Sztuczna inteligencja i łańcuch dostaw: redukcja churn

Sztuczna inteligencja ma transformacyjny wpływ na łańcuch dostaw. Dzięki automatyzacji różnych procesów i zwiększeniu wydajności firmy odnotowują zmniejszenie współczynnika churn. Jednym z kluczowych sposobów, w jaki sztuczna inteligencja ogranicza odpływ klientów (churn), jest zwiększenie przejrzystości w całym łańcuchu dostaw. Ta przejrzystość pozwala firmom wcześnie identyfikować potencjalne problemy i podejmować działania naprawcze, zanim spowodują one poważne zakłócenia. Ponadto sztuczna inteligencja pomaga firmom lepiej prognozować popyt, co zmniejsza potrzebę wprowadzania zmian w ostatniej chwili, które często mogą prowadzić do niezadowolenia klientów. Ponieważ sztuczna inteligencja wciąż się rozwija, możemy spodziewać się jeszcze większej liczby ulepszeń w łańcuchu dostaw, które jeszcze bardziej zmniejszą współczynnik churn dla firm. Jak widać poniżej, AI jest już jednym z trzech głównych rodzajów zaawansowanej analityki wykorzystywanej do podejmowania lepszych decyzji w procesach łańcucha dostaw.

No alt text provided for this image

Prognozowanie popytu usprawnia zarządzanie podażą i popytem

Dokładne przewidywanie zapotrzebowania klientów jest kluczowym czynnikiem sukcesu każdej firmy, a stawka jest szczególnie wysoka w świecie zarządzania łańcuchem dostaw. W końcu, jeśli firma nie może przewidzieć, na jaki produkt będzie popyt, ryzykuje, że utknie z nadmiarem zapasów lub straci na sprzedaży z powodu niedoborów zapasów.

W ostatnich latach sztuczna inteligencja stała się potężnym narzędziem do prognozowania popytu. Wykorzystując sztuczną inteligencję, firmy mogą dokładniej przewidywać wzorce zachowań klientów, przewidywać zmiany popytu i optymalizować poziomy zapasów w czasie rzeczywistym. W rezultacie prognozowanie popytu oparte na sztucznej inteligencji staje się istotną częścią zarządzania łańcuchem dostaw dla wielu firm. Nie tylko pomaga firmom uniknąć kosztownych błędów, które mogą wynikać z niedokładnych prognoz, ale także umożliwia im proaktywne reagowanie na wahania popytu i utrzymywanie na półkach produktów potrzebnych klientom.

Firma o nazwie Blue Yonder używa sztucznej inteligencji, aby pomóc firmom w prognozowaniu popytu i osiągnęła imponujące wyniki. Jeden klient, duża sieć sklepów spożywczych w Europie, był w stanie obniżyć koszty zapasów o 20% i braki zapasów o 60% po wdrożeniu rozwiązania AI firmy Blue Yonder. Rozwiązanie zawiera funkcję, która wykorzystuje uczenie maszynowe do automatycznego identyfikowania wzorców zachowań klientów i prognozowania przyszłego popytu. W rezultacie sieć sklepów spożywczych była w stanie zapełnić półki odpowiednimi produktami we właściwym czasie, co przełożyło się na zadowolenie klientów i ograniczenie rezygnacji.

Optymalizacja tras i logistyki dostaw

Sztuczna inteligencja odgrywa coraz ważniejszą rolę w świecie logistyki i zarządzania łańcuchem dostaw. Optymalizując wydajność tras i logistykę dostaw, sztuczna inteligencja pomaga obniżyć koszty i poprawić zadowolenie klientów. W szczególności oprogramowanie obsługujące sztuczną inteligencję jest w stanie uczyć się na podstawie danych historycznych, aby identyfikować wzorce zachowań klientów. Ta analiza pozwala firmom przewidywać potrzeby i preferencje klientów, co może prowadzić do poprawy efektywności wyznaczania tras i skrócenia czasu dostawy.

Ponadto sztuczna inteligencja może pomóc w identyfikacji obszarów łańcucha dostaw, które są podatne na zmiany. Identyfikując te obszary, firmy mogą podjąć kroki w celu zapobiegania zakłóceniom lub ich łagodzenia, zapewniając płynniejszy i wydajniejszy łańcuch dostaw. Ostatecznie sztuczna inteligencja zapewnia znaczące korzyści firmom, które polegają na wydajnej logistyce dostaw. Według badania przeprowadzonego przez McKinsey, pomyślne wdrożenie zarządzania łańcuchem dostaw z wykorzystaniem sztucznej inteligencji umożliwiło wczesnym użytkownikom obniżenie kosztów logistyki o 15 procent.

Jedną z firm, która wykorzystuje sztuczną inteligencję do usprawnienia logistyki dostaw, jest UPS. Firma opracowała platformę sztucznej inteligencji o nazwie ORION, co oznacza On-Road Integrated Optimization and Navigation. ORION wykorzystuje dane z urządzeń GPS, prognozy pogody i warunki drogowe, aby zaplanować najbardziej efektywną trasę dla kierowców UPS. Dzięki zastosowaniu ORION, UPS był w stanie zmniejszyć zużycie paliwa o ponad 10 milionów galonów rocznie. Ponadto firma ograniczyła emisję dwutlenku węgla o 100 000 ton metrycznych rocznie.

Uczenie maszynowe poprawia zdrowie i żywotność pojazdów transportowych

Ponieważ sztuczna inteligencja i uczenie maszynowe stają się coraz bardziej zaawansowane, mają również pozytywny wpływ na zdrowie i żywotność pojazdów transportowych. W przeszłości zakłócenia i zmiany w łańcuchu dostaw były dwoma największymi wyzwaniami stojącymi przed firmami transportowymi. W rzeczywistości firmy borykają się dziś z ogromnymi problemami w łańcuchu dostaw z powodu nieoczekiwanego popytu spowodowanego przez COVID-19.

Wykorzystując uczenie maszynowe do przewidywania popytu i optymalizacji tras, sztuczna inteligencja pomaga zmniejszyć te zakłócenia i poprawić wydajność sieci transportowych. Ponadto uczenie maszynowe jest również wykorzystywane do diagnozowania problemów z pojazdami przed ich wystąpieniem, co znacznie zmniejsza potrzebę napraw i przestojów. W rezultacie sztuczna inteligencja odgrywa kluczową rolę w poprawie stanu technicznego i żywotności pojazdów transportowych.

Sztuczna inteligencja dostarcza informacji, które zwiększają wydajność i rentowność łańcucha dostaw

Wykorzystanie sztucznej inteligencji w łańcuchu dostaw dostarcza firmom informacji, które prowadzą do zwiększenia wydajności i rentowności. W szczególności sztuczna inteligencja jest wykorzystywana do poprawy prognozowania popytu, identyfikowania problemów, zapewniania aktualizacji w czasie rzeczywistym, wspomagania produkcji i kontroli jakości. W rezultacie firmy są w stanie obniżyć koszty, poprawić satysfakcję klientów i zwiększyć zyski. W przyszłości sztuczna inteligencja będzie nadal odgrywać kluczową rolę w łańcuchu dostaw, dostarczając firmom informacji potrzebnych do rozwoju. Poniższy wykres przedstawia różne spostrzeżenia, które sztuczna inteligencja oferuje w celu zwiększenia wydajności i rentowności w łańcuchu dostaw.

No alt text provided for this image

Ogólnie rzecz biorąc, spostrzeżenia i pomoc, jaką sztuczna inteligencja oferuje w łańcuchu dostaw, mogą pomóc firmom obniżyć koszty, poprawić zadowolenie klientów i zwiększyć zyski. Wraz ze wzrostem zadowolenia klientów spadają wskaźniki churn dla firm.

Amazon jest doskonałym przykładem ograniczania rezygnacji z AI w łańcuchu dostaw. W 2017 roku Amazon ogłosił, że Prime Air – jego usługa dostawy dronem – dostarczyła swoją pierwszą paczkę do klienta w Wielkiej Brytanii. Klient otrzymał paczkę już po 13 minutach od złożenia zamówienia. Teraz, w 2022 roku, Amazon ma największą sieć łańcucha dostaw i jest w stanie wykorzystać moc sztucznej inteligencji do dostarczania cennych informacji i dostarczania paczek klientom na całym świecie w ciągu kilku dni, a nawet godzin.

Wniosek

Sztuczna inteligencja odgrywa kluczową rolę w poprawie wydajności łańcucha dostaw i zmniejszeniu współczynnika churn przedsiębiorstw. Wykorzystanie sztucznej inteligencji w łańcuchu dostaw zapewnia firmom wgląd i dokładne prognozowanie popytu, które prowadzą do zwiększenia wydajności i rentowności. Ponadto uczenie maszynowe jest również wykorzystywane do diagnozowania problemów z pojazdami przed ich wystąpieniem, co znacznie zmniejsza potrzebę napraw i przestojów. W rezultacie sztuczna inteligencja odgrywa kluczową rolę w poprawie stanu technicznego i żywotności pojazdów transportowych. W przyszłości sztuczna inteligencja będzie nadal odgrywać kluczową rolę w łańcuchu dostaw, dostarczając firmom informacji potrzebnych do rozwoju.

Źródła

Datamation

Tools Group

ERP Solutions

Chatbot i Voicebot a przebudowa modeli biznesowych w służbie zdrowia

Wykorzystanie chatbotów i voicebotów zmienia krajobraz biznesu. Mogą pomóc w obsłudze klienta, marketingu, a nawet zadaniach administracyjnych. Chatbot oferuje opłacalny sposób na zapewnienie komunikacji 24/7, niezbędnej w branży medycznej. Mogą również pomóc zautomatyzować zadania administracyjne, czyniąc ten proces bardziej wydajnym. W tym poście zbadamy, w jaki sposób liderzy instytucji opieki zdrowotnej mogą wykorzystać je w branży opieki zdrowotnej do przeprojektowania modeli biznesowych i poprawy opieki nad pacjentem.

Wykorzystanie chatbotów i voicebotów w ochronie zdrowia – perspektywa ogólna.

Chatbot i boty głosowe mogą pomóc w przeprojektowaniu modeli biznesowych i poprawie wyników leczenia pacjentów. Szpitale, oddziały ratunkowe i gabinety lekarskie mogą wykorzystywać chatboty ze sztuczną inteligencją (AI), aby zapewnić pacjentom spersonalizowaną opiekę, całodobowy dostęp do informacji o ich stanie zdrowia oraz przypomnienia o wizytach i lekach. Voiceboty mogą również ułatwić pacjentom umawianie wizyt i znajdowanie lekarzy. Dzięki wykorzystaniu sztucznej inteligencji chatboty i boty głosowe mogą pomóc zwiększyć zaangażowanie pacjentów, obniżyć koszty i poprawić wyniki.

Istnieją różne cele technologii chatbotów, szczególnie te bardziej wyspecjalizowane. W przeciwieństwie do obietnic wirtualnych asystentów, którzy twierdzą, że wiedzą wszystko, te boty są przeznaczone do specjalistycznych celów, które można łatwiej zautomatyzować. Chatboty i voiceboty to stosunkowo nowe technologie, ale inwestorzy zaczęli je lubić. Ten wykres pokazuje, że branża chatbotów wkracza w swój dojrzały wiek.

No alt text provided for this image

Branża ma receptę na walkę z wyzwaniami związanymi z ciągle rosnącymi wydatkami, różnymi metodami prowadzenia dokumentacji i postrzeganym brakiem zaangażowania pacjentów. Chatboty i boty głosowe rewolucjonizują opiekę zdrowotną, przekształcając problemy w możliwości. Zapewniając szybki i łatwy dostęp do informacji oraz umożliwiając bardziej spersonalizowany i angażujący kanał interakcji, boty napędzane sztuczną inteligencją pomagają podmiotom świadczącym usługi zdrowotne w skutecznym świadczeniu usług i wypełnianiu luki w stosunku do osób potrzebujących pomocy.

W jaki sposób chatboty mogą pomóc w przeprojektowaniu modeli biznesowych?

Chatbot może pomóc podmiotom świadczącym opiekę zdrowotną przeprojektować ich modele biznesowe na kilka sposobów.

