Katana to technologia opracowana dla banku ING, oparta na sztucznej inteligencji, która została zaprojektowana aby pomóc traderom podejmować szybsze i korzystniejsze decyzje.
Rozwiązanie problemu – Katana
Narzędzie wykorzystuje analizę predykcyjną dzięki czemu finansiści wiedzą, jaką cenę należy podać przy kupnie i sprzedaży obligacji dla swoich Klientów. W tym celu wykorzystywane są zarówno dane historyczne i te, dostępne w czasie rzeczywistym. Kluczową zaletą Katany jest to, że została zaprojektowana w celu usprawnienia współpracy między człowiekiem a maszyną. Nie jest to technologia, która całkowicie zastępuje specjalistę i to właśnie jego doświadczenie jest kluczowe w podjęciu finalnej decyzji
„Widzieliśmy już kilka przykładów zastosowanej sztucznej inteligencji na parkiecie giełdowym, ale w większości przypadków skupiają się one tylko na automatyzacji. (…) To ogranicza ich do klas aktywów płynnych, w których przedsiębiorca zostaje zastąpiony maszyną.” – komentuje Santiago Braje, Global Head of Credit Trading
Chociaż narzędzie nie zastępuje roli tradera, to dane, które są mu przedstawiane w sposób przejrzysty i intuicyjny, znacząco usprawniają jego pracę.
Pierwsze wyniki testów Katany na biurach rynków wschodzących w Londynie, pokazują szybsze decyzje cenowe dla aż 90% transakcji oraz redukcję kosztów handlu o 25%. Co więcej, handlowcy są w stanie czterokrotnie częściej oferować swoim Klientom najlepszą cenę.
Dalszy rozwój
Katana jest wynikiem intensywnych badań i rozwoju zespołu ING Financial Markets Global Credit Trading w Londynie oraz zespołu Wholesale Banking Advanced Analytics, którzy będą nadal współpracować nad nowymi funkcjami w celu aktualizacji narzędzia i dalszej poprawy wyników handlowców.
DEFINICJA – Analiza predykcyjna
Analiza predykcyjna to zaawansowana technika analityczna, która wykorzystuje dane historyczne do odkrywania spostrzeżeń w czasie rzeczywistym i przewidywania przyszłych wydarzeń. Analiza predykcyjna spotyka się na styku analizy statystycznej i sztuczną inteligencją.
Autorzy: Arek Skuza, Marta Musińska
Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:
Doświadczam w amerykańskich innowacjach czegoś odwrotnego niż czasami czyta się w historiach o WeWork czy PayPal. Powszechną uprzejmość.
Arek it is so great to meet you.
Arek thank you for giving me the opportunity to speak to you.
i tak dalej.
Grałem kiedyś w koszykówkę i podszedł do mnie kolega i powiedział. „Twoje rzuty są świetne, jeśli nie masz nic przeciwko to pokażę Ci jeszcze kilka fajnych rzutów”.
Otrzymuję maile kończące się czymś takim „Arek, Twój wkład pomógł nam osiągnąć to i to”
Amerykanie nauczyli mnie bycia wdzięcznym za coś zwykłego. W ten sposób rozmowy i dyskusje o tym co trudne i nieprzewidywalne, jak innowacje, jest bardzo przyjemne.
Stitch Fix pokazuje jak współpraca człowieka ze sztuczną inteligencją może idealnie działać. Sitch Fix to amerykańska firma z branży modowej, oferująca wysyłkę spersonalizowanych stylizacji do domu Klienta. Dzięki platformie Stitch Fix Klienci nie muszą wychodzić z domu, aby kupić dopasowane do swoich preferencji i rozmiaru ubrania, a to wszystko zasługa połączenia sztucznej inteligencji i stylistów. Usługi dostarczania spersonalizowanej stylizacji online był kwitnącą niszą jeszcze przed pandemią, z dużym potencjałem wzrostu. Oczekiwano, że popyt wzrośnie z 25,2% do 40,3% w 2024r. Pandemia szybko jednak przyspieszyła rozwój handlu internetowego o kilka lat. Trend ten przynosi korzyści Stitch Fix pomimo, że praca i spędzanie dużej ilości czasu w domu nie zachęcają Konsumentów do kupowania nowych ubrań. Podczas gdy Stitch Fix odnotował 9% spadek przychodów w drugim kwartale 2020r., to warto jednak zwrócić uwagę, że sprzedaż detaliczna odzieży spadła aż o 80% w tym samym okresie.
Rozwiązanie
Podstawową metodologią Stitch Fix jest współpraca stylistów ze sztuczną inteligencją. Rozwiązanie opiera się na generowaniu rekomendacji za pomocą algorytmów operujących na danych ustrukturyzowanych, a następnie modyfikacji zaproponowanych stylizacji przez profesjonalnych stylistów, których wiedza i doświadczenie nie zostały jeszcze odzwierciedlona w zbiorze danych.
W efekcie Klient otrzymuje 5 najlepiej dopasowanych produktów. Rozwiązanie Stitch Fix oparte jest na algorytmach genetycznych. Proponowany system projektowania jest tak ukształtowany, aby naśladować procesy, które stanowią podstawę stochastycznych metod optymalizacji.
