwarza to wiele wyzwań dla kierownictwa Ubera, ponieważ kierowcy oczekują, że będą traktowani jak pracownicy i otrzymają korzyści, a nie tylko zachęty. Sytuacja komplikuje się w erze COVID19.

W 2018 r. zachęty wzrosły o 300 mln USD, głównie dzięki Uber Eats. W erze COVID19 kategoria ma gwałtownie wzrosnąć gdyż kierowcy czy kurierzy zarabiają mniej a jednocześnie nie są i nie mogą być na tę okoliczność wynagrodzeni.

Pozyskiwanie użytkowników

Uber wydaje około 28% na sprzedaż i marketing. W tym polu możemy znaleźć promocje, zwroty, kredyty dla klientów oraz bonusy za polecenie. Im bardziej rozwija się Uber, tym bardziej rozwija się ta kategoria.  

Wszystkie te działania mają na celu sprowadzenie większej liczby użytkowników pod dach Ubera. Uber codziennie realizuje 14 milionów podróży i chce osiągnąć wyższy poziom tej liczby. W 2018 roku Uber ogłosił , że firma osiągnęła poziom 10 miliardów zrealizowanych podróży. Nie byłoby to możliwe bez znacznych inwestycji w pozyskiwanie użytkowników i kierowców. 

Według Certify, Uber był najczęściej wybieranym dostawcą usług wśród  podróżujących służbowo  w USA w I kwartale 2019 r., odpowiadając za 12% wszystkich dokonanych transakcji. Aby spojrzeć na to z innej perspektywy, drugim najbardziej wybieranym dostawcą usług był Starbucks, który zanotował 4% globalnych transakcji od biznesu.

Jeśli spojrzymy na to z punktu widzenia pozyskiwania użytkowników, okazuje się, że firmy kochają Ubera. Wiele firm integruje swoje oprogramowanie do obsługi wydatków, aby śledzić wydatki w Uber i zautomatyzować proces wysyłki, przejazdów i zamówień. Interfejsy API to kolejne świetne źródło pozyskiwania użytkowników dla firmy zajmującej się raid-hailingiem.

Powiązany artykuł: Korzyści ze sztucznej inteligencji dla społeczeństwa – co to znaczy? Co jeszcze trzeba zrobić?

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

.

Powiązany artykuł: Dlaczego innowacja jest ważna?

Intensywna rywalizacja

Uber nie ma dużo miejsca na rynku. Intensywna konkurencja niszczy model biznesowy Ubera. Uber rozpoczął działalność w dwóch lokalizacjach, w Nowym Jorku na Manhattanie i w centrum San Francisco. To tam Uber przetestował swoje modele biznesowe z wczesnymi użytkownikami. 

Jak Uber wypada w Nowym Jorku na tle konkurencji

Źródło: korzystanie z taksówek, Ubera i Lyft w Nowym Jorku

Badanie przeprowadzone  przez Jonathana Halla i Alana Kruegera wykazało, że 42% kierowców UberX w Nowym Jorku pracuje mniej niż 15 godzin tygodniowo, a kolejne 35% 16–34 godzin tygodniowo. Wskaźniki wykorzystania klasycznych żółtych taksówek są znacznie wyższe: statystyki TLC podają, że średni taksówkarz jest aktywny 29 dni w miesiącu, 14 godzin dziennie. Mimo to klasyczne żółte taksówki wywierają dużą presję na UBER, nie tylko w Nowym Jorku, ale w wielu miastach na całym świecie.

Jak wyjaśniłem powyżej, biznes Uber to nie tylko wspólne przejazdy, ale także jedzenie, transport i nie tylko. Lista konkurentów, którzy wymuszają innowacyjność modelu biznesowego Ubera, jest dłuższa:

  • Firmy oferujące przejazdy: Lyft, Ola, Careem, Didi, Taxify i Yandex.Taxi
  • Firmy mobilności osobistej: Motivate (własność Lyft), Lime, Bird i Skip
  • Firmy dostarczające jedzenie: GrubHub, DoorDash, Deliveroo, Swiggy, Postmates, Zomato, Delivery Hero, Just Eat, Takeaway.com i Amazon.
  • Fracht: CH Robinson, Total Quality Logistics, XPO Logistics, Convoy, Echo Global Logistics, Coyote, Transfix, DHL i NEXT Trucking.
  • Firmy produkujące pojazdy bez kierowcy: Alphabet’s Waymo, GM’s Cruise Automation, Tesla, Apple, Zoox, Aptiv, May Mobility, Pronto.ai, Aurora i Nuro

Uber nie prowadzi wygodnego działania biznesowego. Strategia innowacji firmy musi stale ewoluować i szukać nowych propozycji wartości w wielu różnych branżach. 

Kanwa modelu biznesowego Uber

Kanwa modelu biznesowego Uber zaprojektowana przez Arka Skuza

Model biznesowy Ubera nieustannie ewoluuje i staje się coraz bardziej skomplikowany. Model Ubera bazuje na przejażdżkach i dostawie jedzenia. Z jednej strony Uber generuje przychody z tak wielu źródeł, że inwestorzy powinni być zadowoleni, ponieważ firma nie liczy na jedno źródło przychodów. Z drugiej strony kanwa modelu biznesowego pokazuje, jak skomplikowana jest struktura i jak trudno jest przewidzieć przyszłość Ubera.

Model biznesowy firmy taksówkowej

Tak, otwierasz telefon, naciskasz kilka razy ekran, a kierowca Ubera jest gotowy, by Cię odebrać. Tak jakby taksówka. Uber wykorzystuje model biznesowy platformy i wykorzystuje pozytywny efekt sieci. Jak wyjaśnia kanwa modelu biznesowego, Uber intensywnie inwestuje w rozwój platformy. Prezes firmy chce, aby firma była Amazonem transportu. Oznacza to, że w przyszłości nie będziemy zainteresowani tym, jak dotrzemy do celu. Po prostu „powierzymy się” Uberowi a on „dostarczy nas na miejsce”

Zamawiając przez Amazon, nie zastanawiasz się, jak książka do Ciebie trafi. Amazon zajmuje się wszystkim. Uber chce tego samego dla ludzi. Możliwe? Hm. 

W modelu biznesowym widzimy, że Uber współpracuje z tysiącami partnerów, aby marzenie się spełniło.

