Come le migliori aziende utilizzano l'apprendimento automatico

Nell'ultimo anno, la mania dell'apprendimento automatico ha travolto il mondo degli affari. Secondo Arthur Samuel, l'informatico che ha coniato il termine mezzo secolo fa, l'apprendimento automatico è definito come il sottocampo dell'informatica che impiega grandi set di dati e algoritmi di addestramento per "dare ai computer la capacità di apprendere senza essere esplicitamente programmati".

Molti dirigenti hanno la sensazione intuitiva che l'apprendimento automatico si rivelerà un cambiamento di paradigma importante quanto Internet e il personal computer. Un recente sondaggio condotto da PwC ha indicato che il 30% dei leader aziendali credeva che l'IA sarebbe stata la più grande interruzione per il proprio settore entro cinque anni. Solo nel 2016, oltre 5 miliardi di dollari di finanziamenti di venture capital sono stati inondati nelle startup di machine learning. Il McKinsey Global Institute osserva che l'apprendimento automatico ha "un'ampia applicabilità a molte attività lavorative comuni", tra cui il riconoscimento di modelli, la generazione e la comprensione del linguaggio naturale e l'ottimizzazione dei processi.

Perché l'apprendimento automatico è importante ora

Il recente clamore è guidato da tre sviluppi chiave, che hanno ridotto la barriera all'ingresso per le organizzazioni di tutti i settori e fasi che desiderano applicare l'apprendimento automatico:

• Più dati e storage più economico: l'aumento degli strumenti basati sul cloud e il crollo dei costi di archiviazione dei dati tramite servizi come Amazon Redshift significano che più dati che mai vengono regolarmente generati e archiviati da applicazioni business-critical.
• Librerie open source: le librerie di machine learning ampiamente disponibili come TensorFlow e scikit-learn di Google rendono gli algoritmi all'avanguardia più accessibili a un pubblico più ampio di data scientist e ingegneri del software generici.
• Maggiore potenza: lo sviluppo di piattaforme basate su cloud e hardware personalizzato ottimizzato per l'apprendimento automatico significa che queste applicazioni possono essere eseguite più velocemente e a costi inferiori, aumentando la loro idoneità a una varietà di esigenze aziendali.

In astratto, ci sono prove convincenti per investire nell'apprendimento automatico. Ma in che modo le organizzazioni utilizzano davvero questa tecnologia? In che modo il machine learning viene implementato oggi per aiutare le aziende a creare valore, ridurre i costi e aumentare il ROI?

In questo articolo condividiamo casi di studio che illustrano come le aziende di tutte le dimensioni utilizzano l'apprendimento automatico per affrontare cinque casi aziendali chiave: acquisizione di utenti, assistenza clienti, previsioni, prevenzione delle frodi e gestione delle persone.

1. Acquisizione dell'utente

A grandi linee, la canalizzazione di acquisizione dei clienti per un consumatore tipico o un'azienda aziendale ha tre fasi: segmentare la base di clienti per comprendere e soddisfare le loro esigenze, coinvolgerli con il messaggio giusto al momento giusto e convertirli in utenti del tuo prodotto.

L'apprendimento automatico è stato ampiamente utilizzato dalle startup e dalle grandi aziende nell'intero funnel di acquisizione degli utenti. Amazon è un esempio chiave in questo caso: nella sua lettera del 2017 agli azionisti, il CEO Jeff Bezos ha sottolineato i modi in cui l'apprendimento automatico contribuisce all'esperienza di Amazon.com "sotto la superficie" fornendo consigli su prodotti e accordi basati sulle preferenze degli utenti. Ma segmentare gli utenti e mostrare loro i prodotti rilevanti è solo il primo passo: molti rivenditori utilizzano il machine learning per regolare al volo branding, copy e prezzi promozionali per massimizzare la probabilità di vendita per un determinato cliente.

Sul fronte aziendale, Salesforce ha recentemente lanciato Einstein, un prodotto che esamina i dati CRM per fornire consigli su misura per aumentare le possibilità che un determinato potenziale cliente si converta da un passo di vendita, arrivando al punto di suggerire il momento giusto per inviare un'e-mail.

2. Assistenza clienti

Naturalmente, acquisire clienti è solo il primo passo. Che sia per l'e-commerce o per l'azienda, fidelizzare gli utenti e limitare il tasso di abbandono richiede un'assistenza clienti tempestiva ed efficace.

Decine di marchi ora utilizzano l'apprendimento automatico per migliorare l'esperienza di assistenza clienti. Ad esempio, il supermercato brasiliano Ocado ha utilizzato le API di machine learning di Google per creare un sistema personalizzato che misura il sentimento delle richieste di assistenza clienti e sposta le risposte negative in cima al segnale di supporto. Il risultato è che Ocado risponde ai messaggi urgenti quattro volte più velocemente, creando una preziosa opportunità per riconquistare i clienti ad alto rischio di diventare detrattori.