Algorytm genetyczny pozwala znaleźć najlepsze rozwiązania problemów w oparciu o teorię doboru naturalnego i biologii ewolucyjnej (algorytm genetyczny wykorzystuje techniki takie jak selekcja, mutacja, dziedziczenie i rekombinacja). Algorytmy genetyczne są bardzo skuteczne w przeszukiwaniu dużych i złożonych zestawów danych.
Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:
Witaj
Już prawie się zapisałeś, sprawdź mail i potwierdź subskrypcję.
Ciągły rozwój
Stitch Fix wykorzystuje praktyczne doświadczenie projektantów mody do oceny efektywności wybranych stylizacji przez inteligentny algorytm. Wybór pięciu propozycji dla każdego Klienta integruje zdolności maszyn i ludzi – maszyny wybierają nowe projekty, które są następnie oceniane przez projektantów. Dzięki takiemu rozwiązaniu algorytm nieustannie uczy się, a kolejne propozycje stylizacji dla Klientów są lepiej dopasowane do ich preferencji.
Stitch Fix otrzymuje ogromne ilości danych od swoich Klientów – nie tylko na temat ich personalnych preferencji, ale również o cechach ubrań tj. rzeczywisty rozmiar, kolor czy fason. Dane te nieustannie wykorzystywane są do udoskonalania systemu.
Model biznesowy Stitch Fix zapobiega również gromadzeniu się zapasów ubrań, dzięki ciągłemu prognozowaniu popytu. Z biegiem czasu, gdy coraz więcej ubrań będzie przechowywanych w magazynach np. w wyniku zwrotów od Klientów, algorytmy predykcyjne udoskonalą się i dostarczą firmie cennej wiedzy, dzięki której Stitch Fix będzie wiedziało, kiedy i które towary powinny być na stanie magazynu w przyszłości. Jest to idealny przykład firmy pokazującej jak współpraca człowieka ze sztuczną inteligencją może przynieść korzyści dla firmy.
Autorzy: Arek Skuza, Marta Musińska
Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:
Kiedy w marcu w całych Stanach Zjednoczonych rozpoczęła się kwarantanna spowodowana przez COVID-19, zespół Adobe musiał zmierzyć się z rzeczywistością – biznes nie mógł pracować jak zawsze. W ciągu zaledwie jednego weekendu firma musiała przenieść swoją globalną siłę roboczą, liczącą ponad 22 000 osób, do pracy zdalnej. Istniejące procesy biznesowe nie były przygotowane na nagłą zmianę. Klienci, pracownicy i partnerzy – wielu pracujących w domu – nie mogli czekać dniami na rozwiązanie technicznych problemów. Adobe szybko zdało sobie sprawę, że jedynym sposobem na zaspokojenie potrzeb pracowników jest całkowita zmiana sposobu działania wsparcia IT. AI jest kluczowe w współczesnym świecie.
Rozwiązanie AI
W pierwszym kroku zespół Adobe uruchomił globalny kanał na Slack, który połączył organizację IT i całą społeczność pracowników. Dział pomocy technicznej działający 24/7 na całym świecie zapewniał wsparcie w nowym kanale, podczas gdy reszta działu IT została skierowana do rozwiązywania już zarejestrowanych zdarzeń.
Następnie, Adobe zbudował framework i interfejsy na Slack, po czym szybko zdał sobie sprawę, że te same pytania i problemy pojawiają się bardzo często.
Nowy kanał na Slack został oparty na uczeniu maszynowym, a do jego obsługi wykorzystano technologię przetwarzania języka naturalnego (NLP).
AI w Adobe używa techniki klasyfikacji opartej na sztucznej sieci neuronowej do przypisywania zgłoszeń do odpowiednich klas lub obsługi kolejek. Na podstawie przewidywanej klasyfikacji, zgłoszenie jest automatycznie przypisywane do odpowiedniej kolejki pomocy technicznej.
„Koncentrując się na najczęstszych i najistotniejszych problemach, postanowiliśmy zoptymalizować nasze wsparcie dla tych najczęściej występujących.”
Przetwarzanie języka naturalnego (NLP) to gałąź sztucznej inteligencji, która pomaga komputerom rozumieć, interpretować i manipulować ludzkim językiem. NLP czerpie z wielu dyscyplin, w tym informatyki i lingwistyki komputerowej, dążąc do wypełnienia luki między komunikacją międzyludzką a zrozumieniem komputera.
Sztuczna sieć neuronowa (SSN) to element systemu komputerowego zaprojektowanego do symulacji sposobu, w jaki ludzki mózg analizuje i przetwarza informacje. Jest podstawą sztucznej inteligencji (AI) i rozwiązuje problemy, które okazałyby się niemożliwe lub trudne według standardów ludzkich lub statystycznych. SSN mają możliwości samouczenia się, które pozwalają im uzyskiwać lepsze wyniki, gdy dostępnych jest więcej danych.
Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:
Witaj
Już prawie się zapisałeś, sprawdź mail i potwierdź subskrypcję.
