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.

Transformacja biznesu: na jakich obszarach Dyrektor ds. cyfrowych powinien się skupić, aby była udana?

Dyrektor ds. cyfrowych (ang. Chief Digital Officer – CDO)  nie jest nowym stanowiskiem, jednak już dawno minęły czasy kiedy był odpowiedzialny jedynie za wprowadzanie podstawowych funkcji cyfrowych i być może pilotowanie kilku inicjatyw. CDO jest teraz odpowiedzialny za koordynację i zarządzanie kompleksowymi zmianami, które dotyczą wszystkiego, od aktualizacji sposobu pracy firmy po budowanie zupełnie nowych biznesów. Aby transformacja biznesu przebiegła pomyślnie, warto skupić się na kilku obszarach:

1. Uczyń technologię cyfrową strategicznym elementem rozwoju

Dni, w których cyfryzacja była postrzegana jako refleksja lub błyskawiczna myśl, minęły. Chief Digital Officer musi upewnić się, że cyfryzacja jest strategicznym elementem rozwoju, a nie tylko odosobnioną inicjatywą. Oznacza to przyglądanie się, jak działa cała firma i wprowadzanie zmian w razie potrzeby. Oznacza to również określenie, które obszary są gotowe do zakłóceń i wykorzystanie cyfrowych możliwości.

Nie oznacza to, że CDO powinno skupiać się wyłącznie na świecie online. W rzeczywistości coraz większa liczba Chief Digital Officers odpowiada za obsługę klienta i zaangażowanie w różnych kanałach – zarówno online, jak i offline. Niezależnie od celu, CDO musi mieć jasną wizję tego, w jaki sposób cyfryzacja wpisuje się w ogólną strategię firmy, aby odpowiednio koordynować operacje.

2. Poświęć trochę czasu na poznanie swojego klienta i poświęć się jego potrzebom

Chief Digital Officer jest nie tylko odpowiedzialny za wdrażanie nowych technologii, ale także za nadzór nad ich wykorzystaniem. Oznacza to, że Chief Digital Officers muszą być na bieżąco z narzędziami używanymi przez pracowników i dlaczego akurat te są używane. 

Mając te informacje pod ręką, dyrektorzy ds. cyfrowych muszą przyjrzeć się swojej bazie klientów – zarówno wewnętrznych, jak i zewnętrznych. Oznacza to, że dyrektorzy ds. cyfrowych muszą tworzyć silne relacje z ludźmi, którym służą – zarówno klientami, jak i pracownikami. Rozumiejąc ich potrzeby, dyrektorzy ds. cyfrowych mogą zapewnić, że nowe technologie są wdrażane w sposób, który przyniesie korzyści wszystkim zaangażowanym. Pomaga to również dyrektorom ds. cyfrowych identyfikować możliwości zwiększenia ogólnej produktywności poprzez usprawnienie procesów wewnętrznych lub poprawę interakcji zewnętrznych.

CDO muszą również chcieć zadawać pytania o to, dlaczego używane są określone narzędzia – nawet jeśli dyrektor generalny jest już zadowolony z ich obecnej konfiguracji. Czasami pracownicy mogą poprawić wyniki i stać się bardziej produktywni, przełączając się z jednego narzędzia lub platformy na inne, ale nie zdają sobie sprawy, o ile lepsza może być ich sytuacja.

Obowiązkiem CDO jest śledzenie tych zmian i upewnienie się, że ich zespół używa najlepszych możliwych narzędzi do obsługi klientów. Kolosalna część to personalizacja – Chief Digital Officers muszą wiedzieć, czego chcą i potrzebują ich klienci, zanim będą mogli pomyśleć o wdrożeniu nowej technologii.

3. Stwórz zwinną, szybką kulturę skoncentrowaną na danych

Dyrektorzy ds. cyfrowych muszą stworzyć kulturę, która pozwoli ich pracownikom pracować mądrze i wydajnie. Oznacza to zmianę sposobu myślenia o danych i wdrożenie nowych procesów ich gromadzenia.

