كيف تستخدم أفضل الشركات التعلم الآلي

خلال العام الماضي ، اجتاح هوس التعلم الآلي عالم الأعمال. وفقًا لأرثر صموئيل ، عالم الكمبيوتر الذي صاغ المصطلح منذ نصف قرن ، يُعرَّف التعلم الآلي على أنه الحقل الفرعي لعلوم الكمبيوتر الذي يستخدم مجموعات بيانات كبيرة وخوارزميات تدريبية "لمنح أجهزة الكمبيوتر القدرة على التعلم دون أن تتم برمجتها بشكل صريح".

يمتلك العديد من المديرين التنفيذيين إحساسًا بديهيًا بأن التعلم الآلي سيثبت أنه نقلة نوعية مهمة مثل الإنترنت والكمبيوتر الشخصي. أشار استطلاع حديث أجرته شركة PwC إلى أن 30٪ من قادة الأعمال يعتقدون أن الذكاء الاصطناعي سيكون أكبر اضطراب في صناعتهم في غضون خمس سنوات. في عام 2016 وحده ، تدفق أكثر من 5 مليارات دولار من تمويل المشاريع على الشركات الناشئة في مجال التعلم الآلي. يلاحظ معهد ماكينزي العالمي أن التعلم الآلي له "إمكانية تطبيق واسعة على العديد من أنشطة العمل المشتركة" ، بما في ذلك التعرف على الأنماط وتوليد اللغة الطبيعية وفهمها وتحسين العملية.

لماذا يعد التعلم الآلي مهمًا الآن

الدافع وراء الضجيج الأخير هو ثلاثة تطورات رئيسية ، والتي قللت من الحواجز أمام دخول المؤسسات عبر القطاع والمرحلة التي ترغب في تطبيق التعلم الآلي:

• المزيد من البيانات وتخزين أرخص: إن ظهور الأدوات المستندة إلى السحابة والتكلفة المنخفضة لتخزين البيانات من خلال خدمات مثل Amazon Redshift تعني أن المزيد من البيانات يتم إنشاؤها وتخزينها بشكل روتيني من خلال التطبيقات المهمة للأعمال.
• مكتبات مفتوحة المصدر: مكتبات التعلم الآلي المتاحة على نطاق واسع مثل TensorFlow و scikit-Learn من Google تجعل الوصول إلى الخوارزميات المتطورة أكثر سهولة لجمهور أوسع من علماء البيانات ومهندسي البرمجيات المتخصصين.
• قدرة حصانية أكبر: إن تطوير الأنظمة الأساسية المستندة إلى السحابة والأجهزة المخصصة المحسّنة للتعلم الآلي يعني أن هذه التطبيقات يمكن أن تعمل بشكل أسرع وبتكلفة أقل ، مما يزيد من ملاءمتها لمجموعة متنوعة من احتياجات الأعمال.

باختصار ، هناك أدلة دامغة للاستثمار في التعلم الآلي. لكن كيف تستخدم المنظمات هذه التقنية حقًا؟ ما الطرق التي يتم بها نشر التعلم الآلي اليوم لمساعدة الشركات على خلق القيمة وخفض التكاليف وزيادة عائد الاستثمار؟

في هذه المقالة ، نشارك دراسات الحالة التي توضح كيف تستخدم الشركات من جميع الأحجام التعلم الآلي لمعالجة خمس حالات عمل رئيسية: اكتساب المستخدمين ، ودعم العملاء ، والتنبؤ ، ومنع الاحتيال ، وإدارة الأفراد.

1. اكتساب المستخدم

بشكل عام ، يتكون مسار اكتساب العملاء للمستهلكين العاديين أو الأعمال التجارية من ثلاث مراحل: تقسيم قاعدة عملائك لفهم احتياجاتهم ومعالجتها ، وإشراكهم بالرسائل الصحيحة في الوقت المناسب ، وتحويلهم إلى مستخدمين لمنتجك.