Po pierwsze, mogą zautomatyzować zadania administracyjne. Dzięki temu pracownicy służby zdrowia mogą zyskać więcej czasu na przyjmowanie większej liczby pacjentów lub zapewnianie bardziej spersonalizowanej opieki. Świetnym przykładem jest asystent głosowy Suki. Asystent głosowy Suki służy do zbierania i zapisywania notatek oraz rozmów z pacjentami w imieniu lekarzy. Sztuczna inteligencja automatycznie wypełnia elektroniczną dokumentację medyczną (EHR) i obsługuje wprowadzanie danych przez lekarza, dzięki czemu lekarze mogą poświęcić pacjentom więcej czasu. Celem jest poprawa interakcji lekarz-pacjent i zmniejszenie wypalenia zawodowego lekarzy, często związanego z nadmierną pracą administracyjną. Suki mówi, że jego technologia skraca czas, jaki lekarze spędzają na robieniu notatek o 76%. Według danych Suki, ten dodatkowy czas przekłada się na 12% większą liczbę pacjentów i roczny wzrost przychodów o 30 000 USD dla lekarza, który korzysta z tego rozwiązania.

Po drugie, chatboty mogą pomóc zwiększyć zaangażowanie pacjentów. Zapewniając szybki i łatwy dostęp do informacji i przypomnień, chatboty mogą pomóc pacjentom zapanować nad swoim zdrowiem. Jest to szczególnie ważne w przypadku chorób przewlekłych, w przypadku których pacjenci muszą aktywnie zarządzać swoim zdrowiem. Wefight to firma specjalizująca się w tworzeniu wirtualnych asystentów dla pacjentów i ich bliskich. Firma stworzyła chatbota o nazwie VIK. Vik to firma technologiczna zajmująca się pomocą pacjentom z rakiem i chorobami przewlekłymi oraz ich opiekunom poprzez dostarczanie spersonalizowanych wiadomości tekstowych. Odpowiedzi Vik są bardzo zróżnicowane, a pacjenci mogą znaleźć wszystkie istotne, sprawdzone pod względem jakości informacje medyczne, których potrzebują. Vik informuje o nowotworach i innych chorobach przewlekłych (astma, depresja, ból głowy…), metodach leczenia i ich skutkach ubocznych oraz jakości życia poprzez informacje na temat sportu, płodności, seksualności i diety. Zwrot kosztów i prawa pacjenta to tylko kilka dodatkowych praktycznych szczegółów.

Po trzecie, chatboty mogą pomóc obniżyć koszty. Automatyzując zadania i zwiększając zaangażowanie pacjentów, chatboty mogą pomóc świadczeniodawcom zaoszczędzić pieniądze. Firma Babylon Health wyszkoliła swojego chatbota, aby działał jako kontroler objawów na żądanie w ramach NHS w Wielkiej Brytanii. Bot z powodzeniem sklasyfikował 94% pacjentów testowych, którym został przedstawiony w badaniu walidacyjnym, i dopasował decyzje ekspertów w 85% sytuacji. Kolejnym świetnym przykładem, który fundamentalnie zmienia model biznesowy, jest praca w Advanced Analytics. Firma współpracowała z OSF HealthCare w celu przetestowania bota i zbudowania ustandaryzowanych procesów wokół uzyskania zgody na wykorzystanie automatyzacji w ramach EMR.

W przeszłości zadaniem pracowników było codzienne ręczne odwiedzanie witryny firmy ubezpieczeniowej w celu uzyskania aktualizacji dotyczących zatwierdzeń lub odmów uprzedniej autoryzacji lub skierowań. Organizacja poszukiwała lepszych opcji zarządzania tym procesem i skrócenia czasu poświęcanego na zadania administracyjne.

Firma Advanced Analytics była w stanie szybko zaprojektować, zbudować i wdrożyć chatbota, który zautomatyzował ten proces. Chatbot loguje się na stronie firmy ubezpieczeniowej, wyszukuje aktualizacje zgłoszeń, a następnie powiadamia pracowników o wszelkich zmianach.

Jaki jest najlepszy sposób na poprawę zaangażowania pacjentów?

Istnieje wiele sposobów na zwiększenie zaangażowania pacjentów, ale chatboty i boty głosowe to dwie najbardziej obiecujące technologie. Automatyzując zadania i zapewniając łatwy dostęp do informacji, chatboty i boty głosowe mogą pomóc pacjentom zapanować nad swoim zdrowiem. Stały dostęp do danych zdrowotnych w naturalny sposób tworzy pętlę sprzężenia zwrotnego, która jest zawsze żywa. Sztuczna inteligencja w chatbotach i botach głosowych może również uczyć się i ulepszać w miarę upływu czasu, dzięki czemu technologie te stają się bardziej skuteczne w miarę ich częstszego wykorzystywania.

No alt text provided for this image

Ponadto pacjenci chcą wiedzieć więcej, więcej rozumieć i szybciej radzić sobie z szumem informacyjnym. Tak więc chatbot i boty głosowe mogą przebić się przez szum i pomóc pacjentom uzyskać potrzebne informacje. Jednym z najlepszych sposobów na wyciszenie hałasu jest dzielenie się z klientami tylko tym, co ważne. Jednym z ekscytujących przykładów jest dźwignia kontekstu spotkań. W zależności od informacji dostarczonych do jednostki opieki zdrowotnej, boty mogą wywołać wizytę z perspektywy celu. Wyobraźmy sobie, że klient osiąga określony poziom BMI i konieczna jest zmiana diety. Voicebot może natychmiast zadzwonić do pacjenta, zaproponować konkretną dietę i umówić wizytę. Wizyta oparta na kontekście zwiększa zaangażowanie klienta i zapewnia precyzję leczenia.

Fascynującym przykładem jest Nividous, firma programistyczna dostarczająca rozwiązania sztucznej inteligencji. Firma stworzyła rozwiązanie oparte na chatbocie dla znanej organizacji zajmującej się opieką okulistyczną, posiadającej 120 lokalizacji w 10 stanach w Stanach Zjednoczonych. Rozwiązanie pomaga grupie efektywniej zarządzać swoją działalnością, zapewniając pacjentom centralne miejsce do umawiania wizyt i zadawania pytań.

Pacjenci mogą korzystać z botów Nividous RPA z obsługą czatu i głosu, aby wykonywać różne zadania, w tym znajdować najbliższy sklep i umawiać się na wizyty. Pętla informacji zwrotnych jest otwarta, ponieważ klienci mogą stale udostępniać swoje dane, prosić o informacje zwrotne i pozostawać zaangażowani podczas planowania spotkań, analizowania wyników i przygotowywania się do kolejnej wizyty. Firma osiągnęła niezwykłą poprawę, ponad 50% wizyt pacjentów rezerwuje za pośrednictwem chatbotów. Pomaga klinikom okulistycznym zaoszczędzić około 35% etatów wymaganych w call center i zwiększa efektywność procesów o 60%.

Wniosek

Przeprojektowanie modeli biznesowych w opiece zdrowotnej za pomocą chatbot i voicebotów jest możliwe i konieczne, aby wyprzedzić konkurencję. Z pomocą sztucznej inteligencji narzędzia te mogą zapewnić wydajniejszy i skuteczniejszy sposób komunikowania się z pacjentami, lekarzami i pozostałym personelem.

Nieprawdopodobny sojusz obsługi klienta i AI voicebot

Chociaż sztuczna inteligencja i obsługa klienta mogą wydawać się nieprawdopodobnym sojuszem, jest to sojusz, który przeżywa swój rozkwit. To prawda, że ​​automatyzacja przynosi konsumentom zarówno wiele dobrego, jak i złego. Z jednej strony samoobsługa zapewnia wygodę, z drugiej zaś strony, czasami po prostu chcemy porozmawiać z człowiekiem, który wysłucha naszego problemu, zrozumie nasze potrzeby i pomoże znaleźć rozwiązanie. Jednak nie musi to już być wybór albo-albo. AI voicebot napędzane nowoczesną konwersacyjną technologią sztucznej inteligencji – lub wirtualni asystenci, jak są czasami nazywani – znalazły przydatne, skuteczne i opłacalne miejsce w automatyzacji nowoczesnego contact center, zachowując jednocześnie wiele aspektów czynnika ludzkiego. 

Firmy wykorzystują sztuczną inteligencję głosową, aby oferować klientom lepsze doświadczenia w swoich call center. Możesz być zaskoczony, gdy przeczytasz, że głosowa sztuczna inteligencja już teraz ciężko pracuje na całym świecie, oferując całodobowe usługi odbierania połączeń przez 365 dni w roku. Według tego raportu rynek konwersacyjnej sztucznej inteligencji będzie wart ponad 32 miliardy dolarów do 2030 roku. 

Dlaczego firmy wybierają asystentów głosowych

Dlaczego więc firmy decydują się na korzystanie z asystentów głosowych? Głównym powodem jest to, że boty głosowe pomogły skrócić czas oczekiwania na połączenie. Jeśli wszyscy operatorzy są zajęci, boty głosowe mogą nie tylko odebrać połączenie przychodzące, ale także obsłużyć najczęstsze transakcje dzwoniącego, dając dzwoniącemu dostęp do samoobsługi bez kierowania go na kolejny kanał z dala od rozmowy. 

W przypadku centrów kontaktowych zorientowanych na wydajność czas przetrzymania jest kluczowym miernikiem oceny doświadczenia klienta. Obecnie większość centrów kontaktowych określa maksymalny czas wstrzymania połączenia na 8 sekund, zanim wpłynie to negatywnie na odsetek zerwanych połączeń. Szybkość z jaką asystenci głosowi mogą odbierać połączenia, zwłaszcza w godzinach szczytu, czyni z nich atrakcyjne rozwiązanie zapewniające wysoki poziom obsługi klienta. Dodaj do tego szybkie samoobsługowe rozwiązywanie problemów, a Twoje centrum kontaktowe będzie działać bardzo dobrze.

To, że mówi robot, nie oznacza, że ​​rozmowy nie można spersonalizować. Voiceboty mogą korelować rekordy w bazach danych zarządzania relacjami z klientami (CRM), aby witać klientów po imieniu i uzyskiwać dostęp do informacji o ich poprzednich interakcjach. Spersonalizowane roboty głosowe robią więcej niż tylko przywracają element ludzki do ogólnego, wcześniej nagranego wsparcia. Pomaga także oszczędzać czas klientów, zapamiętując ich i ich informacje, gdy dzwonią, co jest kolejną świetną funkcją, którą stosunkowo łatwo wdrożyć za pomocą sztucznej inteligencji głosowej. 

„To, że mówi robot, nie oznacza, że ​​rozmowy nie można spersonalizować”. Technologia syntezy mowy daje teraz sztuczną inteligencję głosową możliwość artykułowania szerokiego zestawu zmiennych, takich jak nazwiska, bez potrzeby – lub kosztu – obszernych bibliotek nagrań. Postępy w syntezie głosu oznaczają również, że mowa głosowa szybko zbliża się do ludzkiego poziomu pod względem przepływu i ekspresji. 

Oczywiście sztuczna inteligencja głosowa to znacznie więcej niż zamiennik nagrań głosowych. Technologia rozumienia języka naturalnego (NLU) pomaga robotom głosowym zrozumieć różne stopnie intencji dzwoniącego, nawet jeśli dzwoniący wyrażają się za pomocą szerokiej gamy języków.

Na przykład osoba dzwoniąca do firmy logistycznej może zapytać:

„Czy mogę sprawdzić status mojej przesyłki?”

lub 

„Chciałbym wiedzieć, kiedy nadejdzie moja dostawa”

lub 

„Czy mogę dowiedzieć się, co się stało z moim zamówieniem?”

 Wszystkie wyrażają podobny zamiar: sprawdzenie statusu dostawy. 

NLU dekoduje te wypowiedzi za pomocą analityki predykcyjnej, pozwalając botowi głosowemu obsłużyć dzwoniącego odpowiednią usługą lub połączyć go z agentem ludzkim, jeśli sprawy okażą się zbyt skomplikowane dla zautomatyzowanego wsparcia. Jest to duży postęp w stosunku do IVR lub systemów menu, w których dzwoniący musi poruszać się po labiryncie opcji, nigdy do końca nie mając pewności, czy wybrana opcja doprowadzi do ślepego zaułka. Aby spojrzeć na to z pewnej perspektywy, większość głosowych systemów wykrywania intencji AI działa na poziomie lub powyżej światowego wzorca 90% dokładności. Czy dzwoniłeś ostatnio do swojego banku?

A jeśli chodzi o języki, asystenci głosowi to poligloci, oferując spójną obsługę bez względu na preferowany język rozmówcy. Zamiast zatrudniać i szkolić pracowników wielojęzycznych operatorów, firmy mogą teraz korzystać ze sztucznej inteligencji głosowej. Język japoński? Turecki? Chiński? Nie ma problemu. Wielojęzyczna obsługa za pomocą głosowej sztucznej inteligencji wnosi bardzo niewiele do ogólnych kosztów operacyjnych. Dzięki sztucznej inteligencji głosowej mniejsze firmy mogą teraz z łatwością konkurować z dużymi globalnymi graczami na różnych rynkach za pomocą tylko jednego bota głosowego mówiącego wieloma językami.