Jasne wyniki – zadowoleni pracownicy
Wyniki były niezwykłe. Od czasu uruchomienia projektu, zautomatyzowany system odpowiedział na ponad 3000 zapytań i nastąpiła znaczna poprawa w najbardziej krytycznych obszarach. Dzięki mechanizmowi routingu, opartemu na deep learning i NLP, 38% ticket’ów jest teraz automatycznie kierowana do właściwego działu IT w ciągu zaledwie sześciu minut.
Dalszy rozwój firmy i wdrożenia AI
Zespół Adobe nieustannie poprawia wskaźniki odpowiedzi, stale przeglądając wcześniejsze rozmowy w kanale Slack i identyfikując słowa kluczowe. Dzięki temu silnik oparty na regułach jest stale rozwijany, a oznaczając dane z poprzednich rozmów, NLP uczy się lepszego dopasowywania zgłoszeń i przeglądania konwersacji w celu zidentyfikowania najważniejszych problemów i tworzenia nowych odpowiedzi botów. Co dwa tygodnie model sieci neuronowej bota jest odświeżany, dodając nowe dane z rozwiązanych biletów do zestawu szkoleniowego. Pomaga to nie tylko zidentyfikować nowe lub zmienione wzorce routingu, ale także umożliwia modelowi ponowne uczenie się i unikanie błędów w kolejnych zgłoszeniach. Innym obszarem, któremu przygląda się Adobe, jest automatyzacja procesów biznesowych (RPA). Firma eksperymentuje i ocenia nowe sposoby wykorzystania technologii RPA, w celu zwiększenia doświadczenia pracowników.
„W miarę jak będziemy przenosić dodatkowe funkcje na AI i chatboty, będziemy skupiać się na kilku podstawowych kwestiach – po pierwsze, badamy, gdzie zwrot z inwestycji wynika z technologii – biorąc pod uwagę liczby i wskaźniki.”
„AI i chatboty stały się nową „komplementarną” siłą roboczą w Adobe. Technologia ta usprawnia to, co nasze zespoły mogą zrobić i sprawia, że praca jest jeszcze bardziej wydajna.
Badania branżowe wspierają to podejście. W raporcie PwC z 2017 r. stwierdzono, że 72% kadry kierowniczej w firmach uważa, że zastosowanie AI przynosi korzyści biznesowe.
„Deep learning to proces, w którym komputer uczy się wykonywania zadań naturalnych dla ludzkiego mózgu, takich jak rozpoznawanie mowy, identyfikowanie obrazów lub tworzenie prognoz. Zamiast organizować dane i wykonywać szereg zdefiniowanych równań, w przypadku deep learning komputer zbiera podstawowe parametry dotyczące danych i przygotowuje się do samodzielnego uczenia, poprzez rozpoznawanie wzorców z zastosowaniem wielu warstw przetwarzania.”
Autorzy: Arek Skuza, Marta Musińska
Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:
Idziesz pod szkolę odebrać dzieci, kiedy grupka Amerykanów rozmawia o pandemii. Praca z domu, bycie w jednym miejscu, wciąż niewiadoma, kiedy i jak się to skończy. Na końcu pada „it is what it is” i energicznie potakujący Amerykanie rozchodzą się do obowiązków.
Źródło zdjęcia: https://www.nytimes.com/2018/06/27/well/walk-health-exercise-steps.html
Podczas wizyty u znajomych rozmawialiśmy o tym, jak to biblioteki amerykańskie w szkołach na wsiach nie mają funduszy na zakup książek. Znajomy, były trener amerykańskiego footballu w szkole średniej, zbiera puszki aluminiowe, sprzedaje je i co kwartał przekazuje kilkaset dolarów dla biblioteki. Energicznie deklaruje „jutro ruszam szukać puszek”, na koniec dodaje „it is what it is”.
W mojej lokalnej kawiarni spotkałem na oko 70-letniego mężczyznę. Przyszedł i zasiadł na fotelu z książką. W ręku trzymał laskę, którą się podpierał. Zapytałem „proszę Pana, może zamówić coś Panu i przynieść tutaj do stolika”. Odpowiedział, „miałem operację, it is what it is”. Po czym dodał, „muszę się ruszać. Muszę czytać książki, abym wciąż funkcjonował”. Wstał i ze swoją energią ruszył po kawę.
Inicjatywy cyfrowe Ikei nabierają coraz większego tempa. Gdy spojrzysz na zmiany, jakie szwedzki gigant wprowadza w swojej działalności, szybko zrozumiesz, że firma mierzy wysoko.
Szefem Ikei ds. transformacji cyfrowej jest Barbara Martin Coppola , która odpowiada za realizację marzeń. Pod jej kierownictwem IKEA ma nadzieję, że uda się jej osiągnąc cyfrowy, piąty bieg.
Nad czym IKEA konkretnie pracuje?
Co gigant handlu detalicznego próbuje wdrożyć w ramach strategii cyfrowej IKEA?
Usiadłem z kawą i byłem po prostu ciekawy, co robi firma blue box (określenie na ich wielkie, niebieskie sklepy w kształcie pudelka) w erze Amazona i Alibaba?
Brian Totty, dyrektor generalny Geomagical, powiedział: „Dzięki naszym cyfrowym modelom wyposażenia wnętrz, pozwalamy klientom IKEA realistycznie urządzać swoje przestrzenie z dowolnego miejsca”.