شهد التعلم الآلي استخدامًا واسعًا من قبل الشركات الناشئة والشركات الكبرى على حدٍ سواء عبر مسار اكتساب المستخدمين بالكامل. تعد أمازون مثالاً رئيسياً هنا - في رسالته لعام 2017 إلى المساهمين ، أشار الرئيس التنفيذي جيف بيزوس إلى الطرق التي يساهم بها التعلم الآلي في تجربة Amazon.com "تحت السطح" من خلال تشغيل توصيات المنتجات والصفقات بناءً على تفضيلات المستخدم. لكن تقسيم المستخدمين وعرض المنتجات ذات الصلة عليهم ليس سوى الخطوة الأولى: يستخدم العديد من بائعي التجزئة التعلم الآلي لضبط العلامات التجارية والتسعير الترويجي والنسخ بسرعة لزيادة احتمالية البيع لأي عميل معين.

على صعيد المؤسسة ، أطلقت Salesforce مؤخرًا منتج Einstein ، وهو منتج يفحص بيانات CRM لتقديم توصيات مصممة خصيصًا لزيادة فرصة تحويل عميل محتمل معين من عرض ترويجي للمبيعات ، والذهاب إلى أبعد من ذلك لاقتراح الوقت المناسب لإرسال بريد إلكتروني.

2. دعم العملاء

بالطبع ، اكتساب العملاء ليس سوى الخطوة الأولى. سواء كان ذلك للتجارة الإلكترونية أو المؤسسة ، فإن الاحتفاظ بالمستخدمين والحد من الاضطراب يتطلب توفير دعم عملاء فعال في الوقت المناسب.

تستفيد العشرات من العلامات التجارية الآن من التعلم الآلي لتحسين تجربة دعم العملاء. على سبيل المثال ، استخدم السوبر ماركت البرازيلي Ocado واجهات برمجة التطبيقات للتعلم الآلي من Google لبناء نظام مخصص يقيس مشاعر استفسارات دعم العملاء وينقل الردود السلبية إلى أعلى إشارة الدعم. والنتيجة هي أن Ocado تستجيب للرسائل العاجلة بشكل أسرع أربع مرات ، مما يخلق فرصة ثمينة لاستعادة العملاء المعرضين لخطر كبير بأن يصبحوا منتقدين.

في الآونة الأخيرة ، تقوم "الروبوتات" الخاصة بالمحادثة الآن بترتيب طلبات الدعم دون مساعدة من عامل بشري - باستخدام لغة طبيعية تعمل بالآلة لتقديم استجابة أولية يمكنها تلبية الطلبات الروتينية مثل إصدار ملصقات الإرجاع. إلى جانب تقليل تكاليف الدعم بنسبة تصل إلى 30٪ ، يمكن لبرامج الدردشة الآلية تعزيز رضا العملاء من خلال الاستجابة بشكل أسرع ، وسوف ينمو نطاق قدراتها مع تحسن مهارات الفهم لديهم. مع وجود نسبة مذهلة تبلغ 44٪ من المستهلكين الأمريكيين الذين يفضلون التفاعل مع روبوتات المحادثة على البشر ، فإن الشركات التي تواجه المستهلك والتي تستثمر في التعلم الآلي ستحظى بميزة هائلة.

3. التنبؤ

في المكتب الخلفي ، بدأت مجموعة متنوعة من المؤسسات في استخدام التعلم الآلي لبناء نماذج تنبؤ أكثر قوة ودقة ودقة.

في عام 2016 ، أجرت Walmart مسابقة على منصة توظيف علوم البيانات Kaggle ، حيث طلبت من المتقدمين استخدام البيانات التاريخية من 45 متجرًا لبناء نموذج توقع المبيعات حسب القسم لكل متجر. جمعت شركة التأمين العملاقة AIG فريقًا من 125 شخصًا لعلوم البيانات لبناء نماذج التعلم الآلي ، بهدف تحسين قدرة الشركة على توقع المطالبات والتنبؤ بالنتائج.

حتى مجموعة النظارات العالمية Luxottica تضع التعلم الآلي للعمل على التنبؤ بالطلب: فهي تضيف 2000 نمط جديد إلى مجموعتها كل عام ، وتستخدم التعلم الآلي والبيانات من عمليات الإطلاق السابقة للتنبؤ بأداء المبيعات.

4. كشف الأمن والاحتيال

في عام 2016 ، كلف الاحتيال متوسط ​​تاجر التجزئة في التجارة الإلكترونية أكثر من 7٪ من إجمالي الإيرادات. الرواتب لموظفي إدارة الاحتيال ، وعمليات رد المبالغ المدفوعة ، والمعاملات المشروعة التي تم رفضها بسبب الإيجابيات الكاذبة ، تساهم جميعها في هذه النفقات.