Powiązany artykuł: Amazon i sztuczna inteligencja

Zespoły innowacyjne Ubera zastanawiają się, aby wprowadzać inteligentniejsze algorytmy i zatrudniać sztuczną inteligencję do automatyzacji coraz większej liczby zadań. Lubimy myśleć, że taksówki przewożą ludzi, ale mogą też przewozić towary. 

Inżynierowie Ubera starają się codziennie, aby zapewnić płynne i eleganckie wrażenia. Potrzebują sztucznej inteligencji do szybkiego konfigurowania tras, wykrywania gorących punktów i sprawdzania, czy nie zostaniesz wysadzony na pas rowerowy (Uber policzył, że jeśli tak będzie drastycznie wzrasta ryzyko wypadku, a więc czasami ostrzega kierowcę, aby nie wysadził pasażera przy ścieżce rowerowej).

Tlen Ubera to lobbyści, kierowcy i miasta

Jeśli chcesz zabić Ubera, powinieneś przejąć kierowców, kontrolować miasta i zatrudnić wszystkich lobbystów. CEO Ubera lubi mówić, że firma chce być systemem operacyjnym do życia w mieście.

Głodny? Nie martw się, Uber Eats przyniesie jedzenie lub kierowca Ubera pójdzie dla Ciebie na zakupy. Kierowcy to robią.

Twój zespół zarezerwował stolik na kolację biznesową, nie ma problemu, system zarządzania podróżami Twojej firmy automatycznie wyśle ​​Ubera. Bezgotówkowe i bezksiążkowe doświadczenie. Prawie niewidoczna transakcja.

Jesteś właścicielem restauracji i z powodu COVID19 musisz zacząć dostarczać jedzenie do domu? Platforma Uber uruchomi proces samodzielnego wdrażania, a po kilku dniach kierowcy lub motocykliści UBERA zaczną dostarczać jedzenie ludziom z Twojej restauracji.

Tętnice, żyły i krwinki czerwone

Kierowcy to czerwone krwinki w tym biznesie; miasta są żyłami. Lobbyści pomagają otworzyć arterie, dzięki czemu Uber może zacząć koordynować ekosystem.

Jeśli dokładnie przestudiujesz model biznesowy, który zmapowałem, zauważysz, że procesy i ugody są częścią struktury kosztów firmy. Oznacza to, że Uber nie unika procesów sądowych, jest częścią tego biznesu. Bez nich Uber (lobbyści) nie może otworzyć się w kolejnych krajach i miastach.

Kochamy naszych klientów

Ceny są integralną częścią modelu biznesowego firmy

Ceny taksówek są regulowane. Otóż ​​to. Niewiele kierowca może z tym zrobić. Tymczasem Uber prowadzi w Kalifornii weryfikację koncepcji, która pozwala niektórym kierowcom wybrać, ile będą pobierać od klientów. Kierowcy, którzy chcą uzyskać więcej za przejazd, będą musieli dłużej czekać na przejazdy.

Znamy już dość dobrze mechanizm wzrostu cen. Jest to dodatkowy mnożnik w procesie szacowania ceny, który jest dodawany, gdy w systemie występuje duże obciążenie, funkcja podaży i popytu w pełnej krasie. Kiedy pada deszcz lub śnieg, wpływa to na zmiany warunków, podaż i popyt jest regulowany przez algorytmy platformy. Przychody Ubera można zawsze poprawić, więc algorytm oblicza ceny inaczej w zależności od setek zmiennych.

Znajdziemy Ci pracę

Kiedy COVID19 uderzył, pojawiła się kolejna siła i wywarła presję na model biznesowy Ubera. Ale elastyczność tkwi w DNA firmy. Firma szybko uruchomiła  WorkHub . To usługa, która pomaga kierowcom w znalezieniu alternatywnych miejsc pracy. Uber nie chciał tracić swojego ważnego zasobu – kierowców. Postarał się więc poszukać im pracy.

Innowacje biznesowe Ubera pomagają kierowcom znaleźć alternatywną pracę
Innowacje biznesowe Ubera pomagają kierowcom znaleźć alternatywną pracę

Tu opłacają się partnerstwa z restauracjami. Ludzie częściej zostają w domu i potrzebują więcej posiłków do dostarczenia. Restauracje borykają się z zatrudnianiem kierowców. Zespół ds. innowacji Ubera szybko otworzył platformę i wydał WorkHub. Teraz restauracje, sklepy i inne osoby mogą zatrudniać kierowców gdy Ci siedzą na kanapie i nie mają co robić.. 

„Witam! tak, wkrótce wyślemy karetkę”

Pamiętajcie, kierowcy, to czerwone krwinki. Przewożą ludzi, żywność, niezbędne rzeczy i ładunki. Czy mogą przewozić chorych pacjentów? Oczywiście. Jeśli pacjent nie doświadcza nagłego wypadku (potrzebny ambulans), kierowca Ubera może być doskonałą opcją transportu. Amazon dla transportu też się tutaj dzieje.

Usługa ta może obejmować przenoszenie pacjentów między placówkami medycznymi, z domu do biura, z domu do centrów medycznych i szpitali. Jak to się stało? 

Model biznesowy Ubera może słuchać klientów. Inżynierowie szybko dekodują strumień danych. Firma dowiedziała się, że za pośrednictwem aplikacji odbywa się już znaczna liczba wyjazdów do szpitali. Bang, mamy Uber Health. Kolejna wyspecjalizowana usługa, obok Uber Kids, Uber Elevate (drony), Uber Jump, Uber Credit Card, Uber Vouchers – lista stale rośnie.

Wniosek

Od samego początku Uber opracował model biznesowy, który oferuje solidną propozycję wartości. Firma zaczęła od prostej, ale bardzo innowacyjnej oferty produktowej i powoli przekształciła się w coś więcej niż firmę zajmującą się wspólnymi przejazdami. 

To niesamowite, jak firma może odkrywać, testować i skalować innowacje na całym świecie. Wszystko brzmi idealnie, ale tylko jedno pytanie przyprawia świat technologii i biznesu o gęsią skórkę – czy firma osiągnie etap rentowności? Musimy poczekać, żeby się dowiedzieć.

Korzyści ze sztucznej inteligencji dla społeczeństwa – co to znaczy? Co jeszcze trzeba zrobić?