Podejmowanie działań, takich jak zachęcanie do bardziej spersonalizowanych interakcji opartych na danych, może pomóc dyrektorom cyfrowym w poprawie interakcji we wszystkich kanałach, zarówno online, jak i offline.

Obejmuje to również pomaganie pracownikom w zrozumieniu znaczenia gromadzenia i analizy danych. Bez odpowiedniego zrozumienia, CDO nigdy nie wykorzystają właściwie swoich informacji ani nie stworzą kultury, która będzie do tego zachęcać.

W postaci zwinnego rozwoju i zmian szybkość ma również kluczowe znaczenie. Obejmuje szybkie iteracje i modyfikacje produktów i usług zorientowane na wartość. Chief Digital Officers muszą pomóc w budowaniu tych cech w swoich zespołach, aby szybko reagować na zmiany na rynku i dostarczać konkurencyjne produkty.

Niezbędne jest również upewnienie się, że wszyscy efektywnie wykorzystują dane. Oznacza to regularne sprawdzanie, w jaki sposób pracownicy zbierają, analizują i działają na danych. Monitorując wskaźniki wydajności, takie jak współczynniki konwersji sprzedaży, churn, wynik NPS i długoterminowa wartość klienta, można zrozumieć, jak dobrze zespół wykorzystuje dane do poprawy swoich operacji. Sprawność oparta na danych gwarantuje, że spostrzeżenia są szybko umieszczane w planie rozwoju produktów i usług.

4. Otwarte innowacje i sieć z konsultantami, start-upami i partnerami zorientowanymi

W dzisiejszym cyfrowym świecie zagrożenia pochodzą z innowacyjnych technologii, które umożliwiają nowym firmom, start-upom, które podważają ugruntowane modele biznesowe. CDO, które odniosły sukces, są świadome tych zmian. Poza swoją działalnością tworzą sieci ludzi, technologii i pomysłów, które aktualizują ich krajobraz pod kątem potencjalnych przejęć lub partnerów, którzy mogą wnieść wartość.

CDO muszą mieć otwarty umysł na nowe i przełomowe technologie. Powinni aktywnie szukać najnowszych trendów i współpracować ze start-upami i uznanymi firmami technologicznymi, aby zidentyfikować potencjalne obszary współpracy. Obejmuje to chęć eksperymentowania z różnymi technologiami, aby znaleźć najlepszy sposób ich zintegrowania z działaniami firmy.

5. Budowanie kultury „zadań wysyłkowych”

CDO są ostatecznie oceniane nie na podstawie jakości swoich pomysłów, ale na podstawie ich zdolności do kierowania różnymi zespołami, kierowania projektami, pokonywania przeszkód i dostarczania zintegrowanych zmian. Muszą pielęgnować kulturę, która ceni zadania związane z wysyłką ponad ich doskonalenie.

Oznacza to stworzenie środowiska, w którym pracownicy mogą bezpiecznie popełniać błędy i eksperymentować z nowymi pomysłami. Zachęcanie do tego typu zachowań pomoże zespołowi działać szybciej i być bardziej innowacyjnym. Pozwala także CDO skupić się na całościowym obrazie bez zagłębiania się w szczegóły.

Bardzo ważne jest również, aby CDO dostarczyły każdy projekt tak szybko, jak to możliwe, niezależnie od wielkości lub zakresu. Oznacza to, że jesteś na bieżąco informowany o każdym zadaniu i zapewniasz, że mniejsze projekty są realizowane na czas, zapobiegając postępowi bardziej znaczących inicjatyw. 

Inteligentny Chief Digital Officer będzie kreatywnie wykorzystywał raportowanie i dashboarding. Celem nie jest nadzorowanie i podwójne sprawdzanie każdej czynności; zamiast tego ma pracować razem jako zespół, aby analizować dane i identyfikować nieefektywności, marnotrawstwo i wady za pomocą inteligentnego pulpitu nawigacyjnego.

Podsumowanie

Chief Digital Officer szybko staje się jedną z najważniejszych ról w firmie. Są odpowiedzialni za koordynację i zarządzanie kompleksowymi zmianami, które dotyczą wszystkiego, od aktualizacji sposobu działania firmy po budowanie zupełnie nowych firm. Aby odnieść sukces, muszą posiadać różne umiejętności, w tym umiejętność efektywnego wykorzystywania danych, szybkiego przyjmowania zmian i nawiązywania kontaktów z innymi firmami.