Più di recente, i "bot" conversazionali stanno ora valutando le richieste di supporto senza l'aiuto di un operatore umano, utilizzando un linguaggio naturale basato sulla macchina per fornire una prima risposta in grado di soddisfare richieste di routine come l'emissione di etichette di reso. Oltre a ridurre i costi di supporto fino al 30%, i chatbot possono aumentare la soddisfazione dei clienti rispondendo più rapidamente e la portata delle loro capacità aumenterà man mano che le loro capacità di comprensione migliorano. Con uno sbalorditivo 44% dei consumatori statunitensi che preferisce interagire con i chatbot rispetto agli esseri umani, le imprese rivolte ai consumatori che investono nell'apprendimento automatico avranno un enorme vantaggio.

3. Previsione

Nel back office, un'ampia varietà di organizzazioni sta iniziando a utilizzare l'apprendimento automatico per creare modelli di previsione più solidi, granulari e accurati.

Nel 2016, Walmart ha indetto un concorso sulla piattaforma di reclutamento di data science Kaggle, chiedendo ai candidati di utilizzare i dati storici di 45 negozi per costruire un modello che prevedesse le vendite per reparto per ciascun negozio. Il gigante assicurativo AIG ha riunito un team di data science di 125 persone per creare modelli di machine learning, con l'obiettivo di migliorare la capacità dell'azienda di anticipare i reclami e prevedere i risultati.

Anche il conglomerato globale di occhiali Luxottica mette il machine learning al servizio della previsione della domanda: aggiunge 2000 nuovi modelli alla sua collezione ogni anno e utilizza il machine learning e i dati dei lanci passati per prevedere l'andamento delle vendite.

4. Sicurezza e rilevamento delle frodi

Nel 2016, la frode è costata al rivenditore di e-commerce medio oltre il 7% delle entrate totali. Gli stipendi per i dipendenti della gestione delle frodi, gli storni di addebito e le transazioni legittime negate a causa di falsi positivi contribuiscono tutti a questa spesa.

L'apprendimento automatico sta iniziando a dimostrare il suo potenziale come potente strumento per monitorare in modo intelligente milioni di transazioni in tempo reale, riducendo gli sprechi dovuti alle frodi. PayPal è un leader in questo campo: ha utilizzato strumenti open source e la loro vasta raccolta di dati sulle transazioni per costruire da zero un motore di intelligenza artificiale, con l'obiettivo principale di ridurre il numero di falsi allarmi prodotti dai loro vecchi modelli di frode.

Gli esseri umani sono ancora in procinto di addestrare il modello e risolvere le ambiguità, ma il risultato iniziale è stato sbalorditivo: da quando ha implementato il nuovo modello, PayPal ha dimezzato il tasso di falsi positivi. Per le aziende che cercano una soluzione con i guanti bianchi, startup come Sift Science possono consumare i dati di un'azienda e applicare segnali di frode dall'intera rete di clienti aziendali, assicurando che le ultime tecniche di truffatori vengano rapidamente catturate.

5. Gestione delle persone

Assumere, gestire e trattenere persone di alta qualità è la radice di tutte le competenze aziendali. Una delle parti più onerose dell'assunzione è filtrare centinaia o migliaia di curricula per assemblare una rosa di candidati per i colloqui; oltre la metà dei reclutatori afferma che questa è la parte più difficile del proprio lavoro. Questo problema viene affrontato da startup come Restless Bandit, che crea un sistema di gestione dei candidati utilizzato da aziende come Adidas e Macy's per filtrare i curriculum in base alle decisioni che i responsabili delle assunzioni hanno preso in passato.

Fondamentalmente, questi algoritmi possono essere addestrati per ignorare i pregiudizi umani inconsci e persino contrassegnare un linguaggio distorto nelle descrizioni dei lavori, il che significa che l'apprendimento automatico ha il potenziale per identificare candidati diversificati e ad alte prestazioni che potrebbero essere trascurati dai reclutatori umani al primo passaggio. Sul fronte della fidelizzazione, l'apprendimento automatico può aumentare il tutoraggio di grandi manager e aiutare i dipendenti a ottenere prestazioni migliori generando consigli sulla carriera specifici e imparziali, basati su dipendenti passati con profili simili.

Con uno sbalorditivo 44% dei consumatori statunitensi che preferisce interagire con i chatbot rispetto agli esseri umani, le imprese rivolte ai consumatori che investono nell'apprendimento automatico avranno un enorme vantaggio.

L'impatto dell'apprendimento automatico aumenterà

In questo articolo, abbiamo esaminato alcuni dei modi più significativi in ​​cui l'apprendimento automatico può creare valore diretto e immediato per una varietà di organizzazioni. Sarebbe un errore considerare l'apprendimento automatico come una sorta di panacea aziendale: in definitiva, le prestazioni di un sistema di apprendimento automatico sono buone solo quanto i dati su cui è formato e le decisioni chiave di un'azienda sono spesso "casi limite" che richiedono una misura del giudizio umano e dell'esperienza aneddotica da valutare.

Invece di essere abbagliati dal potenziale astratto dell'apprendimento automatico, i dirigenti dovrebbero affrontare la questione dell'investimento in questa tecnologia facendo il punto sulle loro sfide aziendali principali e confrontandole con la capacità chiave dell'apprendimento automatico: trarre senso e significato da una tonnellata di dati . Data la diversità dei casi di studio di cui sopra, le probabilità che le tecniche di apprendimento automatico possano essere d'aiuto potrebbero essere maggiori di quanto ti aspetti.