IKEA chce, aby klienci wybrali mebel z jej katalogu, „wkleili go” w dowolne miejsce za pomocą aparatu w smartfonie i zwizualizowali wygląd dowolnej przestrzeni. Jeśli tak się dzieje to możesz przenieść asortyment IKEA do swojego pokoju bez wychodzenia do sklepu.
Rzut oka na stronę Geomagical LinkedIn i staje się oczywiste, że IKEA pozyskała niezwykle utalentowany zespół. Inżynierowie danych, ludzie od uczenia maszynowego, specjaliści od wizji komputerowej są teraz częścią zespołu IKEA.
Struktura zespołu Geomagicallabs. Źródło: LinkedIn Premium
Ikea digital i koncepcja „płać swoim czasem”
Jeśli chcesz spędzić trochę czasu z IKEA, firma oferuje klientom zniżki na podstawie ich osi czasu w Mapach Google.
Jak to działa?
Strategia cyfrowa IKEA musi zwiększyć liczbę osób, które odwiedzają niebieskie skrzynki. Większość z nich znajduje się poza miastami, a dotarcie do niebieskich puidełek zajmuje sporo czasu. Cyfrowa inicjatywa giganta pozwala na „Kupuj z czasem” – z czasem, który musisz poświęcić na dojazdy do sklepów.
Możesz otrzymać przedmiot, jedzenie lub inne towary za darmo. Zależy to tylko od tego, jak gorączkowa była podróż i jaki czas Twojego dojazdy (paradoksalnie korek może Ci sprzyjać).
Biznes klopsiki jako część działań związanych z cyfrową transformacją IKEA
Barbara Martin Coppola chce klopsików, ale zdigitalizowanych. Nie dosłownie, ale strategia firmy cyfrowej ma na celu wprowadzenie większej liczby danych do logistyki żywności.
Możesz w to nie wierzyć, ale dział żywności uwielbia arkusze kalkulacyjne i technologie pozwalające na śledzenie przepływu produktów spożywczych. Twój tuńczyk, klopsik lub brokuły są w nich, lecąc ze sklepów do sklepów jako sktupulatnie śledzona paczka i liczba w pliku Excell.
Będzie inaczej.
Strategia cyfrowa zakłada składowanie kolosalnej liczby operacji w tym śledzenie świeżości warzyw, liczbę sprzedanych i skonsumowanych klopsików itd. Pracownicy używają przenośnych skanerów do monitorowania stanów magazynowych, dat ważności, a także lokalizacji w której produk kończy swoje życie – w żołądku lub śmietniku. IKEA skrupulatnie śledzi odpady korzystając ze skanerów, elektronicznych wag i inteligentnych kontenerów.
Cyfrowe pulpity nawigacyjne będą wyświetlać czasy szczytu, przychodzące dostawy i ważne zawirowania w łańcuchu dostaw. Chatboty pomogą w komunikacji między restauracjami a dostawcami, a klienci będą mogli z nich korzystać gdy w pandemii nie zaleca się wychodzenia z domu. Jeden z elektronicznych rozmówców „pracuje w IKEA” dzięki polskiej firmie Perfect Bot.
IKEA zatrudniła JDA Software do prowadzenia projektu i dostarczenia kompleksowej platformy.
Jeśli chciałbyś zapisać się do naszego newslettera, zapraszam:
Witaj
Już prawie się zapisałeś, sprawdź mail i potwierdź subskrypcję.
IKEA chce wiedzieć jak najwięcej o Tobie
Pierwsza w historii, Chief Digital Officer, pani Copolla, pracuje nad aplikacją z agencją Work & Co. Jednym z celów jest zaprojektowanie narzędzia, które mogłoby zassać historię przeglądania klientów. Ikea chce poznać preferencje, aby tworzyć precyzyjne rekomendacje, ale także szanować Twoją prywatność. Projekty tego typu raczej nie będą wielkim sukcesem, a to głównie z powodu polityki prywatności jaką kreuje Apple. Firma z jabłkiem nie zachęca raczej do dzielenia się danymi o użytkownikach. Trend jednak pokazuje jak myśli IKEA i w jaką stronę zmierza ten tradycyjny handlowiec.
Giant wprowadza funkcję zamawiania w sklepie we własnym zakresie, aby móc gromadzić dane i historię cen. Zaczynając od strony internetowej i łącząc ją z danymi z zaplecza, IKEA stara się objąć cały łańcuch danych i zaprojektować lepiej dostosowaną ofertę.
Czy firma może wnieść wartość, pozyskując dane o klientach? Z pewnością. Jednocześnie IKEA zapyta ludzi, czy chcą udostępnić dane. Giant liczy na zaufanie, co zwiększy współczynniki lojalności.
Cyfrowy zespół IKEA w przejrzysty sposób zaprojektował elementy sterujące aplikacji, aby użytkownicy końcowi mogli łatwo zmienić ustawienia prywatności.
IKEA stawia na telefon komórkowy
IKEA chce być w różnych aplikacjach, z różnymi rzeczami, a zespół realizuje to, współpracując z firmą technologiczną Holler. Holler opracowuje cyfrowe naklejki dla użytkowników telefonów komórkowych, które można udostępniać w Venmo. Animowana naklejka IKEA przedstawia dwie osoby pchające wózek sklepowy wypełniony meblami domowymi.