 „Dzięki sztucznej inteligencji głosowej mniejsze firmy mogą teraz z łatwością konkurować z dużymi globalnymi graczami na różnych rynkach za pomocą tylko jednego bota głosowego mówiącego wieloma językami”.

Zalety AI voicebot dla call center

AI voicebot nie tylko ułatwia życie klientom; przynosi również korzyści firmom. Przede wszystkim pomaga firmom nadążać za zapotrzebowaniem konsumentów na usługi 24/7. Cyfryzacja, pandemia i coraz bardziej globalny charakter firm opartych na handlu napędzają popyt i oczekiwania na usługi „zawsze dostępne”. Szacuje się, że około 45% więcej osób chętniej korzysta z samoobsługi po pandemii COVID-19.

Masz ochotę kupować ubrania w środku nocy? Możesz. Wraz z możliwością zakupu w dowolnym momencie, klienci oczekują wsparcia w dowolnym momencie. A kiedy pojawia się problem, klienci nadal wolą dzwonić niż wysyłać e-maile. W końcu po ludzku satysfakcjonująca jest świadomość, że zostałeś wysłuchany – nawet jeśli jest to tylko inteligentny robot – zamiast po prostu zalogować wiadomość w skrzynce odbiorczej, aby zająć się nią w późniejszym terminie. Sztuczna inteligencja głosowa nigdy nie śpi i może natychmiast rozwiązać wiele typowych problemów klientów.

Jako usługa asystenci głosowi są teoretycznie nieskończenie skalowalni. Dodanie większej liczby botów głosowych do obsługi okresów szczytu połączeń nie zwiększa znacznie kosztów usługi. Więcej połączeń niż zwykle? Więcej botów głosowych jest dostępnych online, aby obsłużyć liczbę połączeń. Ma to sens w przypadku firm, w których liczba połączeń może się zmieniać. Centra kontaktowe mogą utrzymywać poziomy zatrudnienia, aby radzić sobie z codzienną liczbą odbieranych połączeń i wdrażać asystentów głosowych, aby pomóc w obsłudze nieoczekiwanych lub sezonowych szczytów. Przed głosową sztuczną inteligencją outsourcing był jednym z głównych sposobów radzenia sobie z tymi fluktuacjami. Teraz firmy mogą przechowywać wszystko w firmie.

Mniej oczywistą korzyścią dla asystentów głosowych jest to, że pomagają zmniejszyć rotację personelu. Wielu pracowników call center jest wypalonych z powodu samej liczby połączeń, które muszą obsłużyć, oprócz powtarzalnego charakteru tych połączeń. Gdy klienci dzwonią do Twojej firmy, aby sprawdzić stan swojego konta lub dowiedzieć się, jakie jest saldo kredytowe, asystent głosowy może odciążyć pracownika od tego bardziej monotonnego zadania. Jest to rodzaj zadania, z którym asystent głosowy może z łatwością sobie poradzić, ale które dla operatora może być męczące, gdy wykonuje je dzień po dniu. Asystenci głosowi doskonale radzą sobie z powtarzalnymi zadaniami, odciążając ludzi-specjalistów w ich codziennej pracy.

Wiele firm decyduje się na zarządzanie własnymi botami głosowymi za pośrednictwem platformy voicebotów i nie jest to tak skomplikowane, jak mogłoby się wydawać. Możesz zaktualizować skrypt voicebota o najnowsze informacje o firmie lub zmienić konfigurację obsługi niektórych zadań i procesów bez pisania ani jednej linijki kodu. Platformy Voicebot dają firmom kontrolę nad asystentami głosowymi, dzięki czemu łatwo jest zarządzać treściami i jakością marki we własnym zakresie.

W przypadku firm, które opierają się na danych i wskaźnikach, głosowa sztuczna inteligencja jest idealna do śledzenia wydajności call center. AI Voicebot wykorzystuje konwersję mowy na tekst i tekstu na mowę. Platforma Voicebot może nie tylko rejestrować statystyki połączeń, ale może również przechowywać tekstowe zapisy interakcji głosowych. Te transkrypty mogą być później wykorzystane do kontroli jakości, rozwiązywania problemów i badań rynku. Więc następnym razem uważaj, co mówisz do AI voicebota!

Możesz także zintegrować platformę voicebota z innym oprogramowaniem biznesowym. Na przykład, jeśli klient umawia się na spotkanie za pomocą wirtualnego asystenta, AI voicebot może zaktualizować wyznaczony kalendarz, który ostrzega pracowników o spotkaniu i wysyła klientowi przypomnienie SMS. Nie tylko jest ona dokładna, ale jak omówiliśmy wcześniej, automatyzacja zmniejsza część obciążeń administracyjnych personelu ludzkiego.

Branże wykorzystujące głosową sztuczną inteligencję w centrach kontaktowych

Istnieje wiele sektorów biznesowych wykorzystujących AI voicebot: logistyka, opieka zdrowotna, hotelarstwo, bezpieczeństwo, marketing i finanse, by wymienić tylko kilka. Prawie każda firma z call center lub jakąś formą contact center może skorzystać na automatyzacji za pomocą sztucznej inteligencji głosowej.

Przy całym wyrafinowaniu nowoczesnych platform botów głosowych bariery wejścia są niezwykle niskie. Nie są drogie, nie wymagają personelu technicznego do ich codziennej obsługi, a czas konfiguracji do uruchomienia usługi asystenta głosowego może nawet tydzień w niektórych przypadkach

Konsumenci dobrze zareagowali na wygodę automatyzacji głosu i lepszą obsługę klienta, jaką oferuje dzięki konwersacyjnej sztucznej inteligencji. Mimo to jest prawdopodobne, że zawsze będzie istniała potrzeba dostępności ludzkich specjalistów. Badanie Accenture (2020) wykazało, że 58% klientów nadal woli rozmawiać z przedstawicielem ludzkim, gdy mają pilny problem do rozwiązania.

Firma turystyczna TUI korzysta z asystentów głosowych z Talkie.ai we współpracy ze swoim zespołem „na żywo”. W sezonowych kampaniach turystycznych wkłada się wiele wysiłku w zapewnienie klientom najlepszych możliwych ofert z ich usług. AI Voicebot służy do kontaktowania się z klientami w celu przypominania im o wygasających ofertach i pomagają klientom sfinalizować zakupy z maksymalną korzyścią finansową. W przypadku TUI AI voiceboty obsługują około 50% połączeń od początku do końca. Ludzcy operatorzy są po to, aby zajmować się bardziej złożonymi pytaniami klientów, ale sztuczna inteligencja głosowa wykonuje wiele ciężkich zadań w centrum kontaktowym.

Symbiotyczny sojusz między ludźmi a sztuczną inteligencją głosową

Podczas gdy boty głosowe przodują w powtarzalnych zadaniach, prawdopodobnie nadal nie spełniają niektórych ludzkich standardów, jeśli chodzi o takie rzeczy, jak empatia. Poproś Voicebota, aby wziął pod uwagę Twoją trudną sytuację osobistą w domu lub w pracy, a w większości przypadków Twoje prośby rzucą się na cyfrowe głuche uszy. Z drugiej strony ludzie są na ogół całkiem dobrzy w empatii. Wiele osób zakłada, że ​​sztuczna inteligencja zastąpi pracę wykonywaną przez ludzi, ale w przypadku obsługi klienta relacja jest dużo bardziej symbiotyczna. 

„Wiele osób zakłada, że ​​sztuczna inteligencja zastąpi pracę wykonywaną przez ludzi, ale w przypadku obsługi klienta ta relacja jest znacznie bardziej symbiotyczna”.

Dlatego możemy powiedzieć, że ta relacja jest mało prawdopodobnym sojuszem między obsługą klienta a sztuczną inteligencją głosową. Obsługa klienta jest w istocie usługą głęboko ludzką, pomimo złej reputacji, którą czasami się spotyka. Automatyzacja na pierwszy rzut oka wydaje się polegać na wyeliminowaniu potrzeby ingerencji człowieka w usługi. Jednak dzięki sztucznej inteligencji głosowej i obsłudze klienta widzimy, jak ludzie i roboty współpracują ze sobą jako zespół, każdy wykorzystując swoje mocne strony i wzajemną korzyść… i mamy nadzieję, że naszą.

Sztuczna Inteligencja + Big Data pomaga lekarzom przepisywać bardziej dopasowane witaminy i suplementy

Wraz ze wzrostem samoopieki i profilaktyki zdrowotnej coraz więcej pacjentów przyjmuje witaminy i suplementy, aby poprawić swoje ogólne samopoczucie. Oznacza to jednak również, że lekarze obserwują wzrost liczby pacjentów już przyjmujących leki i chcą wiedzieć, czy powinni przyjmować dodatkowe witaminy lub suplementy. Sztuczna inteligencja + duże zbiory danych pomagają lekarzom przepisywać bardziej odpowiednie witaminy i suplementy, dostarczając inteligentne zalecenia oparte na konkretnych lekach pacjenta.

Pozwala to lekarzom na szybki dostęp, odsyłacze i zalecenia dotyczące równoważenia składników znajdujących się w lekach na receptę ze składnikami, które składają się na codzienne witaminy i suplementy. Pomaga to pacjentom w pełni wykorzystać witaminy i suplementy oraz poprawić ogólny stan zdrowia.

Oprócz dostarczania zaleceń, sztuczna inteligencja + duże zbiory danych mogą również pomóc lekarzom w monitorowaniu postępów pacjenta. Śledząc spożycie witamin i suplementów przez pacjenta, lekarze mogą sprawdzić, czy pacjent przyjmuje zalecaną ilość i w razie potrzeby wprowadzić odpowiednie zmiany. Pomaga to zapewnić pacjentom maksymalne korzyści z witamin i suplementów oraz poprawić ich ogólny stan zdrowia.

Jak więc sztuczna inteligencja może być wykorzystywana, aby udoskonalić leczenie?

  • Budując rekomendacje produktów, które specjaliści będą dodawać do istniejących kuracji. Lekarze mogą korzystać z dużych zbiorów danych i rosnącej liczby spersonalizowanych programów żywieniowych, które wykorzystują sztuczną inteligencję, aby wybrać jedną z bilionów kombinacji witamin i składników odżywczych najlepiej dopasowanych do pacjenta lub wprowadzić określone zalecenia do platformy technologicznej.
  • Opracowując systemy, które pomagają lekarzom lepiej zrozumieć, w jaki sposób ich pacjenci reagują na leczenie i wprowadzić niezbędne zmiany. Platformy mogą stale gromadzić dane dotyczące zdrowia i samopoczucia pacjenta, a następnie wykorzystywać sztuczną inteligencję do identyfikowania wzorców i trendów. Gdy coś się zmieni, system może oznaczyć to dla lekarza, aby mógł zbadać i wprowadzić niezbędne zmiany w planie leczenia.
  • Wreszcie, świadczeniodawcy mogą udostępniać swoje wyniki na różnych platformach, aby promować pełną, kompleksową opiekę zdrowotną. Kiedy lekarz podstawowej opieki zdrowotnej, dietetyk i trener zdrowia z obsługą AI są po tej samej stronie, z pewnością nastąpi lepsze zdrowie.

Przykładem wykorzystania danych jest aplikacja Apple Health, która umożliwia pacjentom udostępnianie danych dotyczących ich zdrowia świadczeniodawcom. Aplikacja daje użytkownikom możliwość udostępniania swoich danych lekarzowi za pośrednictwem funkcji o nazwie „Rekordy zdrowotne”. Dokumentacja zdrowotna obejmuje alergie, schorzenia, szczepienia, wyniki badań laboratoryjnych, leki i parametry życiowe. Ta funkcja jest przydatna dla pacjentów, którzy chcą śledzić swoje dane zdrowotne w jednym miejscu i udostępniać je swojemu lekarzowi.

Świetnym przykładem firmy jest Persona. Persona zapewnia prostotę i wygodę programu suplementów diety – spersonalizowanych dla użytkowników przez sztuczną inteligencję i ekspertów. Aplikacja Persona z obsługą sztucznej inteligencji analizuje dane dotyczące zdrowia użytkownika, cele zdrowotne, styl życia, alergie, a nawet leki, aby opracować unikalny plan suplementacji. Dzięki temu wglądowi algorytmy Persona identyfikują określone składniki, dawki i czas, które będą najlepsze dla każdej osoby. Następnie pacjenci otrzymują niestandardowe pakiety codziennych suplementów.