Społeczeństwo

Podobnie jak w przypadku większości przemian życiowych, korzyści z sztucznej inteligencji będą dla społeczeństwa pozytywne jak i negatywne. Jedno jest w 100% pewne, sztuczna inteligencja radykalnie zmienia świat, w którym żyjemy. 

Jak wpłynie to na otaczający nas świat, można zgadywać i jest to przedmiotem wielu dyskusji. Jako optymista w głębi serca wierzę, że możliwości, jakie wprowadzi sztuczna inteligencja, będą w większości dobre. 

Transformacyjny wpływ sztucznej inteligencji na nasze społeczeństwo będzie miał daleko idące konsekwencje finansowe, prawne, polityczne i regulacyjne, na które świat musi być przygotowany.

Etyka, uczciwość, dostępność, przejrzystość i prywatność danych to kluczowe tematy, które będą jeszcze ważniejsze, gdy sztuczna inteligencja przyspieszy rozwój i otworzy nowe możliwości. Decyzje podejmowane lub wspierane przez sztuczną inteligencję muszą być przejrzyste i odpowiedzialne, a także sprawiedliwe.

Poważnym problemem we wdrażaniu sztucznej inteligencji w społeczeństwie jest brak specjalistów. Ciągłe uczenie się i różne podejście do edukacji zostały zidentyfikowane jako krytyczne wyzwania dla społecznych skutków sztucznej inteligencji. Co więcej, pomyślne wdrożenie sztucznej inteligencji w społeczeństwie wymaga, aby opinia publiczna uznawała nowe aplikacje za godne zaufania i etyczne.

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

.

Sztuczna inteligencja i jej wpływ na światową gospodarkę

Według raportu PwC do 2030 r. sztuczna inteligencja wniesie do światowej gospodarki prawie 16 miliardów dolarów. Zyski przyjdą w następujący sposób:

  •  7 miliardów dolarów dzięki zwiększonej produktywności w wyniku automatyzacji procesów przez firmy
  • 9 miliardów dolarów z konsumpcji, ponieważ kupujący będą cieszyć się większą personalizacją (produkty będą wysoce spersonalizowane, a dzięki temu obniżsą się koszty i wzrośnie skalowalność)

Według autorów, globalny PKB, który w 2015 r. wyniósł około 74 miliardy dolarów, w 2030 r. będzie o 14% wyższy dzięki rozwojowi sztucznej inteligencji. To ogromna zmiana, która określa, jakie korzyści płyną ze sztucznej inteligencji dla społeczeństwa.

PwC dowiedziało się, że ogromne korzyści gospodarcze ze sztucznej inteligencji przyniosą Chiny (prawie 30% wzrost PKB w 2030 r.) i Ameryka Północna (wzrost PKB o 14,5% do 2030 r.). 

Kolejna fala cyfrowej transformacji opartej na sztucznej inteligencji ma swoje korzenie w danych generowanych przez Internet Rzeczy (smartfony, samochody, termostaty, zegarki, roboty, maszyny produkcyjne). 

Konsekwencje z tego wynikające, to:

  • większa standaryzacja, 
  • większa automatyzacja,  
  • zintensyfikowana personalizacja produktów i usług. 

Poniższe zdjęcia pokazują dwa przykłady wyników, jakie możemy uzyskać — sztuczna inteligencja przynosi korzyści społeczeństwu, tworząc treści cyfrowe o wysokim poziomie personalizacji. Po lewej stronie widzimy twarze, które nie istnieją. Marketerzy mogą ich używać w reklamach, reklamach i filmach. Zamiast robić zdjęcia prawdziwym ludziom, sztuczna inteligencja może projektować twarze, co znacznie obniża koszty kampanii marketingowych.

Po prawej stronie znajduje się przykład raportu finansowego, który sztuczna inteligencja napisała od podstaw.

Sztuczna inteligencja przynosi korzyści społeczeństwu, tworząc treści od podstaw.
Sztuczna inteligencja przynosi korzyści społeczeństwu, tworząc treści od podstaw.

Sztuczna inteligencja przeprojektuje sposób wykonywania rutynowych zadań, zwłaszcza w obszarach kapitałochłonnych, w tym w transporcie i produkcji. Wpływ na społeczeństwo będzie ogromny, ponieważ wielu ludzi, którzy pracują z zadaniami opartymi na na powielających się czynnościach, zostanie zastąpiona przez roboty.

Firmy zwiększą również produktywność, a także wzmocnią i wesprą swoich pracowników w poprawie wydajności, korzystając z aplikacji AI. Dobrym przykładem jest sztuczna inteligencja wykorzystywana w komunikatorach. Kiedyś chodziło o odbieranie telefonu i pomaganie klientom, odpowiadanie na pytania, przeprowadzanie szkoleń i tak dalej. Dzisiaj algorytmy mogą odbierać połączenia telefoniczne i zapewniać całodobową, nieprzerwaną obsługę klienta. 

Sztuczna inteligencja zmniejsza, niweluje ingerencję człowieka i naraża społeczeństwo na nowe wyzwania, takie jak odpowiadanie na wyższe zapotrzebowanie na bardziej wykwalifikowaną siłę roboczą. Poza tym obniża koszty związane z powtarzalnymi zadaniami. Oznacza to, że pracownicy mają więcej czasu i możliwości rozwijania nowych umiejętności i zdobywania kwalifikacji do wykonywania zadań o większej wartości.

Według raportu Światowego Forum Ekonomicznego do 2025 roku 85 milionów miejsc pracy można zastąpić maszynami i oprogramowaniem napędzanym sztuczną inteligencją. Choć może to wydawać się szokującą statystyką, ten sam raport stwierdza, że ​​sztuczna inteligencja stworzy 97 milionów nowych miejsc pracy do 2025 roku. Mamy więc do czynienia ze zmianą strukturalną, którą społeczeństwo może wykorzystać.

Korzyści ze sztucznej inteligencji dla społeczeństwa są ogromne

Pogrupowałem przypadki użycia sztucznej inteligencji w kilka obszarów, w oparciu o moje projekty dla klientów, badania i rozmowy z menedżerami najwyższego szczebla, głównie moimi klientami. 

Istnieje wiele różnych przykładów, w których sztuczna inteligencja może odgrywać ważną rolę w reagowaniu kryzysowym na wczesne wykrywanie uszkodzeń roślin i poprawianie plonów w małych gospodarstwach. Biznes i nauka mogą zastosować sztuczną inteligencję w sektorze finansowym, służbie zdrowia i wielu innych. Sztuczna inteligencja to jedyna w swoim rodzaju technologia, która może być skalowana w różnych branżach (poziomo), wewnątrz branży (w pionie), może być oferowana jako usługa (AIasS) lub instalowana w sprzęcie. 