Dlaczego Venmo? Inicjatywy cyfrowe IKEA skupiają się na wszystkim, co ułatwia kupowanie. Tutaj historia jest taka sama. Venmo. Aplikacja należąca do Pay-Pal pozwala użytkownikom dzielić rachunki ze znajomymi i obserwującymi.
Od naklejki po płynne transakcje – to element strategii cyfrowej IKEA.
Więcej inteligentnych urządzeń
IKEA sprzedaje inteligentne głośniki, inteligentne żarówki, wtyczki zasilania, a teraz dodała inteligentne rolety. Nie jest niczym nowym, że przedmiot jest sterowany głosem. Pokazuje tylko, że IKEA jest zaangażowana w dostarczanie większej liczby inteligentnych urządzeń pod naszymi dachami.
Inteligentne rozwiązania w asortymencie IKEA
IKEA chce, abyś zbudował swój inteligentny dom. Firma stworzyła pion poświęcony rozwijaniu ekosystemu inteligentnych urządzeń. Podobnie jak Twoje łóżko czy szafa, IKEA pozwoli nam zaprojektować nasze urocze i przytulne, eleganckie miejsce, które jednocześnie będzie inteligentne. Klaśniesz w ręce, a lampka zagra Twoją ulubioną piosenkę do snu.
IKEA podejmuje solidne kroki w celu przeprojektowania się i podejmuje różne inicjatywy cyfrowe. Projekty cyfrowej transformacji Ikei dostarczają najnowocześniejsze technologie.
Jeśli podoba Ci się ten artykuł, myślę, że może Ci się również spodobać:
Zaczynam warsztat dla klienta. Firma 1000 osób produkująca oprogramowanie na zamówienie. Super zespół. Wspaniała kultura. Firma jest z Europy. Ma świetne produkty i usługi w portfelu.
Źródło zdjęcia: oregonlive.com
W spotkaniu bierze udział 30 osób. Jest z nami także Amerykanin, którego poprosiłem o udział w spotkaniu. To człowiek, którego znam od 10 lat. Wiem, że dałby mi klucze do swojego mieszkania. Zaufany.
Zaczynamy warsztat. W pokoju cyfrowym na platformie cyfrowej Teams jest nas trójka. Amerykanin, ja i mój współpracownik, także Amerykanin. Zanim zaprosimy resztę, jeszcze sobie we trójkę omawiamy szczegóły. W poczekalni 26 osób ze strony klienta. Amerykanin zaczyna przepytywać mojego współpracownika i lekko sugeruje mu współpracę.
Pierwsza myśl!? Co on wyprawia, na moich oczach przekonuje „mojego” człowieka do współpracy?
Druga myśl — chwilka, jesteś w USA…
Po pięciu latach w USA nie jestem zdziwiony. To, co my nazywamy agresywnym podejściem lub bezczelnością w kraju gwiazd i pasków jest normalnością.
Amerykanin działa według litery — Dbam o swoje i pytam o to, o co chce ….
Dzisiaj w amerykańskim sądzie, jeden z pracowników firmy Theranos przyznał, że produkowane przez firmę urządzenia były tak programowane, aby nie wyświetlać błędów w pomiarach i działaniu.
Źródło obrazka: https://www.capa.com/events/detail/disneys-pinocchio-1940/
Prysł więc czar ponadprzeciętnych zdolności organizacyjnych i biznesowych, w które uwierzyli inwestorzy Theranosa. Byli wśród nich ci, którzy regularnie znajdują się na pierwszych stronach gazet.
Jak to jest z innowacjami? Przecież, aby dokonać swoistego przełomu, trzeba przekroczyć jakieś granice. Przejąć jakby przez ograniczenia i odkryć coś, co wcześniej było niemożliwe.
Theranos chciał, aby z jednej kropelki krwi odczytać ponadprzeciętną liczbę badań. Chciał drastycznie zmniejszyć ilość krwi, jaką trzeba pobrać, aby dokonać wyników.
Przekraczając tę granicę, trzeba jednak pamiętać, że kłamstwo rodzi kłamstwo. Czym innym jest niewiadoma a czym innym świadome oszustwo w zmierzaniu do wyjaśnienia niewiadomej.
W innowacjach na ogół niewiele wiadomo, szczególnie w początkach, kiedy innowacja się rodzi. Twórcą sen z powiek spędzają pytania — a czy ktoś kupi naszą innowację? A czy zbudujemy to, co zaplanowaliśmy? Czy jak już to zbudujemy, czy będzie to działać na dużą skalę?
Tutaj zaczyna się ryzyko, a jednocześnie rodzi się pokusa, aby pójść na skróty. Jedna z firm, mimo że nie sprzedawała z sukcesem swojego produktu, wpisywała w Excell informacje, że jakoby klienci produkt kupują. Zamiast zmierzyć się z prawdą o tym, dlaczego klienci nie kupują, twórcy woleli rozsiewać nieprawdziwe informacje i naciągać inwestorów na kolejne transze finansowania.
Amerykańska szkoła średnia, w której toczy się walka o to, kto będzie w najlepszych uniwersytetach. Wszystko zależy od tego jak sobie poradzę na tym etapie życia. Kim będę ..?