Wkrótce od Chief Digital Officers będzie oczekiwać się wdrożenia inteligentnych robotów i algorytmów, które mogą wykonywać złożone zadania i przewidywać rozwój firmy oraz wyzwania. 

Będą także musieli opracować zaawansowane oprogramowanie do uczenia maszynowego, zdolne do samodzielnego podejmowania decyzji i wykrywania, kiedy coś jest nie tak w procesie lub systemie.

Chief Digital Officer jutra będzie musiał być mistrzem innowacji, futurystą i agentem zmian.

Zmiana sposobu automatyzacji w Twojej firmie

Ze względu na stale zmieniające się oczekiwania klientów, konieczne jest rozszerzenie ustalonych podejść rozwojowych, jeśli inicjatywy automatyzacji mają przynieść znaczne korzyści na masową skalę. Automatyzacja na dużą skalę wymaga fundamentu, który oprócz wymagań funkcjonalnych zawiera informacje o firmie i regułach przetwarzania transakcji.

Zwinność, zwinność i jeszcze raz zwinność

Firmy powinny stosować zwinne metodyki rozwoju, zwinną architekturę i zwinne praktyki zarządzania projektami, aby pomyślnie wdrażać technologie automatyzacji. Bez tego inicjatywy automatyzacji procesów biznesowych ryzykują niepowodzenie z powodu niemożności obsługi zmian wymagań w całym cyklu życia projektu.

Podejścia zwinne koncentrują się na częstym dostarczaniu wysokiej jakości oprogramowania poprzez szybkie iteracyjne tworzenie oprogramowania. Podczas gdy metody zwinne są wykorzystywane do tworzenia oprogramowania na zamówienie od ponad dekady, zwinne zarządzanie projektami zaczęto stosować do automatyzacji procesów biznesowych na dużą skalę dopiero w ciągu kilku lat.

Pierwszym krokiem w kierunku uzyskania systematycznej pomocy dla oprogramowania do automatyzacji procesów biznesowych typu agile jest zastosowanie metody agile. Nie wystarczy jedynie umożliwić zespołowi programistycznemu bycie zwinny; musisz zapewnić sprawność w całej firmie.

Zwinna automatyzacja na dużą skalę

Niektóre firmy zmodyfikowały i rozwinęły ramy scrum do automatyzacji procesów, aby spełnić to wymaganie. Ta metoda „zwinnej automatyzacji” jest podobna do scrum, z kilkoma różnicami.