Przykłady firm w planach suplementów opartych na sztucznej inteligencji

Innym przykładem jest Viome. Test Viome’a ​​analizuje mikrobiom jelitowy danej osoby, aby określić, które pokarmy powinna jeść i unikać dla optymalnego zdrowia. Następnie firma tworzy spersonalizowany plan żywieniowy na podstawie wyników testów. Wiedza naukowa stojąca za systemem opiera się na danych od ponad 300 000 osób i jest poparta licznymi badaniami klinicznymi, które trwały prawie cztery lata. Firma specjalizuje się w analizie mRNA, aby zobaczyć, jak wewnętrzne i zewnętrzne elementy, takie jak dieta, stres, ćwiczenia, choroba lub drobnoustroje, mogą wpływać na pacjenta. Wiedza o tym, jak zmienić i ulepszyć swoje środowisko, może pomóc ci żyć dłużej i zdrowiej.

Spersonalizowane suplementy i programy witaminowe to przyszłość opieki zdrowotnej. Z pomocą sztucznej inteligencji, dużych zbiorów danych i ekspertów programy te staną się bardziej wyrafinowane i dostosowane do indywidualnych potrzeb. Doprowadzi to do lepszych wyników zdrowotnych pacjentów i obniżenia ogólnych kosztów opieki zdrowotnej. Cukrzyca kosztowała Stany Zjednoczone 237 miliardów dolarów bezpośrednich wydatków medycznych w 2017 roku. Wczesne leczenie może potencjalnie zaoszczędzić ponad 100 miliardów dolarów. Zmienia się sposób, w jaki myślimy o zdrowiu. Przechodzimy od skupiania się na leczeniu chorób do zapobiegania im w pierwszej kolejności i przewidywania, w jaki sposób choroba może się rozwinąć. Ta zmiana jest napędzana postępem w żywieniu i witaminach, suplementach i medycynie.

Wnioski

Wykorzystanie sztucznej inteligencji do pomocy lekarzom w przepisywaniu bardziej odpowiednich witamin i suplementów to obiecujący postęp w opiece zdrowotnej. Technologia ta ma potencjał poprawy wyników leczenia pacjentów poprzez dostarczanie dostosowanych zaleceń opartych na indywidualnych potrzebach. Precyzja w zalecaniu suplementów i witamin nie wyleczy choroby od razu, ale przyczynia się do lepszego, holistycznego i zindywidualizowanego podejścia do leczenia.

Źródła

Diabetes

Chatboty napędzane sztuczną inteligencją: przyszłość zaangażowania klientów

Przyszłość zaangażowania klientów to chatboty napędzane sztuczną inteligencją. Wiele firm odnotowało już znaczne zyski z wdrożenia tej technologii, a globalny rynek konwersacyjnej sztucznej inteligencji ma rosnąć w CAGR na poziomie 22% w latach 2020-25. Wskaźniki adopcji Chat Botów podwoją się w ciągu najbliższych dwóch do pięciu lat, więc firmy muszą już teraz zacząć przygotowywać się do tej zmiany.

Według naukowców, dyrektorów branżowych i analityków, chatboty obsługi klienta są na dobrej drodze do znacznej poprawy w ciągu najbliższych kilku lat, dzięki postępowi w sztucznej inteligencji. Staną się one bardziej inteligentne, komunikatywne, podobne do ludzi, a co najważniejsze, bardziej pomocne. Gartner szacuje, że „25% wszystkich działań związanych z obsługą klienta i wsparciem będzie integrować technologię wirtualnego asystenta klienta lub chatbota”.

„Nawet teraz są chwile, w których nie można stwierdzić, że to nie człowiek” – powiedział Bern Elliot, analityk w firmie badawczej Gartner. „Nie jest tak dobrze, jak byś chciał, ale zmierza w tym kierunku. A innowacje pojawiają się w szybkim tempie”.

Agenci konwersacyjni należą do wiodących zastosowań sztucznej

Konwersacyjne technologie sztucznej inteligencji, takie jak chatboty, wirtualni agenci i asystenci głosowi, zyskały na popularności w ostatnich latach, zwłaszcza w porównaniu z poprzednim rokiem. COVID-19 promował jego użycie. Wiele firm używa tych technologii do interakcji z klientami. Celem jest poprawa zaangażowania i zadowolenia klientów przy jednoczesnym obniżeniu kosztów wsparcia.

Klienci doceniają to, że sztuczna inteligencja poprawia wydajność, szybkość przetwarzania i liczbę transakcji interakcji z konsumentami. Ponad 80% firm twierdzi, że sztuczna inteligencja poprawia przetwarzanie liczby połączeń, a ponad 90% twierdzi, że szybsze rozpatrywanie reklamacji. Od 25% do 50% wszystkich zapytań jest teraz w całości obsługiwanych przez zautomatyzowane kanały, dzięki czemu agenci mogą skupić się na bardziej złożonej pracy.

Dlaczego chatboty są tak skuteczne?

Korzyści z chatbotów opartych na sztucznej inteligencji są liczne i zróżnicowane. Oto niektóre z najważniejszych:

– Chatboty nigdy się nie męczą: mogą pracować 24 godziny na dobę, 365 dni w roku. Jest to świetne rozwiązanie dla firm, które działają na arenie międzynarodowej lub mają klientów w różnych strefach czasowych.

– Chatboty mogą obsłużyć dużą liczbę zapytań: to kolejny duży plus dla firm, które otrzymują wiele zapytań od klientów. Chatboty mogą szybko i wydajnie zarządzać dużą liczbą żądań, pozostawiając pracownikom swobodę zajmowania się bardziej złożonymi problemami.

– Chatboty są spójne: w przeciwieństwie do ludzi, chatboty zawsze udzielają tej samej odpowiedzi na pytanie. Jest to doskonałe do zapewnienia spójności i dokładności w obsłudze klienta.

– Chatboty są szybkie: mogą szybko odpowiadać klientom, co jest kolejnym plusem dla firm, które chcą zapewnić wysoki poziom obsługi klienta.

– Chatboty uczą się z czasem: w miarę zdobywania doświadczenia chatboty stają się coraz lepsze w odpowiadaniu na zapytania klientów. Oznacza to, że im częściej są używane, tym lepiej zapewniają obsługę klienta.

Marcus, cyfrowy bank konsumencki Goldmana, znacznie „zredukował koszty i wydatki w odniesieniu do ludzi” w centrach obsługi telefonicznej, korzystając z technologii, powiedział Abhinav Anand, MD i szef działu pożyczek dla konsumentów w Goldman Sachs. 

„To samo w skali, w jakiej się rozwijamy, jest ogromną oszczędnością i dobrym sposobem na zmierzenie zwrotu z naszych inwestycji” – powiedział Anand, który przemawiał na Ai4 Finance Summit w Nowym Jorku. 

Goldman Sachs Marcus nie eliminuje pracy w call center, ale raczej wykorzystuje inteligentne usługi czatu z obsługą sztucznej inteligencji do zarządzania ekspansją. W miarę jak klienci coraz częściej przenoszą swoją bankowość na urządzenia mobilne – gdzie częściej korzystają z chatbotów – firma automatyzuje usługi, takie jak tworzenie kont i zapobieganie oszustwom.

Bank skrócił również czas oczekiwania klientów, przekierował połączenia i zmniejszył liczbę pracowników przypadających na jeden numer klienta. Ten sam rodzaj technologii sztucznej inteligencji jest wykorzystywany w ścieżce klienta, gdzie bank stawia na konsumentów, którzy chcą większej elastyczności, jeśli chodzi o sposób interakcji z bankiem.

Dostosowanie w celu zwiększenia wydajności

Aby w pełni wykorzystać możliwości chatbotów, konieczne jest dostosowanie ich do konkretnych potrzeb Twojej firmy. Obejmuje to dostosowanie przebiegu konwersacji i odpowiedzi botów do tonu i stylu obsługi klienta firmy. Marki muszą również upewnić się, że boty będą w stanie obsłużyć wszystkie rodzaje zapytań, które prawdopodobnie otrzymają.

Istotne jest również zintegrowanie chatbotów z istniejącą infrastrukturą obsługi klienta firmy. Obejmuje to takie rzeczy, jak systemy CRM i bazy wiedzy. Dzięki temu boty będą mogły udzielać klientom dokładniejszych i bardziej pomocnych odpowiedzi.

Dostosowanie zwiększa wydajność i poprawia wyniki klienta. Firmy, które rozwijają się szybciej, generują o 40% więcej przychodów z personalizacji niż te, które tego nie robią. Według badań McKinsey 71 procent klientów chce spersonalizowanych interakcji ze strony firm. A 76 procent jest sfrustrowanych, gdy to nie jest zapewnione.

Nawet podstawowe zapytania wymagają dostosowanych odpowiedzi, które oprogramowanie musi wyszukiwać w bazie danych. Na początku chatbot o nazwie Nanci (opracowany przez IBM i General Motors Financial Company) rozwiązywał mniej niż 10 procent zapytań klientów. W ciągu dwóch miesięcy wskaźnik sukcesu wzrósł do 50%, a obecnie wynosi 60%. W czasie epidemii COVID-19, kiedy wielu właścicieli GM straciło pracę i tymczasowo zawiesiło płatności, wdrożenie Nanci było szczególnie korzystne. Chatbot udzielał tym konsumentom spersonalizowanych porad i wyjaśniał, w jaki sposób odroczenia wpłyną na ich konto.

Od konwersacji do angażowania — zwiększ konwersję, zmniejsz odpływ

Agenci konwersacyjni mają swoje ograniczenia, ale wielu już pokazało swoje zalety. A technologia jest coraz bardziej zaawansowana. W związku z nadchodzącymi postępami technologicznymi należy pamiętać, że sukces konwersacyjnej sztucznej inteligencji to coś więcej niż tylko technologia; Projekt dobrego doświadczenia oparty na naukach behawioralnych ma kluczowe znaczenie.

HSBC Intelligence Hub to grupa analityków danych, inżynierów i architektów, którzy migrują dane i procesy analityczne Banku HSBC do Google Cloud i wykorzystują sztuczną inteligencję i uczenie maszynowe do wydobywania wartości z danych. Ta grupa wykorzystała AutoML Natural Language i Speech-to-Text do trenowania algorytmów uczenia maszynowego w celu identyfikowania, izolowania i wykrywania nastrojów konsumentów. Bank wykorzystał usługi przetwarzania w chmurze i BigQuery jako hurtownię danych do konwersji wyrażeń mówionych w języku kantońskim i angielskim, dokładnie interpretowanych za pomocą funkcji zamiany mowy na tekst obsługiwanej przez technologie sztucznej inteligencji Google.

Wykorzystując chatboty, bank HSBC rozwiązał kluczowe wyzwania. Na rynku takim jak Hongkong, gdzie wiele osób mówi kombinacją kantońskiego i angielskiego (często łącząc dosłowne tłumaczenia), wymaga to znacznej wiedzy specjalistycznej, aby wydajnie i skutecznie obsługiwać dużą liczbę połączeń. Zapewnienie jakości dla tego stylu wypowiedzi jest zwykle procesem szczególnie uciążliwym i ręcznym.

Podsumowanie

Rynek chatbotów rozwija się lawinowo i będzie się rozwijał w nadchodzących latach. Oczekuje się, że do 2025 roku będzie to branża o wartości 14 miliardów dolarów. Aby jak najlepiej wykorzystać chatboty, firmy muszą dostosować je do swoich konkretnych potrzeb i zintegrować z istniejącą infrastrukturą obsługi klienta. Dzięki temu boty będą mogły udzielać klientom dokładniejszych i bardziej pomocnych odpowiedzi. Dostosowanie jest kluczem do sukcesu z chatbotami, a firmy, które się na nim skupią, prawdopodobnie osiągną lepsze wyniki.

Źródła

PR News Wire

Business Insider

McKinsey

NY Times

Google Cloud

Dział IT a Twoje potrzeby biznesowe

Aby przedsiębiorstwa mogły szybko działać i odnosić sukcesy w obecnym tempie biznesu, IT musi ściśle dostosowywać się do potrzeb biznesowych. Oznacza to, że dział IT musi zrozumieć, czego chce firma, i najpierw pracować nad tymi rozwiązaniami, zanim zajmie się miarami wydajności, takimi jak koszty, jakość i szybkość. Działy IT zbyt często skupiają się wyłącznie na wskaźnikach wydajności IT, nie mierząc wpływu tych inicjatyw na biznes. W ten sposób firmy tracą cenny czas i pieniądze. Omówię, jak to naprawić w dzisiejszym poście na blogu.