No właśnie gdzie będę? W jakiej korporacji będę? Czym się tam będę zajmował.
Nie wielu Europejczyków zdaje sobie sprawę z tego, jak innowacje i świat inwestorów i startupów zmienił ścieżki karier młodych Amerykanów
Kiedyś marzenie o pracy w GM czy IBM było szczytem. Złotym miejscem. Mount Everestem.
Dzisiaj, częściej Amerykanie mówią sobie „nie chcę być cookie cutter”. Cookie cutter wycina ciastka na blachę do piekarnika. Wszystkie są takie same. Albo gwiazdki, albo kólka, albo ludziki. Tak dzisiejsza młodzież w USA coraz częściej postrzega to, co pokochali ich rodzicie. Dobrze płatne posady w korporacjach.
Dlaczego amerykanie kochają innowatorów jak JOBS, Musk, Gates. Głównie dlatego, że nie poszli oni ścieżką dobrych uniwersytetów. Poszli inaczej.
W Europie to nie takie dziwne. System kształcenia nie kosztuje milionów. W USA czterdziestolatek od 20 lat spłaca swój kredyt studencki. Pewnie jeszcze zostało mu około 5 lat. W wieku 50 lat będzie wolny od swojego obciążenia podążając ścieżką cookie cutter.
Młody Amerykanin chce być oryginalny…. Także w myśleniu
Dawno minęły czasy, kiedy organizacje mogły sobie pozwolić na wyłącznie eksperymentalne podejście do sztucznej inteligencji i szeroko pojętej analizy. Nie można już założyć, że trochę poeksperymentujemy i zobaczymy co z tego wyjdzie. Czas na eksperymenty ze sztuczną inteligencją już minął, głównie dlatego, że sztuczna inteligencja buduje już konkretnie przewagi konkurencyjne firm. Ci, którzy jeszcze tego nie robią, powinni szybko nadrobić stracony dystans.
Z eksperymentów zrodziły się już wdrożenia zapewniające konkretne zwroty z inwestycji. Taka sytuacja ma jeszcze jedną konsekwencję. Nie można już próbować połączyć istniejące w organizacji systemy, posklejać je i poprzez pozorne integracje zbudować inteligentny system. Głównie dlatego, że są one przestarzałe a jeszcze na dodatek bariery wewnątrz firm, nie sprzyjają swobodnemu przepływowi danych między departamentami.
Nieskalowalne początki sztucznej inteligencji
We początkach obecności sztucznej inteligencji w biznesie, korzyści biznesowe płynące z tej technologii nie były oczywiste, więc organizacje zatrudniały analityków danych, aby Ci zbadali co jest możliwe. Jednocześnie nie koncentrując się na tworzeniu stabilnego środowiska dla rozwoju sztucznej inteligencji, które mogłoby działać niezawodnie przez 24 godziny na dobę.
Wychodząc z założenia, że robimy coś eksperymentalnego, firmy nie skupiały się na budowaniu systemu, który byłby skalowalny. Analitycy danych, inżynierowie oprogramowania często inwestowali w lokalne rozwiązania, zainstalowane na serwerach o których wiedziała grupka współpracowników. Wykorzystywano do tego różnorakie narzędzia bez zastanawiania się jak w przyszłości będzie można je rozpowszechniać w organizacji.
Tym samym, będąc w trybie eksperymentu, inżynierowie i analitycy pozostawili na uboczu wiele zadań wspierających skalowanie rozwiązań, takich jak budowanie kluczowej infrastruktury, na której wszystkie modele mogą być niezawodnie opracowywane i łatwo uruchamiane a także dystrybuowane wewnątrz organizacji
Konsument rozumie gdzie inteligentne algorytmy znajdują swoje zastosowanie
W dzisiejszych czasach siły rynkowe i wymagania konsumentów nie pozostawiają miejsca na taką nieefektywność. Organizacje, które doceniają wartość sztucznej inteligencji, szybko zmieniły bieg z badania tego, co może zrobić technologia, do wykorzystania jej na dużą skalę w celu osiągnięcia maksymalnej wartości. Giganci technologiczni wykorzystujący tę technologię nadal wprowadzają zmiany i zdobywają udział w rynku w tradycyjnych branżach. Co więcej, oczekiwania konsumentów dotyczące spersonalizowanych, płynnych doświadczeń wciąż rosną.
Na szczęście w miarę dojrzewania sztucznej inteligencji pojawiają się również role, procesy i technologie, które mają zapewnić jej sukces na dużą skalę. Pojawiły się wyspecjalizowane role, takie jak inżynier danych i inżynier uczenia maszynowego, oferujące umiejętności niezbędne do osiągnięcia skali.
Szybko rozwijający się zestaw technologii i usług umożliwił zespołom przejście od podejścia ręcznego i skoncentrowanego na rozwoju na bardziej zautomatyzowane, modułowe i dostosowane do całego cyklu życia sztucznej inteligencji, od zarządzania przychodzącymi danymi po monitorowanie i naprawianie działających aplikacji. Dzięki temu szybciej dostarczana jest wartośc dla klienta końcowego.