  • Różne kierownictwo zespołu. Zwinna automatyzacja opiera się na elastycznym projekcie zespołu, który obejmuje programistów, testerów, pracowników IT i interesariuszy biznesowych. Właściciel produktu z firmy prowadzi każdy zespół, wspomagany przez eksperta merytorycznego posiadającego branżową wiedzę na temat technologii. Ma to kluczowe znaczenie w produktach wykorzystujących sztuczną inteligencję, w których ekspert domeny jest wymagany do prawidłowej oceny wyników modeli AI.
  • Planowanie mapy drogowej. Automatyzacja Agile wymaga znacznej ilości planowania przed rozpoczęciem jakichkolwiek prac rozwojowych. W tej fazie musisz skonfigurować projekt automatyzacji. Następnie musisz go regularnie testować, sprawdzać jego funkcjonalność i porównywać z poprzednimi wersjami. Ta faza zapewnia, że ​​projekt automatyzacji połączy się z całym biznesem i będzie zgodny z wymogami regulacyjnymi i innymi ograniczeniami. Pozwala również zainteresowanym stronom w dotkniętych sekcjach firmy przygotować przepływ oparty na wyzwalaczach
  • Koncepcja „przepływu opartego na wyzwalaczach” zastąpiła tradycyjne historyjki użytkownika w zwinnej automatyzacji, aby podzielić projekt na części wielkości kęsa. Pierwszym krokiem w formule jest zidentyfikowanie „zdarzenia wyzwalającego”, na przykład gdy określone dane staną się dostępne lub gdy nastąpi akcja użytkownika. Następnie definiuje się działania potrzebne w odpowiedzi na to zdarzenie i wynik, który ma zostać utworzony. Zespoły mogą używać tej techniki do dzielenia procedur na łatwe do opanowania części. Ponadto, ponieważ dane wejściowe i wyniki każdego fragmentu są jasno zdefiniowane, zespoły mogą pracować równolegle, przyspieszając prace programistyczne (na podstawie ankiety McKinsey).
  • Zarządzanie przepływem prototypów. Automatyzacja oddziela wydanie oprogramowania prototypowego i produkcyjnego. Wersje produkcyjne są realizowane według napiętego harmonogramu w koordynacji z kluczowymi obszarami biznesowymi, aby zminimalizować zakłócenia w całej organizacji. Prototypy są wprowadzane do środowiska testowego, gdzie ich wydajność jest częściej oceniana na reprezentatywnych zestawach danych.
  • Wsparcie organizacyjne. Ponieważ zwinna automatyzacja wymaga znaczących zmian organizacyjnych, wymaga od firm zastosowania nowych technologii i metod pracy do najważniejszych operacji — wszystko w tym samym czasie. Nawet jeśli Twoja organizacja jest mała i nowa, uruchomienie zautomatyzowanego rozwiązania wymaga dużej pomocy. Większość firm korzysta z wyspecjalizowanego biura programowego w celu zapewnienia pomocy, opracowania najlepszych praktyk i śledzenia postępów w całym projekcie automatyzacji.
  • Radzenie sobie z niepewnością. W organizacjach o złożonych technologiach pracownikom trudniej jest osiągnąć wspólne zrozumienie swoich klientów. Zmniejszenie niepewności zadania spowodowało zastosowanie metod koordynacji horyzontalnej i spotkań grupowych zamiast bezosobowych technik koordynacji.

Znaki, że Twoja organizacja musi skalować swoje Zespoły Agile to:

  • Spędzasz większość czasu na prowadzeniu firmy.
  • Masz wiele rzeczy w toku, ale niewiele z nich jest już skończonych.
  • Nie przestrzegasz zasad Agile i nie uczysz ludzi, jak wykorzystywać zasady Agile.
  • Nie możesz wymyślić, jak radzić sobie z zależnościami między zespołami.
  • Prędkość Twoich zwinnych zespołów nie jest stała.
  • Twój zespół zajmuje się tylko najpilniejszymi sprawami.
  • W swoim zaległości masz dużą liczbę zgłoszeń do pomocy technicznej i nie możesz tworzyć nowych funkcji produktu.

Centrum Doskonałości Automatyzacji – dlaczego i jak?

Zadanie zarządzania inicjatywami automatyzacji może być trudne, ale nie musi. Dzięki wdrożeniu centrum doskonałości automatyzacji przekonasz się, że Twój zespół będzie bardziej zwinny i responsywny niż kiedykolwiek wcześniej.

Podstawa

Podstawą Centrum Doskonałości jest model zarządzania automatyzacją, który zapewnia ramy do podejmowania decyzji, umożliwia standaryzację i spójność podejścia oraz ułatwia komunikację między interesariuszami.

COE (Center of Excellence) odpowiada za ustalenie ogólnej strategii organizacji i kierunku automatyzacji. Wiąże się to z opracowaniem kompleksowej architektury spełniającej potrzeby firmy, a także ustanowieniem procedur i standardów zapewniających prawidłowe i spójne wdrażanie automatyzacji. COE nadzoruje również działalność centrum automatyzacji, która obejmuje organizację zasobów (narzędzia, ludzie, procesy).

Jedną z najważniejszych funkcji COE jest pełnienie roli agenta zmian pomagającego w napędzaniu transformacji w całej organizacji. COE może być scentralizowanym źródłem najlepszych praktyk, wymiany wiedzy i ciągłego doskonalenia. Powinno dążyć do stworzenia środowiska, w którym inne części biznesu obejmują automatyzację.