Aby dział IT mógł ściśle dopasować się do potrzeb firmy, musi zrozumieć, czego chce firma. Można to osiągnąć, organizując regularne spotkania między obiema grupami w celu omówienia nadchodzących projektów i tego, w jaki sposób IT może wesprzeć te inicjatywy. Dodatkowo firmy powinny zdefiniować jasne mierniki, które mierzą efektywność projektów IT pod względem wyników biznesowych. Pozwoli to działowi IT skupić się na właściwych rzeczach i uniknąć wdrażania rozwiązań, które mogą być wydajne, ale nieskuteczne. W ten sposób firmy mogą działać szybko i odnosić sukcesy w obecnym tempie działalności.

Pomogą w tym trzy kluczowe elementy:

  • Po pierwsze, dział IT musi mieć jasne zrozumienie wyników biznesowych, które stara się osiągnąć. Bez tej przejrzystości trudno jest działowi IT nadawać priorytety i sekwencjonować inicjatywy, które będą miały największy wpływ na biznes.
  • Po drugie, dział IT musi ściśle współpracować z biznesem, aby zapewnić zgodność jego rozwiązań z jego strategią. Pomoże to zapewnić firmie to, czego potrzebuje, aby skuteczniej konkurować i napędzać wzrost.
  • Po trzecie, dział IT musi solidnie zrozumieć, w jaki sposób najlepiej dostarczać nowe możliwości poprzez solidne partnerstwo z zewnętrznymi dostawcami i usługodawcami, jednocześnie budując wewnętrzny potencjał tam, gdzie to konieczne.

Dlaczego strategia IT i strategia biznesowa nie zawsze idą w parze?

Biznes IT dostarcza wartość dla przedsiębiorstwa. Jednak aby dział IT zapewniał wartość, musi być ściśle powiązany z ogólną strategią biznesową – tak, aby zespoły biznesowe i IT były skoncentrowane na tych samych wynikach i pracowały na ich rzecz w skoordynowany sposób. Nie powinno być wątpliwości, kto jest odpowiedzialny za jakie wyniki.

Jednak to ścisłe dopasowanie nie zawsze ma miejsce – z różnych powodów:

  • Firmy zmieniają się szybciej, niż IT może nadążyć. Wymagania wobec IT stale rosną, ale firmy rozwijają się szybko i cały czas pojawiają się nowe potrzeby. Oznacza to, że dział IT musi stale się dostosowywać, co może być trudne, gdy dział IT musi zrównoważyć tak wiele innych obowiązków.
  • Liderzy biznesowi nie zawsze dzielą się swoją strategią z działem IT. Czy to dlatego, że nie uważają technologii za fundamentalną część biznesu, czy też nie tworzą odpowiednich kanałów komunikacji, liderzy biznesowi często pozostawiają IT w niewiedzy, jeśli chodzi o ich strategię. Może to spowodować znaczną lukę w dostosowaniu między działem IT a resztą firmy.
  • Problemem może być również brak komunikacji między partnerami biznesowymi IT a ich odpowiednikami po stronie biznesowej. Bez jasnych kanałów komunikacji, wyrażania obaw lub dzielenia się pomysłami na ulepszenia niełatwo jest współpracować z innymi działami lub jednostkami biznesowymi.
  • IT było tradycyjnie umieszczane w silosach, co utrudnia dostosowanie. Brak integracji między działem IT a resztą firmy może spowodować rozłączenie, które utrudnia dostosowanie i utrudnia nadążanie za szybkimi zmianami strategii lub działań operacyjnych.
  • CIO nie zawsze jest zaangażowany w procesy planowania strategicznego. Planowanie strategiczne często pozostawia się liderom biznesowym, a CIO może nie być włączany do tych dyskusji. W rezultacie dział IT może nie rozumieć w pełni ogólnej strategii biznesowej, co utrudnia dostosowanie ich pracy do nadrzędnych celów.
  • Firmy nie zawsze rozumieją, co IT może dla nich zrobić. Ponieważ IT jest często postrzegane jako funkcja wspierająca, jednostki biznesowe mogą nie być świadome, w jaki sposób IT może im pomóc w osiągnięciu ich celów. W rezultacie zwykle występuje rozbieżność między tym, czego chce firma, a tym, co może zapewnić IT.
  • Koncentracja na technologii, a nie na wynikach biznesowych, szkodzi harmonizacji. Kiedy zespoły IT są skoncentrowane na technologii, a nie na wynikach biznesowych, mogą ostatecznie dostarczać rozwiązania, które nie rozwiązują ważniejszego problemu. Ten brak zgodności między działem IT a innymi działami jeszcze bardziej utrudnia firmom osiągnięcie ich celów.
  • Obwinianie IT za niepowodzenia również szkodzi harmonizacji. Kiedy coś idzie nie tak w organizacji, często istnieje tendencja do obwiniania IT za niepowodzenie. Jeśli taka sytuacja będzie się powtarzać, może to spowodować rozłączenie między działem IT a innymi częściami biznesowymi, znacznie utrudniając dostosowanie. Na przykład, jeśli zespoły IT są obwiniane za problem, ale nie są zaangażowane w rozwiązanie lub nie mają czasu na jego naprawienie, mogą zacząć czuć się jak osoby z zewnątrz.
  • Jednostki biznesowe nie chcą prosić IT o pomoc i kupować oprogramowania bez rozważenia zaangażowania IT. Tworzy efekt cienia IT. Ogólny brak zaufania między jednostkami biznesowymi a działem IT może utrudniać koordynację ich pracy. IT zaczyna tracić kontrolę nad ekosystemem oprogramowania, który jest wykorzystywany w organizacji. Shadow IT jest niebezpieczne, ponieważ może zaskoczyć IT i zwiększyć ryzyko naruszenia danych lub innej awarii. Załóżmy na przykład, że pracownik pobiera oprogramowanie i instaluje je bez informowania działu IT. W takim przypadku organizacja nie ma możliwości dowiedzenia się, jakiego rodzaju dane osobowe są udostępniane stronom trzecim podczas korzystania z tego oprogramowania.

Skuteczny proces dostosowywania IT w biznesie

Krok 1: Zaangażuj CIO i CTO w planowanie strategii biznesowej.

Pierwszym krokiem jest ścisłe zaangażowanie CIO i CTO w planowanie strategii biznesowej. Muszą zrozumieć, co firma chce osiągnąć, i określić, w jaki sposób technologia może pomóc w osiągnięciu tych celów. Obejmuje to zrozumienie, które inicjatywy będą miały najbardziej znaczący wpływ na przychody i zyski oraz identyfikację wszelkich potencjalnych zagrożeń, które mogą mieć wpływ na działalność.

Krok 2: udostępnienie strategii biznesowej i technologicznej członkom organizacji

Drugim krokiem jest udostępnienie strategii biznesowej i technologicznej wszystkim pracownikom w przedsiębiorstwie. Pracownicy muszą zrozumieć, w jaki sposób ich praca jest zgodna z celami biznesowymi i technologicznymi oraz w jaki sposób wpływa to na wyniki finansowe. Obejmuje to wyjaśnienie, które inicjatywy mają bardziej znaczący wpływ na wyniki finansowe.

Krok 3: Wprowadzenie kompleksowej procedury przesyłania próśb biznesowych i pomysłów biznesowych, które dział IT przejrzy i zasugeruje opcje wsparcia.

Trzecim krokiem jest posiadanie procesu przesyłania próśb i pomysłów biznesowych do działu IT. Może to być tak proste, jak posiadanie formularza na stronie internetowej firmy lub za pośrednictwem aplikacji. Następnie dział IT przejrzy te prośby i zasugeruje najlepszy sposób ich obsługi — czy to za pośrednictwem istniejących systemów, czy też poprzez opracowanie nowych. Pracownicy muszą zrozumieć, że przesyłanie próśb w ramach tego procesu nie gwarantuje, że dział IT zrealizuje ich pomysł, ale zostanie on przejrzany i rozważony. Ocena i klasyfikacja pomysłów musi odbywać się automatycznie, bez konieczności ręcznego przeglądu czy spotkań ad hoc.

Krok 4: Zorganizuj regularne spotkania CEO / CDO / CIO / CTO, podczas których otwarcie omawia się strategiczne inicjatywy.

Czwartym krokiem jest zorganizowanie regularnych spotkań między biznesem a liderami IT. Spotkania te powinny koncentrować się na omawianiu inicjatyw strategicznych, w tym na tym, które z nich mają bardziej znaczący wpływ na wyniki finansowe i jak technologia może pomóc w ich realizacji. Dział IT będzie również informował o postępach w realizacji każdej inicjatywy.

Krok 5: Zbuduj ekosystem oprogramowania z kompleksowym wsparciem

Piątym krokiem jest zbudowanie ekosystemu oprogramowania z kompleksowym wsparciem dla operacji biznesowych.to:

  • szybkie reagowanie na bieżące problemy za pośrednictwem zautomatyzowanego działu pomocy technicznej
  • omawianie bardziej złożonych kwestii, takich jak administracja systemem lub konfiguracja,
  • tworzenie aplikacji i systemów, z których mogą korzystać pracownicy w całej firmie, poprzez programowanie nowych funkcji i przepływów pracy

Podsumowanie

Oczywiste jest, że aby osiągnąć ścisłe powiązanie między IT a biznesem. Obie strony muszą współpracować, aby osiągnąć wspólne cele. Zespoły IT powinny koncentrować się na projektach, które bezpośrednio wpłyną na przychody lub zyski, a liderzy biznesowi muszą zrozumieć, w jaki sposób technologia może pomóc w osiągnięciu tych celów.

Konieczne jest również, aby menedżerowie biznesowi mieli dostęp do narzędzi, na które wydają pieniądze, rozumieli, kto jest odpowiedzialny za ich wspieranie i rozwój itp. Informacje te powinny być łatwo dostępne bez kontaktu z IT lub przechodzenia przez długi i skomplikowany proces.

Obie strony muszą odbywać regularne spotkania, podczas których otwarcie omawiane są strategiczne inicjatywy, aby zachować ścisłą współpracę. Dzięki temu dział IT może dostarczać aktualne informacje o postępach w każdej inicjatywie, a liderzy biznesowi mogą zobaczyć, które z nich mają największy wpływ na wyniki finansowe.

Biznes w sklepie: co może wnieść sztuczna inteligencja?

Marketing w sklepie to złożony biznes. Musisz wziąć pod uwagę zachowanie klientów, układ sklepu i rozmieszczenie produktów. A to tylko na początek! Aby udoskonalić strategie sprzedaży, musisz zrozumieć, w jaki sposób klienci poruszają się po Twoim sklepie i co wpływa na ich decyzje zakupowe. Może w tym pomóc sztuczna inteligencja. Łącząc ze sobą wiele kamer, sztuczna inteligencja może śledzić zachowanie klientów i analizować je w czasie rzeczywistym. 

Pozwala to szybko reagować na wszelkie zmiany w przepływie klientów lub wzorcach zakupowych. Możesz na przykład zmienić swój plan marketingowy, aby wykorzystać wzorzec, jeśli sztuczna inteligencja wykryje, że produkt jest wystawiany częściej niż zwykle.

Oczywiście marketing w sklepie to nie tylko sprzedaż. Istotne jest również stworzenie przyjemnej obsługi klienta. Znając zachowania klientów, możesz zaprojektować układ sklepu i rozmieszczenie produktów.

Jak sztuczna inteligencja może poprawić doświadczenie w sklepie?