Dobrym przykładem może być istnienie silnika GPT-3 oferowanego przez firmę OpenAI założoną przez Elona Muska. GPT-3 potrafi w obłędnym tempie pisać i streszczać teksty. Firma copy.ai wykorzystuje ten gotowy element jako składową swojej platformy dla marketerów. Ponad 300 000 marketingowców z firm takich jak eBay, Nestle czy Ogilvy korzysta z platformy, przyśpieszając przygotowywanie dobrych materiałów tekstowych dla swoich działań marketingowych i PRowych.
Statista przygotowała badanie w którym analitycy spróbowali ocenić czy konsumenci wiedzą i zdają sobie sprawę gdzie wykorzystywana jest sztuczna inteligencja. Wyniki w grupie konsumentów porównano z wynikami w grupie ludzi biznesu. Okazuje się, że nie tylko konsumenci rozumieję w jakich przypadkach wykorzystywana jest sztuczna inteligencja, ale także nie odbiegają w tym rozumieniu od ludzi biznesu.
Rysunek nr 1: Czy ludzie wiedzą gdzie wykorzystywana jest sztuczna inteligencja. Źródło. Statista.com
Co warto zrobić, aby szybko przejsć od eksperymentu do rynkowego wdrożenia sztucznej inteligencji?
Organizacje powinny inwestować w wiele rodzajów aktywów i komponentów wielokrotnego użytku. Jednym z przykładów może być tworzenie gotowych do użycia „produktów”, które ujednolicają określony zestaw danych (na przykład łączenie wszystkich danych klienta w celu stworzenia 360-stopniowego obrazu klienta), przy użyciu wspólnych standardów, wbudowanych zabezpieczeń i nadzoru oraz możliwości samoobsługi. Przykładem firmy, która pozwala na znaczne przyśpieszenie procesu przejścia z fazy eksperymentu do wdrożenia rynkowego jest Weights and Biases (https://wandb.ai/site). Rozwiązanie tej firmy pozwala na ekstremalnie szybkie testowanie modeli sztucznej inteligencji, ich wersjonowanie i wersjonowanie. Jeśli w organizacji znajdują się dane o klientach, Weights and Biases pozwoli je szybko wykorzystać do zbudowania modeli sztucznej inteligencji. Te z kolei pozwolą na predykcję zachowań i zbadanie w jakim tempie klienci będa odchodzić, przy jakim poziomie ceny klient rozważy rozwiązanie konkurencji i tym podobne.
Dzięki takiem podejściu zespoły mogą znacznie szybciej i łatwiej wykorzystywać dane w wielu bieżących i przyszłych przypadkach użycia, co jest szczególnie ważne w przypadku skalowania sztucznej inteligencji w określonej domenie. Tak właśnie pomaga firmom Alteryx. Alteryx umożliwia analitykom szybsze przygotowywanie, łącznie i analizowanie danych bez użycia klasycznego programowania. Z wykorzystaniem tzw. Low-code (brak konieczności pisania klasycznych linii kodu), pracownicy zajmujący się danymi obywatklientów mogą szybko budować modele predykcyjne. Prowadzony krok po kroku lub w pełni zautomatyzowany proces pozwala stworzyć odpowiednio przeszkolone algorytmy, które są gotowe do wdrożenia i w pełni skalowalne.
Organizacje często inwestują dużo czasu i pieniędzy w opracowywanie rozwiązań AI tylko po to, aby przekonać się, że firma przestaje korzystać z prawie 80 procent z nich, ponieważ nie zapewniają już wartości — i nikt nie jest w stanie zrozumieć, dlaczego tak jest i jak je naprawić. Korzystanie z gotowych rozwiązań, które w modelu usługowym dostarczają skalowalnych narzędzi, powoduje, że marnowanych jest o 30% mniej modeli. Wynika to z faktu, że wyspecjalizowane platformy szybciej i efektywniej dostarczają wniosków z obrabianych danych. W ten sposób proces konstrukcji produktów cyfrowych, wykrozystujących sztuczna inteligencje jest szybszy i efektywniejszy kosztowo.
Rola zarządzających biznesem w efektywnym wdrożeniu sztucznej inteligencji
Wdrażanie zwinnego podejścia wymaga znaczących zmian kulturowych, aby rozluźnić mocno zakorzenione przekonanie o koniecznosci posiadania oprogramowania, rozwijania go wewnętrznie. Zmiana dokonuje się w odejściu od eksperymentowania wewnętrznie, do tworzenia produktów wykorzystujących sztuczna inteligencję w których łączą się platformy, gotowe rozwiązania i technologie open source.
Stworzenie nowych możliwości znacząco zmieni sposób pracy analityków, inżynierów oprogramowania i architektów technologów zajmujących się danymi w miarę przechodzenia od tworzenia na zamówienie do bardziej seryjnego i wystandaryzowanego procesu dostarczanai funkcjonalności. W rezultacie dyrektorzy i zarządzający firmami odgrywają kluczową rolę w trzech kluczowych obszarach: budowanie kultury efektywności, budowania płynnej współpracy pomiędzy biznesem i IT oraz inwestowanie w talenty.