COE może służyć jako źródło najlepszych praktyk, dzielenia się wiedzą i ciągłego doskonalenia. Środowisko powinno być takie, w którym automatyzacja jest akceptowana w innych częściach firmy. Im bardziej uda Ci się zmienić zasady organizacji, tym lepiej będziesz w stanie zoptymalizować wydajność procesów, jednocześnie minimalizując koszty związane z dostarczaniem wyników we wszystkich projektach automatyzacji.

Stosowany przez IBM model funkcji Center of Excellence zawiera kilka intrygujących możliwości.

No alt text provided for this image

Jak ustanowić Centrum Doskonałości dla automatyzacji biznesu?

  • Zidentyfikuj jednostki biznesowe, które mogą skorzystać na automatyzacji.
  • Określ, jaki proces lub dział byłby dobrym kandydatem do automatyzacji oraz te procesy, które nie są jeszcze zautomatyzowane i muszą podjąć kroki w kierunku automatyzacji, aby zachować aktualność.
  • Oceń umiejętności wymagane do projektowania, budowania, obsługi i monitorowania inicjatyw automatyzacji.
  • Wyznacz sponsora wykonawczego, który będzie odpowiedzialny za zapewnienie, że centrum doskonałości zapewnia firmie wartość.
  • Zdefiniuj i uzgodnij model zarządzania, który będzie obejmował role i obowiązki oraz prawa decyzyjne.
  • Oceń technologię i narzędzia potrzebne do wsparcia Rady Europy.
  • Zbuduj zespół ekspertów z umiejętnościami wymaganymi do obsługi i zarządzania centrum doskonałości automatyzacji.

Oto niektóre z typowych wyzwań, przed którymi stoją firmy wdrażające centra doskonałości automatyzacji:

  • Brak ram i standardów zarządzania w różnych zespołach i technologiach. Może to prowadzić do niespójności w sposobie wykorzystania i zarządzania automatyzacją, wpływając na wydajność i niezawodność.
  • Brak możliwości szybkiego dostosowania się do zmian potrzeb biznesowych lub aktualizacji technologii. Centrum doskonałości automatyzacji powinno być w stanie szybko dostosowywać się do zmian, aby firma mogła wykorzystać nowe możliwości lub reagować na zagrożenia.
  • Brak widoczności i kontroli w różnych inicjatywach automatyzacji. Może to prowadzić do powielania wysiłków, niespójności w działaniu i braku możliwości śledzenia postępów w realizacji celów.
  • Wyzwania związane z integracją automatyzacji z istniejącym środowiskiem IT. Automatyzacja wymaga znacznych inwestycji w budowanie i wdrażanie umiejętności, narzędzi, procesów i zarządzania w całej organizacji – coś, z czym wiele firm ma trudności.
  • Niezdolność do spełnienia wymagań biznesowych dotyczących zwiększonej skali lub szybkości wdrożeń bez poświęcania niezawodności.
  • Brak współpracy pomiędzy różnymi zespołami odpowiedzialnymi za zarządzanie poszczególnymi częściami procesu biznesowego. Może to prowadzić do tego, że zespoły pracują w silosach, powielają wysiłki i marnują zasoby.
  • Brak integracji z istniejącymi narzędziami używanymi przez zespoły programistyczne lub operacyjne, takimi jak systemy zarządzania kodem źródłowym, trackery problemów, serwery CI itp. Centrum doskonałości automatyzacji powinno być w stanie bezproblemowo zintegrować się z tymi narzędziami w celu gromadzenia i analizowania danych o inicjatywy automatyzacji w sposób ciągły.
  • Brak wglądu w wydajność i potencjalne problemy z wdrożonymi procesami lub usługami, takimi jak metryki monitorowania lub responsywność interfejsów API. Centrum automatyzacji powinno zapewniać wgląd w to, jak dobrze działają procesy, aby można było wykryć wszelkie problemy – zwłaszcza te wynikające z błędnych konfiguracji.

Korzyści z wdrożenia centrum doskonałości w Twojej firmie.