Społeczeństwo może skorzystać z AI w następujących obszarach:

  • Bezpieczeństwo i sprawiedliwość. Wyzwania społeczne obejmują szkody, zapobieganie nadużyciom, śledzenie przestępców i łagodzenie uprzedzeń organów ścigania. Ten rodzaj implementacji sztucznej inteligencji koncentruje się na kwestiach ochrony, ochrony i wymiaru sprawiedliwości w sprawach karnych, takich jak handel ludźmi lub przestępczość narkotykowa. Przykładem jest wykorzystanie sztucznej inteligencji do tworzenia rozwiązań, które pomagają policji w określaniu gorących punktów, w których mają nastąpić przestępstwa.
  • Zarządzanie sektorem publicznym. Projekty związane z wydajnością i efektywną administracją podmiotów publicznych, w tym solidna transparentność i inteligentne zarządzanie finansami. Na przykład urzędnicy mogą wykorzystywać sztuczną inteligencję do identyfikowania oszustw podatkowych przy użyciu alternatywnych punktów danych, takich jak dane z mediów społecznościowych, dane przeglądania i historia płatności detalicznych. Innym przykładem, w którym sztuczna inteligencja może okazać się skuteczna, jest zapewnianie zautomatyzowanych odpowiedzi na pytania za pośrednictwem inteligentnych chatbotów w celu poprawy doświadczeń obywateli z rządem i administracją lokalną. 
  • Infrastruktura. Przeszkody infrastrukturalne, które mogą poprawić zużycie energii, wody i gospodarowanie odpadami, należą do najważniejszych obszarów, które sztuczna inteligencja może poprawić. Na przykład czujniki pogodowe można zoptymalizować za pomocą danych w czasie rzeczywistym i kontrolować kąt paneli słonecznych. Organizacje zarządzające infrastrukturą mogą również wykorzystywać sztuczną inteligencję do predykcyjnego utrzymania farm wiatrowych w celu identyfikacji potencjalnie wadliwych komponentów. 
  • Informacje i walidacja danych. Ten obszar koncentruje się na filtrowaniu lub sprawdzaniu faktów, które mogą wprowadzać w błąd. Pandemia pokazuje, jak ważne może to być dla wskaźnika szczepień. Media społecznościowe i ogólnie Internet mają ogromny wpływ na kształtowanie opinii ludzi.
  • Głód i zdrowie. Rozwiązywanie problemów związanych z głodem dotyczy głównie łańcuchów logistycznych, dystrybucji żywności i dostaw na ostatnim odcinku. Firmy logistyczne mogą wykorzystywać dane do trenowania modeli sztucznej inteligencji, które stają się zdolne do ustalania priorytetów przesyłek. Ponadto, biorąc pod uwagę warunki pogodowe, można przewidzieć miejsca suszy i zająć się niedoborami żywności, zanim to nastąpi. Naukowcy i lekarze wykorzystują sztuczną inteligencję, aby określić, czy określone komórki są rakowe, lub sprawdzić zdjęcia rentgenowskie, aby wykryć choroby. 
  • Równość, integracja i uprzedzenia. To obszerny temat, ponieważ jest uniwersalny. Dobrym przykładem jest dziedzina analityki HR, w której algorytmy uczenia maszynowego grupują kandydatów według potencjalnych pracowników i odrzuconych. Naukowcy wyjaśnili w artykule akademickim,  że na amerykańskim rynku pracy afroamerykańskie nazwiska są dyskryminowane. Z kolei kandydaci o zwyczajowych nazwiskach w społecznościach białych otrzymują więcej oddzwonień do rozmów o pracę. Dzieje się tak, ponieważ algorytmy uczenia maszynowego i głębokiego uczenia zostały oparte na tendencyjnych danych, w których próbki szkoleniowe dla kandydatów białych, które odnoszą sukces, są znacznie większe niż w przypadku kandydatów kolorowych. Sztuczna inteligencja może rozwiązać ten problem, dostarczając rekruterom danych i wykrywając dyskryminację. 
  • Środowisko i dzika przyroda. Sztuczna inteligencja pomaga chronić przyrodę i nasze środowisko, co ma kluczowe znaczenie dla ludzkości. Ciekawym przypadkiem użycia jest sposób, w jaki Narodowa Administracja Oceaniczna i Atmosferyczna monitoruje populacje zagrożonych gatunków na obszarach polarnych, w tym wielorybów bieługi, fok lodowych i niedźwiedzi polarnych. Realizują projekt z wykorzystaniem samolotów wyposażonych w kamery. Innym dobrym przykładem jest WildTrack. Jest to narzędzie do nieinwazyjnego śledzenia zagrożonych gatunków poprzez cyfrowe zdjęcia odcisków stóp. Naukowcy analizują pomiary z tych obrazów i identyfikują gatunek, osobnika, płeć i klasę wiekową. 

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

.

Jaka jest nasza rola w świecie opartym na sztucznej inteligencji? Jak możemy przynieść społeczeństwu więcej korzyści związanych ze sztuczną inteligencją?

Edukacja

Maszyny potrafią naśladować wiele rzeczy, ale nie wiedzą, jak „coś” tworzyć. Na przykład, jeśli piszę piosenkę, mogę zorientować się, jakie to uczucie, gdyby ludzie usłyszeli tę piosenkę, czytając moje własne słowa. Albo jeśli napiszę książkę, zobaczę, czy jest wystarczająco zabawna. Maszyny (algorytmy) tego nie potrafią. Zasadniczo sztuczna inteligencja może uczyć się powierzchownie, ucząc się trzech milionów najlepiej sprzedających się piosenek i trzech milionów nieudanych utworów. Sztuczna inteligencja próbowałaby nauczyć się konkretnej rzeczy i zaproponować zmianę. Ale to nie to samo, co stwierdzenie, czy ludziom spodoba się ta piosenka. Maszyna nie uważa tego za zabawę. Myślę, że w bardziej złożonych układach relacji międzyludzkich mamy tę przewagę. To jest moim zdaniem sedno tego, co musimy zrobić, aby sztuczna inteligencja była pomocna dla społeczeństwa. Ponieważ nie może czuć, okazywać empatii i osądzać tak wielu rzeczy, musimy upewnić się, że sztuczna inteligencja jest właściwie wprowadzona do społeczeństwa. 