Istnieją cztery główne sposoby, w jakie sztuczna inteligencja może pomóc w poprawie doświadczenia w sklepie:

  • Po pierwsze, kierownicy sklepów mogą wykorzystywać sztuczną inteligencję do identyfikowania potrzeb klientów i reagowania na nie. Śledząc zachowania klientów, sztuczna inteligencja może dowiedzieć się, jakimi produktami są zainteresowani i odpowiednio rekomendować. To nie tylko poprawia jakość obsługi klienta, ale także pomaga skrócić czas zakupów.
  • Po drugie, sztuczna inteligencja może pomóc zmniejszyć wąskie gardła w sklepach i poprawić ogólny przepływ ruchu. Analizując zachowania klientów w celu zidentyfikowania potencjalnych punktów zatoru (takich jak wystawa popularnych produktów), kierownicy sklepów mogą odpowiednio dostosować plany marketingowe lub odpowiednio zmienić ich układ. Pozwala im to zminimalizować czas oczekiwania i zmniejszyć prawdopodobieństwo przepełnienia. Amazon Go wyeliminował proces kasowania. Zamiast tego klienci skanują telefony wchodząc i wychodząc ze sklepu. Gdy tylko klient podniesie przedmiot z półki lub odłoży go z powrotem, Amazon Go automatycznie śledzi, co zostało zakupione, aby na koniec każdego dnia obciążyć go opłatą za zakupy. Rozpoznawanie wizualne jest korzystne, ponieważ może analizować zachowania klientów bez interwencji lub monitorowania człowieka. Innymi słowy, kierownicy sklepów nie muszą być fizycznie obecni w danej lokalizacji; zamiast tego sztuczna inteligencja może uczyć się na podstawie wcześniejszych wzorców ruchu klientów i rozpoznawać, kiedy coś się zmieniło (np. wystawiono nowy produkt).
  • Po trzecie, handel detaliczny może wykorzystywać sztuczną inteligencję do tworzenia bardziej spersonalizowanych doświadczeń zakupowych. Śledząc preferencje klientów, sztuczna inteligencja może rekomendować produkty, które mogą im się spodobać. Poprawia to doświadczenie klienta i zwiększa szanse na dokonanie sprzedaży. Przykładem jest Starbucks, który wykorzystuje sztuczną inteligencję do polecania napojów na podstawie wcześniejszych zamówień klienta. Aplikacja Starbucks może polecać alternatywy żywności i napojów oraz przesyłać spersonalizowane sugestie na podstawie pory dnia i częstotliwości, z jaką konsumenci odwiedzają kawiarnię na podstawie wcześniejszych zamówień i wzorców.
  • Po czwarte, sztuczna inteligencja może pomóc znaleźć doskonałą lokalizację dla kolejnego sklepu. Sztuczna inteligencja może identyfikować wzorce zachowań klientów i rekomendować lokalizacje dla nowych sklepów, które prawdopodobnie odniosą sukces. Eliminuje to zgadywanie lokalizacji sklepu, oszczędzając czas i pieniądze. Ponownie świetnym przykładem jest Starbucks. Kawowy gigant wykorzystał sztuczną inteligencję do zidentyfikowania najpopularniejszych lokalizacji dla nowych sklepów. Firma wykorzystuje dane i sztuczną inteligencję do generowania prognoz przychodów w oparciu o zmienne, takie jak poziom dochodów, ruch lub obecność konkurencji, oraz do określania, gdzie można znaleźć kolejną znaczącą szansę na przychody. To z kolei pozwala im zminimalizować kanibalizm i umieścić nowy sklep w lokalizacji, która jednocześnie obsługuje odrębną bazę konsumentów.

No alt text provided for this image

Jakie są obawy związane ze stosowaniem sztucznej inteligencji w sklepach stacjonarnych?

Podczas gdy sztuczna inteligencja przynosi kilka korzyści marketingowi w sklepie, menedżerowie muszą wziąć pod uwagę pewne obawy. Przede wszystkim kwestia prywatności. Śledząc zachowania klientów, sklepy mogą dowiedzieć się o nich niesamowitych ilości, w tym o tym, jakimi produktami są zainteresowani i ile pieniędzy prawdopodobnie wydadzą. Rodzi to poważne problemy z prywatnością, a sklepy muszą zachować ostrożność przy korzystaniu z tych informacji.

Istnieje również ryzyko, że sztuczna inteligencja będzie stronnicza w podejmowaniu decyzji. Jeśli algorytm jest szkolony na danych, które zawierają uprzedzenia związane z płcią lub rasą, przekaże te uprzedzenia podczas podejmowania decyzji (np. jakie produkty polecić). Może to prowadzić do sytuacji, w których sztuczna inteligencja podejmuje niesprawiedliwe i dyskryminujące decyzje.

Wreszcie istnieje ryzyko błędu technicznego. Jeśli system sztucznej inteligencji ulegnie awarii (na przykład utraci zasilanie, dane lub dostęp do danych), może to mieć poważne konsekwencje dla operacji sklepu. Aby zapobiec występowaniu tych błędów, sklepy muszą mieć pewność, że ich systemy są redundantne i dobrze utrzymane.

Sztuczna inteligencja może pomóc społecznościom w lepszym sposobie angażowania się w zakupy.

  • Lululemon jest doskonałym przykładem firmy, która z powodzeniem zintegrowała innowacyjne technologie z technologią sklepową, aby poprawić wrażenia klientów i poczucie wspólnoty. Lululemon przejął amerykańskie firmy zajmujące się technologią transmisji na żywo Mirror za 500 milionów dolarów, mając na celu „przekształcenie dowolnej przestrzeni w osobiste studio fitness”. Aplikacja zapewnia aktualizacje harmonogramów zajęć w czasie rzeczywistym i umożliwia klientom rejestrację na zajęcia. Aplikacja umożliwia również współpracownikom sklepu dostęp do danych klientów i wydawanie rekomendacji na podstawie wcześniejszych zakupów lub preferencji.

No alt text provided for this image

  • Obessar pomaga budować wirtualne sklepy. Technologia firmy pozwala detalistom wykorzystywać AR/VR do wyświetlania swoich produktów w widoku 360 stopni. Umożliwi to kupującym wizualizację produktu i ułatwi porównanie różnych opcji. Firma może tworzyć wirtualne sklepy i światy, sprzedając produkty fizyczne i cyfrowe w metaverse. Jeśli jesteś sklepem stacjonarnym, możesz zapewnić zupełnie nowe wrażenia. Marki muszą zaktualizować proces sprzedaży hurtowej z powodu koronawirusa, który spowodował anulowanie wielu spotkań z kupującymi. Obessar może pomóc, tworząc piękne wirtualne showroomy 360, które zanurzają kupujących w doświadczeniu marki – wizualnie prezentują temat kolekcji, wychodząc poza podstawowy widok katalogu na platformach zamówień B2B. Działa z każdym telefonem lub komputerem i nie wymaga podróży, pobierania oprogramowania ani zestawu słuchawkowego.

No alt text provided for this image

  • Kolejnym doskonałym przykładem jest sposób, w jaki Walmart wykorzystuje sztuczną inteligencję do bardziej inteligentnych zastępstw w zamówieniach spożywczych online. Jeśli klient zamówi produkt, którego nie ma w magazynie, Walmart potrzebuje sposobu na wybór produktu zastępczego do zaoferowania. System AI analizuje dane historyczne dotyczące zastępstw zamówień i dostarcza rekomendacje alternatywnych pozycji, które z największym prawdopodobieństwem zadowolą klienta. Stworzona przez nich technologia wykorzystuje sztuczną inteligencję do głębokiego uczenia się, aby uwzględniać setki zmiennych w czasie rzeczywistym, w tym rozmiar, rodzaj, markę, cenę, zbiorcze dane kupujących, indywidualne preferencje klientów, aktualny stan zapasów i inne – w celu wybrania optymalnego kolejnego dostępnego produktu. 

No alt text provided for this image

No alt text provided for this image

Walmart zadbał również o technologię, aby stale się doskonalić. Aplikacja prewencyjnie prosi klienta o zatwierdzenie zastępowanego elementu lub poinformowanie systemów firmy, że go nie chce, co jest ważnym sygnałem umożliwiającym algorytmom uczenia się, aby poprawić dokładność przyszłych rekomendacji.

Podsumowanie

Marketing w sklepie jest kluczowym aspektem każdej firmy, a sztuczna inteligencja może pomóc w lepszym zrozumieniu zachowań klientów. Jednak przed wdrożeniem tych systemów należy wziąć pod uwagę pewne zagrożenia. Należy wziąć pod uwagę obawy dotyczące prywatności, ryzyko stronniczości w podejmowaniu decyzji oraz ryzyko błędów technicznych. Dodatkowo sklepy powinny zadbać o to, aby ich systemy były dobrze utrzymane i redundantne. Na koniec należy zastanowić się, w jaki sposób sztuczna inteligencja może pomóc w poprawie obsługi klienta. 

Rozpoznawanie obrazów w Metaverse: techniki i przykłady

Metaverse jest dziś szybko rozwijającą się nową technologią. Rozpoznawanie obrazów odgrywa zasadniczą rolę w budowaniu zdolności ludzi do doświadczania świata wirtualnego we wszechświecie Metaverse. Informacje wizualne odgrywają istotną rolę w przetwarzaniu, analizowaniu i rozumieniu materiałów wizualnych jako obrazów cyfrowych lub filmów wideo w celu podejmowania znaczących decyzji i kierowania działaniami.

Jednym z krytycznych aspektów, które sprawiają, że rozpoznawanie obrazów jest tak ważne w Metaverse, jest zdolność do obsługi dużych ilości danych. W wirtualnym świecie wiele informacji musi zostać przetworzonych i przeanalizowanych, aby wszystko działało płynnie. Rozpoznawanie obrazów pomaga nam to osiągnąć, wydajnie wydobywając istotne informacje z danych wizualnych i prezentując je w łatwy do zrozumienia sposób.

No alt text provided for this image

Rysunek 1: Rozpoznawanie obrazów w Metaverse.

Innym krytycznym czynnikiem jest dokładność algorytmów rozpoznawania obrazów . W wirtualnym świecie wszystkie informacje, które otrzymujemy, muszą być dokładne i wiarygodne. Możemy korzystać z najnowocześniejszych algorytmów rozpoznawania obrazów , aby zapewnić, że wizualizacje, które widzimy, są jak najbardziej zbliżone do rzeczywistości.

Ostatnią rzeczą, o której chcemy tutaj wspomnieć, jest fakt, że rozpoznawanie obrazów odgrywa istotną rolę w zapewnianiu ludziom możliwości interakcji z wirtualnymi obiektami.

Rozpoznawanie obrazów pozwala nam rozpoznawać:

  • twarze, dłonie i inne cechy ludzkie,
  • produkty i cechy produktów, takie jak kształt, kolory, detale
  • obiekty i ich położenie
  • relacje i zależności między obiektami

Wszystko to umożliwia technologia, oznacza to, że będziemy w stanie używać naszego głosu lub gestów do kontrolowania tego, co dzieje się w Metaverse, bez konieczności odrywania rąk od klawiatury lub myszy. 

Co więcej, wszystko, na co spojrzymy lub czego dotkniemy w Metaverse, zostanie automatycznie rozpoznane. Kiedy chwycisz za but, od razu poznasz jego markę. Jeśli trzymasz jogurt, będziesz mógł go natychmiast kupić, a jeśli prowadzisz wirtualny samochód, możesz zdecydować, która sugerowana opcja finansowa jest do zaakceptowania i natychmiast wsiąść.

Opis technik rozpoznawania obrazów

Klasyfikacja obrazu to proces przypisywania unikalnych etykiet do każdego piksela i grupy wektorów na obrazie w oparciu o ustalone kryteria. To jedna z najpopularniejszych technik, która wykazuje istotne wady. Załóżmy, że mamy zestaw obrazów należących do kategorii „buty” i przygotowaliśmy zestaw obrazów testowych, aby zmierzyć dokładność naszego rozpoznawania. Trudności polegają między innymi na zmianie widoku, deformacji i ustawieniach światła. Innymi słowy, jeśli chcesz poprawnie zidentyfikować but, każdy element powinien być dokładnie uchwycony i mieć podobne cechy sfotografowane w tej samej pozycji. Oto przykład:

No alt text provided for this image

Rysunek 2, klasyfikacji obrazów (Źródło: https://www.pyimagesearch.com)

Każdy algorytm odpowiada za przetwarzanie, którego celem jest pogrupowanie zdjęć w kategorie reprezentujące określony gatunek.

Wykrywanie obiektów to technika znajdowania i identyfikowania określonych obiektów na dowolnym zdjęciu lub filmie. Rozpoznawanie obiektów umożliwia nam wykrywanie lokalizacji lub ruchów tych obiektów w scenie, a następnie rysowanie ich za pomocą obwiedni. Istotna różnica między wykrywaniem obiektów a rozpoznawaniem obrazu polega na tym, że tworzy ono i nazywa obwiednię dla każdego elementu obrazu lub wideo oznaczonego jako konkretna rzecz.

No alt text provided for this image

Rysunek 3, wykrywania obiektów (źródło: Wikipedia)

Jak widać, mamy do czynienia z wieloma obiektami oznaczonymi przez algorytm. Specyficzna etykieta jest odpowiednio nazwana, dzięki czemu obiekt jest identyfikowany i może być wykorzystany do dalszego przetwarzania. Powszechną praktyką w Metaverse będzie łączenie obiektów z e-commerce i zapewnianie możliwości zakupu przedmiotu jednym gestem.