Jeśli chodzi o COE, najważniejszym problemem jest zapewnienie, aby wysiłki profesjonalistów i ekspertów nie poszły na marne. COE ustanawia ramy skalowania działań poprzez opracowanie zestawu standardowych procedur, które zespoły w całej firmie mogą stosować w przypadku poszczególnych projektów.

COE służy również jako nowy punkt odniesienia dla procedur automatyzacji firmy, ułatwiając wdrożenie tych ustandaryzowanych procesów w całej organizacji. Pozwala to firmie na skalowanie i dalsze wdrażanie procesów automatyzacji w całej strukturze.

Oto niektóre z korzyści, jakie CoE może zapewnić firmie:

  • Wydajniejsze wykorzystanie zasobów poprzez eliminację zadań związanych ze ścięgnami.
  • Ponieważ automatyzacja na dużą skalę poprawia wydajność, zapewnia lepsze wyniki, dostarczając klientom wysokiej jakości towary i usługi.
  • Eliminując nieefektywne praktyki i skracając czas potrzebny na naukę nowych umiejętności i technologii, zmniejszysz koszty operacyjne.
  • Udoskonalenia w zakresie samodzielnego prowadzenia i automatyzacji skracają czas wprowadzania produktów na rynek.
  • Specjaliści CoE mogą pomagać pracownikom w adaptacji w celu usprawnienia ich pracy i dzielenia się skutecznymi metodami. Mogą również pomóc jednostkom i zespołom w nauce, rejestrując wykonalne procesy, rejestrując sesje szkoleniowe, pomagając w nauce indywidualnej i zespołowej oraz wspierając indywidualny rozwój.

Co musisz wiedzieć o AI i Metaverse?

AI i Metaverse to stosunkowo nowe i złożone tematy, które dominują w dzisiejszym świecie biznesu i technologii. W rzeczywistości najlepsi przedsiębiorcy, tacy jak Mark Zuckerberg czy Elon Musk, są kojarzeni z tymi niejasnymi i często nadużywanymi terminami.

Jeśli interesujesz się sztuczną inteligencją i Metaverse, trudno jest znaleźć właściwe informacje z właściwych źródeł. Co więcej, niektóre źródła zmuszają do przeczytania złożonej terminologii, która dla niedoświadczonej osoby może nie mieć sensu.

Dlatego przygotowałem listę filmów i podcastów, dzięki którym nauka o sztucznej inteligencji i Metaverse będzie łatwa i przyjemna!

Materiały video:

Bernard Marr

Future Business Tech

AI for Good

Talking to AI

The High ROI Data Scientist

Fintelics

Sensorium

Shine 365

Ask AI

Podcasty:

Blissthoughts

Contested Loving Discourse from the Oak Guild Institute

AI Education Podcast

Azeem Azhar’s Exponential View

Autoline After Hours

What the F*** is the Metaverse?

Wartości w kulturze amerykańskiej

Dziś chciałbym podzielić się kilkoma spostrzeżeniami na temat wartości w kulturze amerykańskiej, które przekładają się na biznesowe aspekty:

1. Osobista kontrola nad środowiskiem – Ludzie mogą (a nawet powinni – jak sami uważają) kontrolować przyrodę, własne środowisko i przeznaczenie. Nie pozostawiają przyszłość na pastwę losu. Przez takie myślenie, społeczeństwo jest zorientowane na cel.

2. Zmiana/mobilność – Zmiana jest zawsze postrzegana jako pozytywna, oznacza postęp i rozwój. Dzięki temu społeczeństwo jest przejściowe (tymczasowe) pod względem geograficznym, ekonomicznym i społecznym.

3. Czas i jego znaczenie – Czas jest cenny – osiągnięcie celów zależy od produktywnego wykorzystania czasu. Rezultat: wydajne i postępowe społeczeństwo (często jednak kosztem relacji międzyludzkich).

4. Równość – Ludzie mają równe szanse, są ważni jako jednostki, nie ma więc znaczenia z jakiej rodziny pochodzą, a co sobą reprezentują. W tym społeczeństwie uznaje się status.

5. Indywidualizm i prywatność – Ludzie są częściej postrzegani jako niezależne jednostki (niż członkowie grupy) z indywidualnymi potrzebami. Potrzebują czasu na samotność, przez to mogą być postrzegani jako samotni egocentrycy.