Musimy upewnić się, że ludzie rozumieją, jak działa sztuczna inteligencja. Finlandia uruchomiła bezpłatny kurs online ze sztucznej inteligencji, aby edukować swoich obywateli na temat uczenia maszynowego, głębokiego uczenia i nie tylko. Unia Europejska wprowadza to samo dla swoich obywateli. 

W wielu krajach sztuczna inteligencja jest uważana za zagrożenie i moim zdaniem, jeśli dostępnych jest więcej kursów i szkoleń, pomoże to zrozumieć jakie korzyści przyniesie sztuczna inteligencja.

Narody inaczej postrzegają sztuczną inteligencję.
Narody inaczej postrzegają sztuczną inteligencję.

Ta zdolność do wykorzystywania sztucznej inteligencji do odkrywania została rozszerzona nie tylko dzięki ogromnemu wzrostowi danych cyfrowych i dostępnej mocy obliczeniowej, ale także dzięki innowacjom w algorytmach uczenia maszynowgo i uczenia głębokiego. Rzecz w tym, że sztuczna inteligencja jest wszędzie. Jest wbudowana w samochody, zegarki, kuchenki mikrofalowe i wiertarki elektryczne. Dobrze, jeśli ludzie rozumieją, co to znaczy, że istnieje sztuczna inteligencja. Jakie możemy mieć oczekiwania. Dlaczego ochrona naszych danych jest niezbędna, aby sztuczna inteligencja mogła zmaksymalizować wydajność produktu. 

Normy

Wiele krajów opublikowało krajowe strategie sztucznej inteligencji i inicjatywy polityczne, które zwykle starają się zapewnić pozycję lidera w sztucznej inteligencji. Strategia i inicjatywy wyznaczają aspiracje i cele, które oczekują wspólnego działania wszystkich interesariuszy. Rolą rządów jest często organizowanie konferencji i pomocników. Firmy starają się prowadzić prace badawczo-rozwojowe i maksymalizować zwrot z inwestycji. Organizacje charytatywne i inne oczekują bezpłatnego dostępu do rekomendacji i innych wyników w celu optymalizacji ich działalności i procesów. Standard prowadzenia prac badawczo-rozwojowych nad sztuczną inteligencją może pomóc wszystkim stronom zsynchronizować swoje wysiłki, właściwie wykorzystać fundusze i dzielić się wynikami. Kraje muszą dbać o swoich obywateli, ponieważ sztuczna inteligencja jest wszędzie; ustalając standardy, przywódcy polityczni maksymalizują korzyści. Sztuczna inteligencja może przynieść różne wyniki, wzmocnić wybrane branże. Potrzebuje priorytetów, ponieważ szkolenie modeli sztucznej inteligencji do robienia wszystkiego jest kosztowne. Z tego powodu standardy mają kluczowe znaczenie, ponieważ wyznaczają kierunki dla wszystkich ważnych graczy. 

Ochrona danych

Wpływ big data jest powszechnie opisywany w kategoriach objętość, różnorodność i prędkość. Co więcej, dzięki dobrej jakości dane sprawiają, że analiza jest bardziej atrakcyjna i bardziej szczegółowa. Różnorodność przyczynia się do tej mocy i umożliwia nowe i nieprzewidziane wnioski i prognozy. prędkość wzbogaca badania, a także udostępnianie w czasie rzeczywistym. Przepływ danych z telefonów komórkowych i innych urządzeń zwiększa ilość, różnorodność i prędkość informacji na temat każdego wymiaru naszego życia i stawia prywatność w centrum uwagi jako problem globalny. .

Oprogramowanie do rozpoznawania twarzy umożliwia podgląd pojawiających się problemów związanych z prywatnością. Dzięki bogatym bazom danych zdjęć cyfrowych dostępnych za pośrednictwem mediów społecznościowych, stron internetowych, praw jazdy, kamer monitorujących i innych źródeł, maszynowe rozpoznawanie twarzy szybko stało się podstawą do rozpoznawania pojedynczych ludzi. Pomysł stał się niezbędnym elementem całej układanki danych (np. w walce z terroyzmem).

Rozpoznawanie twarzy to tylko przykład. Za każdym razem, gdy w coś klikamy, wypełniamy formularz, nagrywamy wideo i przesyłamy je na youtube, zasilamy algorytmy, które następnie mogą „przeżuwać” nasze dane. Księgarnie Amazon „proszą” o zrobienie zdjęcia okładki książki, aby poznać cenę . 

Jeśli twórcy oprogramowania wykorzystują dane osobowe do tworzenia technologii sztucznej inteligencji bez uprzedniego zbierania zgody, należy zrobić wszystko, aby jeszcze bardziej umożliwić osobom zrozumienie i kontrolowanie sposobu wykorzystywania ich danych. 

Stronniczość

Społeczna stronniczość AI ma miejsce, gdy sztuczna inteligencja działa w sposób, który ujawnia nietolerancję społeczną lub dyskryminację instytucjonalną. Na pierwszy rzut oka algorytmy i dane uczenia maszynowego lub głębokiego uczenia się mogą wydawać się bezstronne, ale ich wyniki wzmacniają uprzedzenia społeczne. Błędy w sztucznej inteligencji są trudne do zidentyfikowania i upolowania. Dobrym przykładem jest  niedawna analiza  debaty komentatorów sportowych na temat białych i czarnoskórych sportowców. Autorzy zauważyli, że komentatorzy, mówiąc o białych sportowcach, skupiali się na ciężkiej pracy i talencie w przypadków graczy czarnoskórych mówiono o szczęściu lub wrodzonych umiejętnościach.

Gracze futbolu amerykańskiego.  Źródło: CollegeConsensus
Gracze futbolu amerykańskiego. Źródło: CollegeConsensus

Autorzy badania przeanalizowali ponad tysiąc transmisji gier sprzed dziesięcioleci, aby zrozumieć różne przykłady komunikacji rasowej. Okazało się, że jest ich mnóstwo. Czarnoskórzy zawodnicy częściej byli nazywani po imieniu, a biali sportowcy po nazwisku. Komentatorzy opisywali graczy czarnoskórych pod względem ich „naturalnych talentów” i cech fizycznych („bestia”) oraz białoskórych graczy pod kątem ich wydajności i intelektu („inteligentny”).