Śledzenie obiektu – termin ten odnosi się do śledzenia poruszającego się obiektu. Najpierw stosuje się wykrywanie obiektów, a następnie stosuje się algorytmy głębokiego uczenia lub uczenia maszynowego, gdzie ruch obiektu jest rozpoznawany i monitorowany. Śledzenie obiektów łączy rozpoznawanie obrazów i wideo, klasyfikację i wykrywanie obiektów. Dobrym przykładem może być drużyna piłkarzy:

No alt text provided for this image

Zdjęcie 4: Drużyna piłkarzy (Źródło: Dzone.com)

Algorytmy muszą rozpoznawać obiekty (ludzi) w określonej sytuacji (gra). Fani są poza zakresem, więc inżynierowie muszą odpowiednio przeszkolić algorytmy, aby odróżnić zespoły od fanów.

Rozpoznawanie obrazów w Metaverse

Rozpoznawanie obrazów było już wykorzystywane w aplikacjach rzeczywistości wirtualnej, takich jak Oculus Rift, Microsoft HoloLens, zestaw słuchawkowy Magic Leap One Augmented Reality itp., do celów rozpoznawania twarzy i śledzenia ruchu. Dzięki bardziej zaawansowanym technologiom uczenia maszynowego wykorzystywanym do analizy zachowań użytkowników, aplikacje wirtualnej rzeczywistości mogą zapewnić bardziej wciągające wrażenia, śledząc mimikę i ruchy użytkownika w czasie rzeczywistym.

Rozpoznawanie obrazów może być również wykorzystywane w Metaverse do przetwarzania treści generowanych przez użytkowników, takich jak zdjęcia i filmy. Aby to osiągnąć, informacje wizualne są wydobywane z tych obrazów lub filmów za pomocą komputerowych technik wizyjnych i analizowane przez algorytmy uczenia maszynowego w celu rozpoznawania obiektów, marek, funkcji i określonych szczegółów.

Wirtualne buty możemy przymierzać i modyfikować modele machnięciem palca w Metaverse bez wstawania i zdobywania nowej pary. Identyfikacja i śledzenie obiektów w czasie rzeczywistym umożliwia bezproblemowe przełączanie.

No alt text provided for this image

Zdjęcie 5: Wypróbuj w Metaverse kup i otrzymaj (źródło: https://www.theguardian.com)

Dzięki bardziej zaawansowanym technologiom uczenia maszynowego firmy mogą znacznie poprawić dokładność i precyzję tych analiz.

W Metaverse rozpoznawanie obrazów jest również wykorzystywane do celów współpracy. Jako przykład może podać wirtualny stół twórcom, inżynierom i architektom. Rozpoznawanie obrazów może pomóc w utrzymaniu ścisłej łączności procesu współpracy poprzez identyfikację i śledzenie elementów lub działań.

Dobrym przykładem są inżynierowie współpracujący nad następnym silnikiem, turbiną lub procesorem. Możliwe jest również wykorzystanie Metaverse dzięki kategoryzacji obiektów, klasyfikacji obrazów, oznaczaniu przedmiotów i wykrywaniu ruchu bez konieczności chodzenia gdziekolwiek lub spotykania się w tym samym pokoju. Pozwala na łatwiejsze łączenie się z innymi oraz poprawia kreatywność i współpracę.

No alt text provided for this image

Rysunek 6: Sposób kształcenia inżynierów w Metaverse (źródło: ultraleap.com)

Firmy, które już zagnieździły się w Metaverse:

  • Pierwszym przykładem świetnej firmy, która zapewnia doświadczenie w Metaverse, jest „Iris VR” (https://irisvr.com/). Tworzą oprogramowanie, które pomaga ludziom budować i udostępniać własne wirtualne przestrzenie. Przed rozpoczęciem kopania możesz użyć IrisVR z oprogramowaniem 3D, z którego korzysta już Twój zespół, aby uzyskać realistyczny podgląd projektu. Oprogramowanie umożliwia współpracownikom przeglądanie plików 3D z kolegami w VR, bez względu na ich lokalizację. Multiuser zapewnia niezawodny czat głosowy i wspólne środowisko wirtualne do prezentacji i recenzji projektów.
  • Drugim przykładem świetnej firmy, która zapewnia doświadczenie Metaverse, jest „AltspaceVR”. AltspaceVR (https://altvr.com) to społeczność do budowania i udostępniania wirtualnych przestrzeni innym. Jest dostępny na prawie każdym urządzeniu, w tym na goglach Oculus VR, HTC Vive, zwykłych wyświetlaczach, Samsung Gear VR (obsługiwany przez Oculus), Google Daydream View (obsługiwany przez aplikację Daydream), telefonach i tabletach z systemem iOS.
  • AltspaceVR oferuje różnorodne usługi planowania wydarzeń, takie jak nieograniczona pojemność, zarządzanie sceną, narzędzia do moderacji, panele gospodarzy, narzędzia do interakcji z publicznością, wsparcie międzyplatformowe, narzędzia do budowania świata, szablony środowiska, możliwości udostępniania ekranu oraz SDK do tworzenia udostępnianych Aplikacje. 
  • Poniższy przykład to VNTANA (https://www.vntana.com), która pomaga firmom wdrażać 3D i AR na dużą skalę za pomocą technologii holograficznej. VNTANA zapewnia kompletny zestaw narzędzi do tworzenia i dostarczania interaktywnych, realistycznych doświadczeń związanych z marką, które można wykorzystać w sklepach, na imprezach, w muzeach i nie tylko. Platforma VNTANA umożliwia firmom publikowanie aktualnych projektów 3D lub skanów 3D i natychmiastowe tworzenie atrakcyjnego handlu elektronicznego 3D i internetowej rzeczywistości rozszerzonej dla klientów.

Podsumowanie

Rozpoznawanie obrazów stało się podstawową technologią dla Metaverse. Umożliwia użytkownikom bardziej realistyczne doświadczanie wirtualnego świata poprzez przetwarzanie i analizowanie informacji wizualnych. Odgrywa również istotną rolę we współpracy i komunikacji między osobami pracującymi nad projektami.

Branża informatyczna przeżywa niesamowity wzrost. Metaverse będzie istotną częścią tego rozwoju. W przyszłości komputery i wizja komputerowa staną się jeszcze bardziej krytyczne, ponieważ będziemy nadal łączyć nasze życie ze światami wirtualnymi. 

Jak sztuczna inteligencja odgrywa kluczową rolę w dostarczaniu doskonałych mikromomentów

W dzisiejszych czasach jesteśmy w ciągłym ruchu, wciąż musimy się czegoś nauczyć, coś zrobić, coś kupić. W tym aspektach firmy poszukują mikromomentów. Marki mogą identyfikować mikromomenty, rozpoznając momenty, w których ktoś ma określony rodzaj potrzeb. A ponieważ ludzie mogą używać obrazów, głosu lub tekstu do wyrażania siebie, sztuczna inteligencja odgrywa kluczową rolę w zapewnianiu doskonałych mikromomentów. Technologie takie jak rozpoznawanie obrazu, rozpoznawanie głosu i rozpoznawanie tekstu mają kluczowe znaczenie dla zrozumienia, czego ludzie chcą i dostarczania im tego w sposób odpowiadający ich potrzebom.

Jak więc upewnić się, że Twoja marka zapewnia doskonałe mikromomenty? Ważne jest, aby zrozumieć, czego ludzie szukają i co próbują osiągnąć. Musisz stworzyć treści lub narzędzia, które umożliwią im robienie tego, co chcą. A najlepiej byłoby, gdybyś upewnił się, że te narzędzia są dostępne wszędzie tam, gdzie ludzie ich szukają. Oznacza to upewnienie się, że Twoja witryna jest dostosowana do urządzeń mobilnych, że masz silną pozycję w mediach społecznościowych i że korzystasz z najnowszych technologii, aby docierać do ludzi tam, gdzie się znajdują.

Ale jakie są rodzaje mikromomentów?

Wyróżniamy trzy rodzaje mikromomentów:

  • „Muszę coś wiedzieć.” Ktoś szuka lub eksploruje, ale jeszcze nie dokonał zakupu. Chcą przydatnych informacji, a może nawet inspiracji, a nie twardej sprzedaży.
  • „Muszę coś zrobić.” Ta osoba ma na myśli zadanie i szuka rozwiązania. Chcą porównać produkty, znaleźć sklep lub uzyskać instrukcje krok po kroku.
  • „Chcę coś kupić.” Kupujący jest gotowy do zakupu i szuka najlepszej oferty, informacji o gwarancjach lub recenzji. Mogą to być również zakupy porównawcze.

Najważniejsze jest to, że marki muszą dostarczać treści i narzędzia, które zaspokoją te potrzeby. I muszą to robić w wygodny dla ludzi sposób, gdziekolwiek szukają informacji. Oznacza to korzystanie z najnowszych technologii i bycie tam, gdzie ludzie spędzają czas online. Technologie o kluczowym znaczeniu dla dostarczania przepływów mikromomentów to rozpoznawanie tekstu, rozpoznawanie obrazu i rozpoznawanie głosu.

Scenariusz

Załóżmy, że jesteśmy w scenariuszu, który jest już obsługiwany przez aparat iPhone’a. Mamy papierowy paragon ze sklepu z ceną za wędkę. Aparat rozpoznaje tekst na rachunku, gdy tylko zrobisz mu zdjęcie. W ten sposób możemy od razu sprawdzić, ile taki produkt kosztuje np. w Amazonie. Za pomocą rozpoznawania obrazu możemy go nawet kupić od ręki. To doskonały przykład tego, jak udało się dostarczyć mikromoment.

Rozpoznawanie głosu to kolejna ważna technologia, jeśli chodzi o dostarczanie doskonałych mikromomentów. Dzięki rozpoznawaniu głosu możesz przekazywać ludziom informacje w czasie rzeczywistym. Na przykład, jeśli używasz systemu rozpoznawania głosu do obsługi klienta, możesz natychmiast odpowiadać na pytania ludzi. Amazon Alexa, Siri lub inni asystenci głosowi są doskonałymi pomocnikami. Mój przykład z wędką też mógłby tu zadziałać. Zamiast skanować paragon, klient mógł po prostu powiedzieć na głos cenę wędki, aby uzyskać natychmiastową odpowiedź, ile będzie kosztować w Amazon.

Rozpoznawanie tekstu to kolejna ważna technologia, jeśli chodzi o dostarczanie doskonałych mikromomentów. Dzięki rozpoznawaniu tekstu możesz automatycznie wyodrębniać informacje z obrazów lub plików PDF. Ułatwia to ludziom uzyskanie potrzebnych informacji bez wpisywania czegokolwiek.

Technologie te są niezbędne do zrozumienia, czego ludzie chcą i dostarczenia im tego w sposób odpowiadający ich potrzebom.

No alt text provided for this image

Uczenie maszynowe i głębokie uczenie mogą skutecznie obsługiwać polecenia głosowe, rozpoznawać obrazy i identyfikować tekst. Firmy, które chcą wykorzystać mikromomenty, powinny wykorzystywać technologie sztucznej inteligencji, aby zrozumieć naturalne interakcje międzyludzkie. Wykorzystanie tych technologii pomoże markom identyfikować i przewidywać potrzeby klientów, gdy się pojawią. W ten sposób firmy mogą dostarczać klientom dokładnie to, czego szukają, bez zgadywania. Ma to kluczowe znaczenie, ponieważ zaspokajanie potrzeb klientów w mikromomentach jest niezbędne do stworzenia udanego biznesu.

Rynek jest ogromny.

Całkowity adresowalny rynek sztucznej inteligencji wyniósł 46 miliardów dolarów w 2021 roku, w porównaniu z 12,36 miliarda dolarów w 2016 roku. Patrząc na konkretne technologie, możemy szybko dowiedzieć się, że rynek rozpoznawania głosu był wyceniony na 10,7 miliarda dolarów w 2020 roku, a w 2025 roku osiągnie 30 miliardów dolarów, co CAGR 26,0%. Rynek rozpoznawania tekstu został wyceniony na 15,14 mld USD w 2020 r., a do 2025 r. wzrośnie do 74,06 mld USD przy złożonej rocznej stopie wzrostu (CAGR) na poziomie 30,0%. Rynek rozpoznawania obrazów osiągnie 34,06 miliardów dolarów do 2025 roku, przy CAGR na poziomie 27,0% (Źródło: MarketsandMarkets)

Wniosek jest taki, że technologie sztucznej inteligencji są niezbędne do zapewniania doskonałych mikromomentów i powinny być wykorzystywane do zrozumienia, czego ludzie chcą i dostarczania im tego w sposób odpowiadający ich potrzebom.

Podsumowanie

Mikromomenty są kluczowym elementem podróży klienta i należy je brać pod uwagę przy opracowywaniu strategii marketingowych i produktowych. Dzięki zrozumieniu, czym są mikromomenty i wykorzystaniu najnowszych technologii, firmy mogą dostarczać klientom w czasie rzeczywistym informacje spełniające ich potrzeby. Sztuczna inteligencja zautomatyzuje ten proces, czego skutkiem będzie trafniejsze przewidywanie i dostosowywanie.