6. Własne osiągnięcia – Amerykanie są dumni z własnych osiągnięć. Najważniejsza dla nich jest to na co sami zapracowali, a nie przywileje, które otrzymali w chwili urodzenia.

Rola dyrektora generalnego w skalowaniu sztucznej inteligencji jako natywnej technologii

Co by było, gdyby firma tworzyła każdy komponent swojego produktu przy każdym zakupie, bez żadnych standardowych lub jednolitych części, procedur lub standardów zapewnienia jakości? Wątpliwe, by jakikolwiek prezes przychylnie przyjrzał się takiemu podejściu.

W taki właśnie sposób wiele firm angażuje się w sztuczną inteligencję i w analitykę: stawiając się w niekorzystnej sytuacji konkurencyjnej. Ponieważ zespoły są rozproszone po całej firmie i rozpoczynają nowe inicjatywy pracuj ręcznie od podstaw, zamiast wykorzystywać procesy korporacyjne do wdrażania i monitorowania rzeczywistych modeli sztucznej inteligencji.

Aby wywrzeć znaczący wpływ na wyniki, organizacje muszą skalować technologię w całej firmie, integrując ją z kluczowymi procesami biznesowymi, przepływami pracy i ścieżkami klientów, aby codziennie usprawniać podejmowanie decyzji i operacje.

Koniec ery eksperymentów

Minęły już czasy, kiedy firmy mogły pozwolić sobie tylko na eksperymentalne podejście AI i ogólne zrozumienie analizy. Teraz nadszedł czas, aby sztuczna inteligencja zaczęła działać.

Menedżerowie nie mogą już sobie pozwolić na testowanie rzeczy. Era eksperymentów ze sztuczną inteligencją dobiegła końca, ponieważ AI ma już kluczową przewagę konkurencyjną dla organizacji, które wciąż się rozwijają – ci, którzy tego nie zrobią, zostaną szybko pozostawieni w tyle.

W tym poście pomogę dyrektorom generalnym w rozpoznaniu odpowiednich dźwigni, których mogą użyć, aby pomóc i wesprzeć wysiłki swoich liderów AI na rzecz stałego wdrażania tych procedur i technologii.

Co warto zrobić, aby przejść od eksperymentu do wdrożenia rynkowego i przyspieszyć zastosowanie AI?

a) Używaj wstępnie zaprojektowanych bloków do tworzenia procesów firmowych, które zapewniają większą spójność i wydajność.

Organizacje powinny inwestować w szeroką gamę aktywów i komponentów wielokrotnego użytku. Jednym z przykładów jest opracowywanie gotowych do użycia produktów, które standaryzują pewien zestaw danych (na przykład łącząc wszystkie informacje o kliencie w celu stworzenia jego pełnego obrazu), przy użyciu wspólnych standardów, wbudowanych zabezpieczeń i nadzoru, i samoobsługi.

Weight and Biases to przykład firmy, która może znacznie przyspieszyć proces od badań do wprowadzenia na rynek. Rozwiązanie firmy, które obejmuje testowanie, wersjonowanie i śledzenie modeli sztucznej inteligencji, pozwala na szybką ocenę modeli AI.

Jeśli Twoja firma posiada dane konsumenckie, Weights & Biases może pomóc w szybkim tworzeniu modeli AI i zwiększeniu szybkości ich zastosowania. Umożliwią one również prognozowanie zachowań klientów i ocenę ich utraty (w jakiej cenie klient rozważyłby zmianę dostawcy).

Organizacje inwestują dużo czasu i pieniędzy w opracowywanie rozwiązań AI tylko po to, by odkryć, że firma przestaje korzystać z prawie 80% z nich, ponieważ nie zapewniają już wartości. Korzystanie z gotowych do użycia rozwiązań ze skalowalnymi narzędziami w modelu usługowym zmniejsza straty o zaledwie 30%. Jak to jest możliwe? Wyspecjalizowane platformy umożliwiają szybsze i skuteczniejsze wyciąganie wniosków z przetwarzanych danych.