Stronniczość AI to anomalia w wynikach algorytmów uczenia maszynowego. Może to być spowodowane założeniami dyskryminacyjnymi przyjętymi podczas procesu opracowywania algorytmu danych uczących. Sytuacja rodzi istotną kwestię: kluczowe jest zrozumienie, w jaki sposób algorytmy sztucznej inteligencji podejmują decyzje, jakie są ich czynniki wejściowe i jaki mają wpływ na wynik. 

Wniosek

Sztuczna inteligencja może zdziałać wiele dobrego na świecie, ale to, czy to zrobi, zależy od tego, w jaki sposób wykorzystamy i zbudujemy te technologie. Niefortunna prawda jest taka, że ​​dane osobowe stały się ważnymi elementami do tworzenia wielu rozwiązań opartych na sztucznej inteligencji. Należy więcej przemyśleć i zbadać, w jaki sposób te dane osobowe są odpowiednio chronione i zabezpieczone. 

Wykorzystywanie danych osobowych do opracowywania technologii sztucznej inteligencji wymaga ponownego przeanalizowania istniejących zasad i ram prawnych i etycznych w odniesieniu do stanu faktycznego danego projektu badawczego. 

Wówczas należy podjąć starania, aby dołożyć wszelkich starań, aby chronić osoby, których dane osobowe są wykorzystywane do opracowywania technologii opartych na sztucznej inteligencji. Osiąga się to poprzez ocenę wartości technologii AI, wzmocnienie pozycji tych osób oraz ustanowienie bezpiecznej i zdrowej architektury danych w celu stworzenia technologii AI. Wszystko to należy zrobić, aby zmaksymalizować liczbę korzyści, jakie sztuczna inteligencja przynosi społeczeństwu.

Z czego powinna składać się mapa rozwoju produktów opartych na sztucznej inteligencji?

sztuczna-inteligencja-losowanie

Szukasz elementów, które powinny zostać uwzględnione w Twojej mapie drogowej produktu opartej na sztucznej inteligencji? Czy wiesz jak budować i wprowadzać na rynek produkt?

W tym artykule opiszemy, jakie konkretne komponenty muszą wziąć pod uwagę menedżerowie produktu podczas pracy nad produktami opartymi na sztucznej inteligencji.

Spis treści

A. Wprowadzenie

— 1 Czym jest product roadmap (definicja)?

B . Jak wpisać sztuczną inteligencję w roadmap produktu

— 1. Zrozum potrzeby klientów, które sztuczna inteligencja może rozwiązać lepiej niż tradycyjne metody

— 2. Sformułuj hipotezę problemu, który ma znaczenie dla sztucznej inteligencji

— 3. Jak przygotować odpowiedni zestaw danych do zbudowania i wprowadzenia produktu na rynek?

— 4. Bądź świadomy zagrożeń i wyzwań, ale nie pozwól im powstrzymać się przed eksperymentowaniem.

— 5. Nigdy nie przestawaj iterować (usprawniać); w przeciwnym razie twój algorytm nie będzie się ulepszał.

Sztuczna inteligencja (AI) przeniknęła niemal każdą sferę naszego życia. Jest to ukryta siła sugerująca najlepszą ofertę na Amazon i podpowiadająca co oglądać na Netflix lub jak korzystać z laptopa Dell. 

Sztuczna inteligencja to czarodziej, który za kulisami automatyzuje nasze najbardziej ręczne zadania i sprawia, że ​​nasza interakcja z produktami jest przyjemniejsza. Zbudowanie produktu opartego na sztucznej inteligencji wymaga innego podejścia niż budowa produktów, które nie wykorzystują inteligentnych algorytmów.

Mapa drogowa produktu (product roadmap) to dokument strategiczny, graf lub jakakolwiek inna forma dokumentu, który odwzorowuje etapy rozwoju produktu, w tym wejścia i wyjścia, które są niezbędne do zapewnienia przez produkt wartości. 

Głównym celem mapy drogowej produktu jest dopasowanie wizji produktu do celów biznesowych firmy.

Co należy wziąć pod uwagę tworząc lub ulepszając produkt wykorzystujący sztuczną inteligencję

Tworząc lub ulepszając produkt wykorzystujący sztuczną inteligencję, należy wziąć pod uwagę kilka dodatkowych elementów, które należy umieścić w planie działania. Tutaj są:

1. Zrozum potrzeby klientów, które AI może rozwiązać lepiej niż tradycyjne metody

Menedżerowie produktu muszą zawsze najpierw zrozumieć problem (usunąć przyczynę niewygody klienta), który chcą rozwiązać dla klientów. Zacznij od unikania błędu popełnianego przez wiele firm, startupów i zespołów produktowych: nie traktuj sztucznej inteligencji (uczenia maszynowego, sieci neuronowych i data science) jako rozwiązania z definicji. Najpierw przejdź do poznania istoty problemu, który chcesz rozwiązać.

Wszystko zaczyna się od klienta i niedogodności, jaki Twój produkt usunie dla Twojej grupy klientów czy niszy. Sztuczna inteligencja jest tylko tak dobra, jak bardzo może wyeliminować (zautomatyzować) problemy skuteczniej niż klasyczna inżynieria oprogramowania.

Ponieważ produkty oparte na sztucznej inteligencji polegają na podejmowaniu decyzji i dostarczaniu wyników (konwertowanie danych wejściowych na dane wyjściowe szybciej, mądrzej z elementem samo uczenia się), polecam zacząć od zmapowania problemów klientów i przeanalizowania, w jaki sposób proces usuwania niedogodności można zautomatyzować.

Twoi menedżerowie produktu powinni katalogować decyzje, które Twoi klienci muszą wykonać ręcznie (na przykład, aby wyszukać informacji o numerze rejestracyjnym pojazdu ręcznie, proces można zautomatyzować dyktując numer głosowo lub głosowo opisując szukany pojazd).

Poszukiwania i katalogowania nie wykonuj w domu, przeprowadzaj eksperymenty poza biurem i rozmawiaj z klientami, aby dowiedzieć się, jakie niedogodności są najbardziej uciążliwe.