Jak tworzyć udaną relację ze sztuczną inteligencją w przedsiębiorstwie?

Firmy na całym świecie dostrzegają, że sztuczna inteligencja ma coraz większą moc w kwestii ulepszania procesów, zaspokajaniu potrzeb klientów, wchodzeniu w nowe przestrzenie, a przede wszystkim w zdobywaniu trwałej przewagi konkurencyjnej. Wraz z tym uznaniem nastąpił wzrost przyjęcia i inwestycji w technologie sztucznej inteligencji. Jakie krytyczne elementy muszą przewidzieć menedżerowie, aby zbudować żywą i efektywną organizację, która kompleksowo wdroży sztuczną inteligencję?

1. Stwórz centrum doskonałości w tej dziedzinie.

Centrum doskonałości jest kluczem do sukcesu przy wdrażaniu każdej nowej technologii, ale szczególnie w przypadku sztucznej inteligencji. Zespół ten powinien być odpowiedzialny za badanie i testowanie nowych zastosowań sztucznej inteligencji w firmie, opracowywanie standardowych procedur operacyjnych (SOP) do ich wykorzystania oraz szkolenie innych pracowników w zakresie najlepszego wykorzystania technologii sztucznej inteligencji. Centrum powinno również być na bieżąco z najnowszymi osiągnięciami AI, aby nadal przynosić firmie wartość.

Stworzenie centrum doskonałości może być trudne, ponieważ wymaga poświęcenia zarówno czasu, jak i zasobów. Jednak z odpowiednim zespołem Twoja firma będzie w stanie zmaksymalizować potencjał technologii AI.

2. Ustal priorytety biznesowe i zidentyfikuj możliwości

Jednym z podstawowych kroków w korzystaniu ze sztucznej inteligencji jest określenie, gdzie można ją wykorzystać w firmie. Wiąże się to ze zrozumieniem priorytetów Twojej firmy, a następnie szukaniem obszarów, w których sztuczna inteligencja może pomóc Ci osiągnąć te cele.

Niektóre typowe zastosowania AI w biznesie to:

  • Poprawa produktywności pracowników/pracowników/zespołów (przykład: algorytmy, które mogą optymalizować produkcję)
  • zwiększenie zaangażowania i doświadczenia klientów (przykład: chatboty dostarczające rekomendacje lub spersonalizowane doświadczenia lub wykorzystanie AI do ulepszania projektowania produktów/ usług)
  • wchodzenie na nowe rynki lub przestrzenie (przykład: opracowanie niestandardowego rozwiązania AI dla określonej branży lub stworzenie nowego modelu biznesowego uwzględniającego sztuczną inteligencję)
  • zmniejszenie kosztów (przykład: automatyzacja zadań wykonywanych ręcznie lub wykorzystanie analiz predykcyjnych w celu optymalizacji alokacji zasobów)

3. Wybierz i bądź zobowiązany ograniczonej liczbie projektów.

Po zidentyfikowaniu możliwości, w których można wykorzystać sztuczną inteligencję, ważne jest, aby wybrać ograniczoną liczbę projektów i zobowiązać się do ich realizacji. Pozwoli ci to skupić się na dostarczaniu wartości, a nie na zbyt rzadkim rozprowadzaniu zasobów.

Ważne jest również, aby projekty te były zgodne z priorytetami biznesowymi Twojej firmy i były osiągalne w pożądanych ramach czasowych. Oto kilka metod ustalania priorytetów inicjatyw AI:

  • Użyj systemu punktacji, aby oceniać projekty na podstawie czynników, takich jak wpływ i wykonalność
  • inicjatywy w kategorie (takie jak poprawa wydajności pracowników, zwiększanie zaangażowania klientów, wchodzenie na nowe rynki itp.) i oceniaj je w ramach każdej kategorii
  • przeprowadź analizę „business case” poszczególnych projektów, aby określić ich korzyści finansowe

Najważniejsze jest realistyczne podejście do tego, co można osiągnąć dzięki AI w krótkim okresie i skupienie się na inicjatywach, które będą miały największy wpływ.

4. Przypisz sponsorów projektu na poziomie wykonawczym.

Sponsorzy projektów na szczeblu kierowniczym mają kluczowe znaczenie dla powodzenia każdej inicjatywy AI. Osoby te są odpowiedzialne za zapewnienie realizacji projektów, realizację celów biznesowych i dostęp do niezbędnych zasobów. Działają również jako orędownicy sztucznej inteligencji w firmie, pomagając zapewnić, że wszyscy są zaangażowani w jej wdrażanie.

Sponsorami projektów powinny być osoby znające sztuczną inteligencję i jej potencjalne zastosowania w firmie. Nie muszą być ekspertami w dziedzinie technologii, ale muszą rozumieć, w jaki sposób można ją wykorzystać do osiągnięcia celów biznesowych. Zanim skontaktujesz się ze sponsorami projektu, warto przygotować:

  • Streszczenie projektu, które podkreśla jego cele, korzyści i proponowane wdrożenie
  • Szczegółowy plan projektu z harmonogramem, wymaganymi zasobami i potencjalnym ryzykiem
  • uzasadnienie biznesowe projektu, które przedstawia jego finansowe korzyści (przykład: zwrot z inwestycji, oszczędności kosztów, zwiększone przychody)
  • Strategia danych dla projektu, w tym sposób gromadzenia, przetwarzania i wykorzystywania danych
  • Mapa drogowa z modelami AI (maszyna lub algorytmy głębokiego uczenia), które zostaną wykorzystane w projekcie
  • Szkolenie modeli strategia, która pomaga zidentyfikować dane wejściowe, które są wymagane do szkolenia modeli AI
  • Zysk klienta (wewnętrzny/zewnętrzny). Zyski opisują wyniki i korzyści, których szukają Twoi konsumenci. Klienci mogą cenić dowolną liczbę rzeczy, ale niektóre są przez nich potrzebne, przewidywane lub pożądane. Niektórzy mogą ich zaskoczyć. Wartość funkcjonalna, korzyści społeczne, pozytywne emocje i oszczędność kosztów to przykłady kategorii zysków.

Im więcej informacji możesz przekazać sponsorom projektu, tym lepiej. Pomoże im to zrozumieć, dlaczego sztuczna inteligencja jest ważna i jak może poprawić wyniki biznesowe.

5. Określ i uzupełnij braki w umiejętnościach

Jednym z wyzwań związanych z wdrażaniem sztucznej inteligencji jest to, że nie wszyscy w firmie będą mieli umiejętności niezbędne do pracy z nią. Może to stanowić istotną przeszkodę, zwłaszcza jeśli chcesz wykorzystać sztuczną inteligencję do zadań, które obecnie wymagają interwencji człowieka.

Aby to przezwyciężyć, konieczne jest określenie i uzupełnienie braków w umiejętnościach w Twojej organizacji.

Można to osiągnąć poprzez:

  • Identyfikację umiejętności wymaganych do wdrożenia i wykorzystania sztucznej inteligencji w Twojej firmie
  • Stworzenie programu szkoleniowego lub inicjatywy w celu wypełnienia tych luk
  • Zatrudnienie pracowników z niezbędnymi umiejętnościami
  • Nawiązanie współpracy z zewnętrznymi dostawcami, którzy mogą pomóc w rozwoju i/lub realizacji Projekty AI

Ostatnia opcja jest szczególnie ważna, ponieważ firmom może być trudno nadążyć za szybko zmieniającą się dziedziną AI. Współpraca z zewnętrznym dostawcą może pomóc w szybkim rozpoczęciu pracy bez konieczności inwestowania w zasoby lub członków personelu, którzy są już zaznajomieni z technologią.

Gdy te luki zostaną wypełnione, wszyscy w firmie będą mogli efektywnie pracować z AI i pomagać w poprawianiu wyników biznesowych.

6. Postępuj z danymi

Duże ilości danych pochodzą z różnych źródeł i muszą być obsługiwane poprzez stworzenie infrastruktury technicznej, która jest w stanie zbierać, czyścić, przenosić i przechowywać wszystkie te informacje, jednocześnie dostarczając je do systemów AI w odpowiednim czas i szybkość.

„Nie można zacząć od wielu plików Excela i zbudować rozwiązania AI” — powiedział Ammanath z Deloitte. „Musisz zapewnić solidną i niezawodną infrastrukturę danych”.

Oto kilka kluczowych kwestii związanych z przetwarzaniem danych:

  • Zarządzanie danymi. Jest to niezbędne do zapewnienia, że ​​dane są gromadzone, przetwarzane i wykorzystywane w sposób spójny i odpowiedzialny. Pomaga również chronić przed nieuprawnionym dostępem lub wykorzystaniem danych.
  • Jakość danych. Jest to ważne z dwóch powodów: po pierwsze złe dane mogą prowadzić do niedokładnych wyników, a po drugie naprawienie problemów z jakością danych po ich zidentyfikowaniu może być kosztowne.
  • Ochrona danych. Ma to kluczowe znaczenie dla ochrony przed nieautoryzowanym dostępem lub wykorzystaniem danych. Niezbędne jest również zapewnienie bezpiecznego i bezpiecznego przechowywania danych.
  • Integracja danych. Pomaga to zapewnić, że dane są gromadzone, przetwarzane i wykorzystywane konsekwentnie i wydajnie.
  • Przenoszenie danych. Pomaga to zapewnić szybkie gromadzenie, przetwarzanie i wykorzystywanie danych.

Po utworzeniu infrastruktury danych musisz określić, które modele sztucznej inteligencji będą używane oraz w jaki sposób dane będą dostępne i dostarczane do tych modeli. Można to zrobić, tworząc plan z modelami AI i przepływami danych.

7. Zajmij się bezpieczeństwem, prywatnością, przepisami, prawami, etyką.

Istnieje kilka wyzwań, które należy pokonać, aby zastosować sztuczną inteligencję, takich jak poważne obawy dotyczące bezpieczeństwa, prywatności, przepisów i zgodności, a także kwestie prawne i problemy etyczne.

Wiele z tych wyzwań jest wciąż opracowywanych, a wiedza, jak postępować, gdy istnieje tak wiele niewiadomych, może być trudna. Jednak konieczne jest bezpośrednie zajęcie się tymi problemami i opracowanie planu ich radzenia sobie.

Może to obejmować:

  • Opracowywanie ram zarządzania danymi
  • Stworzenie polityki prywatności
  • wymogów prawnych i zgodności
  • kodeksu postępowania lub etyki
  • Stworzenie polityki przechowywania danych

Wiele firm jest wciąż na wczesnym etapie eksploracji sztucznej inteligencji, dlatego konieczne jest stawienie czoła tym wyzwaniom już teraz . Pomoże to w przezwyciężeniu wszelkich potencjalnych przeszkód na drodze i upewni się, że Twoja firma jest gotowa do korzystania z korzyści oferowanych przez sztuczną inteligencję.

8. Ustal parametry dla akceptowalnej wydajności AI

Ważne jest, aby ustalić, jaki poziom wydajności jest wystarczający dla systemów AI i zdefiniować mierniki sukcesu.

Może to pomóc w zapewnieniu odpowiedniego zarządzania oczekiwaniami i zgodności projektów AI z celami biznesowymi. Ponadto może pomóc w zapobieganiu nakładaniu nierealistycznych wymagań na systemy sztucznej inteligencji.

Definiowanie wskaźników sukcesu pomaga również śledzić postępy projektów AI i upewnić się, że spełniają oczekiwania.

Przy ustalaniu parametrów wydajności dla systemów AI należy wziąć pod uwagę różne czynniki, takie jak dokładność, szybkość, opóźnienie, skalowalność i niezawodność.

Istotne jest również ustalenie, w jaki sposób te czynniki będą mierzone.

Po ustaleniu parametrów wydajności konieczne jest śledzenie, jak systemy sztucznej inteligencji radzą sobie z nimi. Można to zrobić, regularnie mierząc wydajność modeli AI i porównując ją z pożądanym poziomem wydajności.

Podsumowanie

Zorganizowanie przedsiębiorstwa pod kątem udanej relacji ze sztuczną inteligencją może być zniechęcające, ale konieczne jest bezpośrednie stawienie czoła wyzwaniom. Firmy szybko zbliżają się do dnia, w którym sztuczna inteligencja ma samodzielnie i regularnie oświetlać kreatywne i strategiczne możliwości, pozwalając menedżerom na ucieczkę od wąskich punktów widzenia. Jeśli firma nie jest przygotowana na te zmiany, szybko zostanie w tyle.