Co należy zatem monitorować w organizacji zainteresowanej przyspieszeniem wdrażania sztucznej inteligencji?

  • Procent zbudowanych modeli sztucznej inteligencji, które zostały wdrożone. Warto porozmawiać o tym, ile modeli zostało przeszkolonych, ale nie zostało zatwierdzonych do wdrożenia w środowisku produkcyjnym. 
  • Całkowity wpływ automatyzacji i zwrot z inwestycji w sztuczną inteligencję.
  • Liczba działów zaangażowanych we wspólne wdrożenia.

b) Budowanie płynnej współpracy pomiędzy biznesem i IT w celu przyspieszenia zastosowania AI

Dostosowanie celów menedżerów biznesowych do celów zespołów AI i działów IT jest jednym z kluczowych czynników przyspieszenia projektów AI. Idealnie byłoby, gdyby większość celów zespołów AI i danych była zgodna z celami kadry kierowniczej korporacji. Liderzy biznesu powinni również określić, jakiej wartości oczekują od sztucznej inteligencji i w jaki sposób zostanie ona spieniężona. Sztuczna inteligencja jest najbardziej przydatna, gdy działa w harmonii z określonymi procesami. Błędem byłoby sądzić, że sztuczna inteligencja sama określi, które obszary są bardziej odpowiednie, biorąc pod uwagę, że należy podjąć wiele decyzji dotyczących tego, gdzie jej użyć i jak może zapewnić dodatkową wartość.

U jednego z moich klientów odkryłem rozdźwięk między celami działu IT a celami jednostek biznesowych. Brakowało pełnej synchronizacji pomiędzy tym do czego zmierza dział IT a do czego dążą poszczególne jednostki biznesowe. Dział IT skupił się raczej na doskonałości operacyjnej, a jednostki biznesowe wytyczały bardziej strategiczne cele.

W rezultacie ponad 80% z 50 jednostek biznesowych nie powiązało swoich oczekiwań z korporacyjną i technologiczną mapą drogową działu IT. W konsekwencji zaowocowało to rozwojem ponad 200 projektów. 55% z nich to odizolowane wyspy, bez szans na wykorzystanie uczenia maszynowego lub głębokiego uczenia.

Model BITA może pomóc organizacjom osiągnąć dostosowanie strategii AI poprzez połączenie działów IT i biznesowych.

No alt text provided for this image

Rysunek 1: Model dopasowania biznesu i IT, Henderson i Venkatraman (ResearchGate).

c) Inwestycje w talenty

Praca analityków danych i inżynierów technicznych ulega przeobrażeniom. Wcześniej ich praca koncentrowała się przede wszystkim na kodowaniu niskopoziomowym. Muszą teraz budować modele z komponentów modułowych i opracować wynik gotowy do produkcji i skalowania. Wykorzystanie sztucznej inteligencji wymaga innej strategii.

Ponadto w zespołach AI są nowsze obowiązki zawodowe. Jednym z nich jest inżynier uczenia maszynowego, który potrafi przekształcać modele AI w systemy produkcyjne klasy korporacyjnej, które działają na dużą skalę. Dyrektorzy biznesowi powinni informować o zmianie w całej firmie i współpracować nad mapą rozwoju talentów z menedżerami ds. zasobów ludzkich.

Podsumowanie

Trzy sposoby przejścia od eksperymentu do wdrożenia rynkowego i przyspieszenia zastosowania sztucznej inteligencji to wykorzystanie wstępnie zaprojektowanych bloków, budowanie płynnej współpracy między biznesem a IT oraz inwestowanie w talenty.

1. Jako dyrektor, co myślisz o roli dyrektora generalnego w skalowaniu AI jako firmy?

2. Jakie są Twoje przemyślenia na temat opracowywania strategii przyjęcia technologii AI?

3. Jak zmienił się styl przywództwa CEO wraz z wprowadzeniem nowej technologii?

4. Jakie masz doświadczenie we wdrażaniu lub skalowaniu AI w Twojej firmie?

5. Czy miałeś trudności ze skalowaniem strategii sztucznej inteligencji w różnych działach?