Pomyśl także o decyzjach, których aktualnie nie podejmują Twoi klienci docelowi lub o problemach, których nie dostrzegają użytkownicy końcowi. Te badania doprowadzą Cię do zorientowanego na produkt zrozumienia możliwości sztucznej inteligencji, a szansa ta będzie płynąć bezpośrednio od klientów, a nie od najmądrzejszych inżynierów lub kadry kierowniczej wyższego szczebla. Chodzi mi o to, że Twój produkt od samego początku będzie zorientowany na klienta, a nie na pracowników, menedżerów czy inne osoby z Twojej organizacji.

Sztuczna inteligencja rzeczywiście zautomatyzuje najbardziej powtarzalne zadania i na tym polega jej moc. Dodatkowo, będzie się uczyć i stawać dokładniejsza w miarę rozwiązywania problemów Twoich klientów.

Pamiętaj, że sztuczna inteligencja nie może wszystkiego zautomatyzować. Na przykład, aby przeanalizować wybrany rynek i napisać 130-stronicowy raport, człowiek może to zrobić ręcznie. System sztucznej inteligencji do przeprowadzenia badań rynkowych i stworzenia rozszerzonego raportu rynkowego nie jest odpowiedni. Nie będzie potrafił przeprowadzić badań i wyciągnąć z nich wniosków, ale już napisanie raportu będzie możliwe.

2. Sformułuj hipotezę problemu, który ma znaczenie dla AI

Dla każdego z problemów klienta zidentyfikowanych w poprzednim kroku sformułuj i udokumentuj hipotezę, która będzie testowana. 

Ogólnie rzecz biorąc, twoja hipoteza będzie zawierała następujące elementy:

  1. Zidentyfikowany  problem / dyskomfort  (np. użytkownik aplikacji spędza zbyt dużo czasu na przewijaniu strony z wynikami wyszukiwania)
    • Oczekiwany  efekt  (np. skrócenie czasu potrzebnego na przewijanie). 
  2. Wskaźniki sukcesu  
    • Czas wyszukiwania (np. zrobienie zdjęcie przedmiotu, aby doprecyzować listę wyszukiwania)
  3. Wzrost biznesu, jaki powinien przynieść produkt lub usługa wykorzystująca sztuczną inteligencję  (np. Amazon Brick&Mortar Stores „chcą”, abyś zrobił zdjęcie produktu, aby poznać jego cenę ( mój post na ten temat ). Pomaga to firmie przekonywać użytkowników do wykonywania zdjęć, ale także poszerzać bazę zdjęć, które firma wykorzystuje do trenowania algorytmów sztucznej inteligencji.

Wykorzystuj proces, aby upewnić się, że w mapie rozwoju produktu jest miejsce na sztuczną inteligencję

Proszę przeczytaj dokładnie to zdanie.

Wierzymy, że  [ stworzenie tej funkcji] dla tych klientów/użytkowników końcowych przyniesie  [usunie problem poprzez automatyzację zadania] . Będziemy wiedzieć, że produkt zapewnia wartość  [wskaźniki sukcesu] .

Tak wiem to zdanie brzmi dziwnie, ale w gruncie rzeczy jest bardzo przydatną metodą poszukiwania, czy w Twoim produkcie cyfrowym jest miejsce na wdrożenie sztucznej inteligencji. Jeśli zidentyfikujesz wysiłek jaki klient musi w coś włożyć, aby otrzymać efekt, masz już fazę PAIN (rysunek poniżej)

Następnie trzeba zastanowić się nad wartością jaką produkt ma dostarczyć. W rzeczywistości jest to pytanie o to jaki dyskomfort produkt wyeliminuje. Dopiero teraz jest etap budowania funkcjonalności (Feature). Natomiast wciąż należy odpowiedzieć sobie na pytanie, jaki wzrost biznesu ma przynieść ten produkt. Czy ma to być: akwizycja użytkowników, powrót użytkowników do korzystania z produktu czy może wywołanie efektu sieciowego. Oczywiście jednym z możliwych rezultatów jest wzrost przychodów, revenue.

Rysunek 1 :: Proces poszukiwania miejsca dla sztucznej inteligencji w konstruowaniu roadmapy produktów cyfrowych

3. Jak przygotować odpowiedni zestaw danych do zaoferowania funkcji w produkcie?

Średnio 80% czasu, jaki większość zespołów spędza w projektach sztucznej inteligencji to pozyskiwanie i przygotowywanie danych. W większości przypadków przygotowanie danych oznacza:

  1. Identyfikację danych, które będą wymagane w projekcie (np. możesz indeksować zdjęcia samochodów, aby wytrenować algorytmy rozpoznawania marek samochodów)
  2. Określenie dostępności danych i zdefiniowania z jakich źródeł mogą one pochodzić (np. możesz zbudować strategiczne partnerstwo i pozyskać dane od partnerów)
  3. Profilowanie danych
  4. Integracja danych
  5. Oczyszczanie i uzupełnianie danych
  6. Przygotowanie stosu danych do trenowania algorytmów

Jeśli nie możesz zbudować zestawu danych do uczenia algorytmów, projekt zakończy się niepowodzeniem. Rekomenduję nie uruchamiać projektu, jeśli dane i proces ich przygotowywania nie przeszedł przez wyżej opisane kroki.

Powodem tego jest to, że nie będziesz w stanie zautomatyzować zadania, które wcześniej zdefiniowałeś jako ból / problem trapiący Twojego klienta. 

Na przykład Twój zespół marketingowy poinformuje klienta (przykład z jednego z moich projektów):

„Teraz możesz zrobić zdjęcie odzieży i szybko znaleźć je w naszym sklepie”. Twoja aplikacja oparta na sztucznej inteligencji rozpozna spodnie, dżinsy, piżamy, koszule, spódnice, ale nie rozpozna zegarków i torebek. Jeśli nie masz zestawu danych dla zegarków i torebek, nie możesz ich rozpoznawać — dane wpływają na to, co możesz dostarczyć. To z kolei definiuje skuteczność w konwersji, retencji i monetyzacji.

Produkty lub usługi oparte na sztucznej inteligencji nie mogą być tworzone bez „czystych”, poprawnych i ustrukturyzowanych danych. 