Budowanie kultury efektywności
Każda transformacja cyfrowa opiera się na pewnych fundamentach, ustawianych przez kierownictwo firmy. W przypadku projektów o których pisałem wyżej, ważne jest aby jasno zakomunikować załodze, że rozwój produktów z wykorzystaniem sztucznej inteligencji nie musi się opierac wyłącznie o własne zasoby i systemy. Łączenie gotowych, ale skalowalnych elementów w szybkie testy i piloty (Proof of Concept) powinno być dozwolone. Procedury zakupu i monitorowania uproszczone a dostęp do płatności za usługi łatwy i pozbawiony zbędnych formalności.
Dyrektorzy powinni jasno zadeklarować, że systemy wykorzystujace sztuczną inteligencje są dla firm tak samo ważne jak systemy ERP i powinny one działać 24 godziny na dobę, 7 dni w tygodniu i codziennie generować wartość biznesową. Chociaż ustawienie wizji jest kluczowe, opłaca się sprecyzować, czego się oczekuje.
Co warto komunikować w organizacji, która chce i wdraża sztuczna inteligencję:
odsetek zbudowanych modeli sztucznej inteligencji, które zostały wdrożone i zapewniają wartość klientów. Warto tez mówić o tym ile modeli zostało wytrenowanych, ale nie zostały dopuszczone do wdrożenia na rynek.
całkowity wpływ na automatyzację i zwrot z inwestycji w sztuczną inteligencję
Liczbę departamentów zaagażowanych we wspólne wdrożenia, ta pozwala zrozumieć zakres zmian i jest dowodem na rozbijanie silosów organizacyjnych.
Pełna realizacja takich celów może zająć od 12 do 24 miesięcy, ale wykorzystanie podejścia zwinnego daje realne szanse na skrócenie całości do dwóch kwartałów.
Budowanie płynnej współpracy pomiędzy biznesem i IT
Jednym z podstawowych elementów, które wpływają na przyśpieszenie projektów opartych o sztuczną inteligencje jest uwspólnienie celów liderów biznesowych, z celami zespołów sztucznej inteligencji i zespołów IT. W idealnym przypadku większość celów zespołów sztucznej inteligencji i danych powinna służyć celom liderów biznesowych. I odwrotnie, liderzy biznesu powinni być w stanie określić, jakiej wartości oczekują od sztucznej inteligencji i jak ta wartość zmonetyzuje się na rynku.
U jednego z moich klientów zastałem sytuację w której cele działu IT i jednostek biznesowych były nie tyle co rozbieżne, jak nie zintegrowane. Dział IT realizował swoją startegię działania a jednocześnie jednostki biznesowe skupiały się na swoich gwiazdach północy, które prowadziły je w stronę realizcji celów operacyjnych. W efekcie ponad 80% z 50 jednostek biznesowych nie integrowała swoich oczekiwań z tym co wdraża dział IT. W efekcie doprowadziło to do powstania ponad 200 projektów, które pogrążone w chaosie organizacyjnym nie wykorzystywały potencjału jaki dawały technologie już wykorzystywane przez dział IT. W takiej sytuacji bardzo przydanty jest model BRITA.
Rysunek nr 2: Business and IT alignment model, Henderson and Venkatraman (ResearchGate).
Dostosowanie biznesu do IT to strategia, w której priorytetem jest integracja operacji IT i celów biznesowych w celu obniżenia kosztów, poprawy elastyczności i zwiększenia zwrotu z inwestycji.
Ważną miarą jest poziom współpracy wokół strategicznych inwestycji technologicznych w celu dostarczania narzędzi, technologii i platform, które optymalizują przepływy pracy w projektach sztucznej inteligencji.
W związku z szybkim tempem zmian technologicznych, IT często ma trudności z zrównoważeniem zapotrzebowania na nowe narzędzia i technologie z obawami, że krótkoterminowe poprawki zwiększają koszty technologii w dłuższej perspektywie. Dobrym przykładem może być dylemat – ulepszać “stary” system CRM, czy kupić nowy, dostępny w model Software As A Service”. Dobrą praktyką jest przyjęcie kryteriów które pozwolą budowac mapę rozwoju technologii tak, aby zmniejszać złożoność przy integracji nowych narzędzi. Decyzja więc nie polega na tym, czy rozwijać stare lub kupować nowe, ale polega na odpowiedzi na pytanie z kim zbudować partnerstwo, aby rozwój był najszybszy i możliwie najmniej złożony.
Dobrą praktyką jest wiec to, aby zachęcać liderów sztucznej inteligencji do budowania silnych relacji ze swoimi odpowiednikami w IT, dostawcami oraz liderami projektów w terenie.
Inwestycje w talent
Zmienia się na przykład rola analityków danych i inżynierów technologii. Wcześniej głównie ich praca skupiała się na kodowaniu niskopoziomowym, teraz muszą posiadać wiedzę z zakresu inżynierii oprogramowania, aby składać modele z komponentów modułowych i od samego początku tworzyć gotowe do produkcji i skalowania produkty z wykorzystujące sztuczną inteligencję.
Pojawiły się również nowsze role potrzebne w zespołach AI. Jednym z nich jest inżynier ds. uczenia maszynowego, który jest przygotowany do przekształcania modeli sztucznej inteligencji w systemy produkcyjne klasy korporacyjnej, które działają niezawodnie w dużej skali.