بدأ التعلم الآلي في استغلال إمكاناته كأداة قوية لمراقبة ملايين المعاملات بذكاء في الوقت الفعلي ، مما يقلل من الهدر الناتج عن الاحتيال. PayPal هي شركة رائدة في هذا المجال: لقد استخدموا أدوات مفتوحة المصدر ومجموعة كبيرة من بيانات المعاملات لبناء محرك ذكاء اصطناعي من نقطة الصفر ، بهدف رئيسي هو تقليل عدد الإنذارات الكاذبة التي تنتجها نماذج الاحتيال القديمة.

لا يزال البشر في الحلقة من تدريب النموذج وفرز الغموض ، لكن النتيجة الأولية كانت مذهلة: منذ تطبيق نموذجهم الجديد ، خفضت PayPal معدلها الإيجابي الخاطئ بمقدار النصف. بالنسبة للشركات التي تبحث عن حل مناسب ، يمكن للشركات الناشئة مثل Sift Science أن تستهلك بيانات الشركة وتطبق إشارات الاحتيال من شبكتها الكاملة من عملاء المؤسسة ، مما يضمن القبض على أحدث تقنيات المحتالين بسرعة.

5. إدارة الأفراد

يعد توظيف الأشخاص ذوي الجودة العالية وإدارتهم والاحتفاظ بهم أساس جميع الكفاءات التجارية. من أصعب أجزاء التوظيف تصفية مئات أو آلاف السير الذاتية لتجميع قائمة مختصرة للمقابلات. يقول أكثر من نصف المجندين أن هذا هو أصعب جزء في عملهم. تتم معالجة هذه المشكلة من قبل شركات ناشئة مثل Restless Bandit ، مما يجعل نظام إدارة المرشح الذي تستخدمه شركات مثل Adidas و Macy's لتصفية السير الذاتية بناءً على القرارات التي اتخذها مديرو التوظيف في الماضي.

بشكل حاسم ، يمكن تدريب هذه الخوارزميات لتجاهل التحيزات البشرية اللاواعية وحتى الإشارة إلى اللغة المتحيزة في التوصيف الوظيفي - مما يعني أن التعلم الآلي لديه القدرة على تحديد المرشحين المتنوعين عالي الأداء الذين قد يتجاهلهم المجندون البشريون عند المرور الأول. على صعيد الاستبقاء ، يمكن للتعلم الآلي زيادة إرشاد المديرين العظماء ومساعدة الموظفين على الأداء بشكل أفضل من خلال إنشاء مشورة مهنية محددة وغير متحيزة ، بناءً على موظفين سابقين لديهم ملفات تعريف مماثلة.

مع وجود نسبة مذهلة تبلغ 44٪ من المستهلكين الأمريكيين الذين يفضلون التفاعل مع روبوتات المحادثة على البشر ، فإن الشركات التي تواجه المستهلك والتي تستثمر في التعلم الآلي ستحظى بميزة هائلة.

سينمو تأثير التعلم الآلي

في هذه المقالة ، راجعنا بعضًا من أهم الطرق التي يمكن للتعلم الآلي من خلالها إنشاء قيمة مباشرة وفورية لمجموعة متنوعة من المؤسسات. سيكون من الخطأ النظر إلى التعلم الآلي على أنه نوع من العلاج الشامل للشركات - في نهاية المطاف ، يكون أداء نظام التعلم الآلي جيدًا مثل البيانات التي يتم تدريبه عليها ، وغالبًا ما تكون القرارات الرئيسية للمؤسسة "حالات متطورة" تتطلب قدراً من الحكم البشري والخبرة القصصية لتقييمها.

بدلاً من الانبهار بالإمكانيات المجردة للتعلم الآلي ، يجب على المديرين التنفيذيين التعامل مع مسألة الاستثمار في هذه التكنولوجيا من خلال تقييم تحديات أعمالهم الأساسية ومطابقتها مع القدرة الأساسية للتعلم الآلي: استخلاص المعنى والمعنى من الكثير من البيانات . نظرًا لتنوع دراسات الحالة المذكورة أعلاه ، فإن احتمالات أن تساعد تقنيات التعلم الآلي قد تكون أكبر مما تتوقع.