Tutaj przygotowałem trzy najczęstsze wyzwania w uzyskaniu dobrego zestawu danych:

  • Dane są zarządzane gromadzone w wielu formatach i przechowywane w różnych typach baz danych. Trudność polega na braku jednego zunifikowanego do jednego miejsca, z którego można pobierać te dane.
  • Brak kategoryzacji sprawia, że ​​dane nie mają znaczenia dla uczenia maszynowego. Jeśli nie ma wzorców, których algorytm uczenia maszynowego miałby się uczyć z tych danych, nie ma rozwiązania do zbudowania; nazywa się to danymi nieustrukturyzowanymi – stos punktów danych bez wyjaśnienia, co reprezentują lub do czego są dopasowane. 
  • Brakujące lub niekompletne dane, które w niektórych przypadkach nie oferują informacji dostępnych dla wszystkich parametrów (np. znamy wiek osób, ale nie znamy kraju ich pochodzenia we wszystkich przypadkach), podczas gdy w innych wystąpieniach w tym samym zestawie danych brakuje określonych parametrów. Te niespójności skutkują błędnym uczeniem się, co ostatecznie prowadzi do nieudanych rozwiązań lub niespójnych wyników.

Produkty oparte na sztucznej inteligencji wymagają kompletnych i czystych zestawów danych dla właściwego trenowania modeli. Dlatego tak ważne jest, aby opracować obszerny zakres danych potrzebnych do stworzenia takiego portfolio dla konkretnego przypadku biznesowego. Jeśli firma ma gotowy ten zestaw, świetnie, jeśli nie, powinna poświęcić czas na zdefiniowanie, wyczyszczenie i przygotowanie odpowiednich zestawów danych. 

Istnieje wiele źródeł danych, w tym publiczne interfejsy API, partnerstwa strategiczne, czy różne bazy danych, które można kupić. Najlepsze firmy udostępniają produkty, zwykle bezpłatnie, w celu zbierania danych od użytkowników końcowych. Jednym z najlepszych przykładów jest Google Map lub aplikacja Kindle. 

Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:

.

4. Bądź świadomy zagrożeń i wyzwań, ale nie pozwól im powstrzymać się od eksperymentowania i iteracji

Produkty wykorzystujące sztuczną inteligencję i ich rozwój napotyka na inne wyzwania i przeszkody niż budowa i tworzenie produktów w których sztucznej inteligencji nie ma. 

Aby zrealizować plan działania produktu, musisz zmierzyć się z tymi zagrożeniami:

  • Zwróć uwagę na różne rodzaje nieprawidłowości, które mogą mieć wpływ na Twój model. Oto doskonały zestaw błędów skatalogowanych przez Google.
  • Należy pamiętać, że błędne rekomendacje w interfejsie użytkownika mogą narazić cały projekt na ryzyko. Zawsze upewnij się, że zmiana, którą chcesz wprowadzić, pochodzi od użytkowników, prawdziwych klientów lub społeczności, dla której tworzysz produkt. Powinien to być rozwój zorientowany na klienta, ponieważ każda zmiana może znacznie wpłynąć na skuteczność działania sztucznej inteligencji. Na przykład, jeśli chcesz rozpoznać angielski specyficzny dla wąskiej grupy (np. slang pracowników wież wiertniczych i rafinerii), powinieneś wiedzieć, że zadanie pytania do urządzenia Alexa przez taką osobę może wywołać zupełnie inny wynik. Identycznie jeśli wędkarz zapyta o pogodę, zapyta o nią inaczej aniżeli ktoś kto chce surfować na desce. Większość produktów sztucznej inteligencji upada z powodu nieadekwatnych danych i bardzo niskiej jakości wyników końcowych.
  • Bądź w pełni świadomy wpływu wszelkich zalecanych zmian i zawsze wykorzystuj opinie klientów. Sięgaj do działu skarg i zażaleń, aby uczyć się, co nie działa, co sprawia wyjątkowy trud Twoim użytkownikom.
  • Zbieranie i analizowanie zbyt dużej ilości danych o użytkownikach bez wymiernych korzyści może spowodować, że użytkownik porzuci Twój produkt (wzrost rezygnacji). Zapewnij swoim klientom wartość tak wcześnie, jak to możliwe, zanim poprosisz ich o więcej do zrobienia. Aplikacja Buffer chce, abyś planował coraz więcej kampanii w mediach społecznościowych i wystarczy, że się zalogujesz i podłączysz swój Instagram i Facebook. To już wystarczy Bufferowi, aby analizować Twoją pracę i proponować skuteczne usprawnienia w kampaniach. Pamiętaj, aby poprosić klientów tylko o to, co niezbędne. Następnie musisz zachęcać skutecznymi rekomendacjami a nie prośbą o jeszcze większą ilość danych.
  • Pomaga, jeśli masz odpowiednie środki ostrożności w zakresie bezpieczeństwa i prywatności za każdym razem, gdy Twój model zawiera lub opiera się na danych osobowych. Zwłaszcza w Europie, gdzie RODO jest silne i jego nieprzestrzeganie może skutkować sankcjami dla Twojej firmy.

5. Nigdy nie przestawaj iterować

Gdy Twój zespół wdroży model, kontynuuj iterację i ulepszaj go. Niestety to się nigdy nie kończy. Amazon chce, abyś robił zdjęcia książek w ich fizycznych księgarniach, ponieważ każdy obraz trenuje algorytmy sztucznej inteligencji Amazona. Inżynierowie chcą, abyś „personalizował zakupy” w aplikacji mobilnej Amazon, ponieważ każde zdjęcie czyni ich algorytm mądrzejszym. Amazon stale iteruje. Ty też powinieneś. 

Myślę, że od 60-80% pracy następuje po dostarczeniu pierwszej wersji produktu (modeli) opartego na sztucznej inteligencji do rynku, czyli do klientów. 

Bez klientów nie można sprawić, by algorytmy były mądrzejsze. 

Ta praca obejmuje ulepszanie modelu, a także dodawanie nowych funkcji do modelu w miarę pojawiania się większej ilości danych.

Wniosek

Produkt jest źródłem przychodów lub/i danych dla wielu firm. Bez roadmapy rozwoju opartej o zarządzanie danymi, bez względu na to, jak dojrzały jest produkt, w końcu upadnie.

To sprawia, że ​​mapa drogowa produktu (product roadmap) jest niezastąpionym narzędziem dla każdego zespołu zajmującego się rozwojem produktu. Sztuczna inteligencja daje masowo skalowalne rozwiązania. Czasochłonne w budowaniu produkty, a takimi są bez wątpienia te oparte o sztuczną inteligencję, wymagają jasnych definicji celów opartych na opiniach klientów.