Cum folosesc companiile de top învățarea automată

În ultimul an, mania învățării automate a cuprins lumea afacerilor. Potrivit lui Arthur Samuel, informaticianul care a inventat termenul cu o jumătate de secol în urmă, învățarea automată este definită ca subdomeniul informaticii care folosește seturi mari de date și algoritmi de antrenament pentru a „oferi computerelor capacitatea de a învăța fără a fi programate în mod explicit”.

Mulți directori au un sentiment intuitiv că învățarea automată se va dovedi o schimbare de paradigmă la fel de importantă ca internetul și computerul personal. Un sondaj recent realizat de PwC a indicat că 30% dintre liderii de afaceri cred că AI va fi cea mai mare perturbare a industriei lor în decurs de cinci ani. Numai în 2016, peste 5 miliarde de dolari din fonduri de risc au intrat în startup-urile de învățare automată. McKinsey Global Institute observă că învățarea automată are „aplicabilitate largă la multe activități de lucru comune”, inclusiv recunoașterea modelelor, generarea și înțelegerea limbajului natural și optimizarea proceselor.

De ce este importantă învățarea automată acum

Recentul hype este determinat de trei evoluții cheie, care au redus bariera de intrare pentru organizațiile din toate sectoarele și etapele care doresc să aplice învățarea automată:

• Mai multe date și stocare mai ieftină: creșterea instrumentelor bazate pe cloud și scăderea costurilor de stocare a datelor prin servicii precum Amazon Redshift înseamnă că mai multe date ca niciodată sunt generate și stocate în mod obișnuit de aplicațiile critice pentru afaceri.
• Biblioteci cu sursă deschisă: bibliotecile de învățare automată disponibile pe scară largă, cum ar fi TensorFlow și scikit-learn de la Google, fac algoritmii de ultimă generație mai accesibili unui public mai larg de cercetători de date și ingineri software generaliști.
• Putere mai mare: dezvoltarea platformelor bazate pe cloud și a hardware-ului personalizat optimizat pentru învățarea automată înseamnă că aceste aplicații pot rula mai rapid și la un cost mai mic, crescând adecvarea lor pentru o varietate de nevoi de afaceri.

În rezumat, există dovezi convingătoare pentru a investi în învățarea automată. Dar cum folosesc organizațiile cu adevărat această tehnologie? În ce moduri este implementată învățarea automată astăzi pentru a ajuta companiile să creeze valoare, să reducă costurile și să stimuleze rentabilitatea investiției?

În acest articol, împărtășim studii de caz care ilustrează modul în care companiile de toate dimensiunile folosesc învățarea automată pentru a aborda cinci cazuri cheie de afaceri: achiziția utilizatorilor, asistența clienților, prognoza, prevenirea fraudei și managementul oamenilor.

1. Achiziția utilizatorilor

În linii mari, pâlnia de achiziție de clienți pentru o afacere tipică de consum sau întreprindere are trei etape: segmentarea bazei dvs. de clienți pentru a înțelege și a răspunde nevoilor acestora, implicarea acestora cu mesajele potrivite la momentul potrivit și transformarea lor în utilizatori ai produsului dvs.

Învățarea automată a fost utilizată pe scară largă de către startup-uri și corporații majore deopotrivă pe întreg canalul de achiziție a utilizatorilor. Amazon este un exemplu esențial aici – în scrisoarea sa din 2017 către acționari, CEO-ul Jeff Bezos a remarcat modurile în care învățarea automată contribuie la experiența Amazon.com „sub suprafață”, oferind recomandări de produse și oferte bazate pe preferințele utilizatorilor. Dar segmentarea utilizatorilor și arătarea produselor relevante este doar primul pas: mulți retaileri folosesc învățarea automată pentru a ajusta din mers marcarea, copierea și prețurile promoționale pentru a maximiza probabilitatea unei vânzări pentru un anumit client.

Pe planul întreprinderii, Salesforce a lansat recent Einstein, un produs care examinează datele CRM pentru a oferi recomandări personalizate pentru a crește șansa ca un anume client potențial să se transforme dintr-un argument de vânzare, mergând până acolo încât să sugereze momentul potrivit pentru a trimite un e-mail.

2. Asistență pentru clienți

Desigur, achiziționarea de clienți este doar primul pas. Fie pentru comerțul electronic, fie pentru întreprindere, păstrarea utilizatorilor și limitarea abandonului necesită furnizarea de asistență rapidă și eficientă pentru clienți.

Zeci de mărci folosesc acum învățarea automată pentru a îmbunătăți experiența de asistență pentru clienți. De exemplu, supermarketul brazilian Ocado a folosit API-urile de învățare automată Google pentru a construi un sistem personalizat care măsoară sentimentul întrebărilor de asistență pentru clienți și mută răspunsurile negative în partea de sus a indicației de asistență. Rezultatul este că Ocado răspunde la mesajele urgente de patru ori mai repede, creând o oportunitate valoroasă de a recâștiga clienții cu risc ridicat de a deveni detractori.

Mai recent, „boții” conversaționali triesc acum cererile de asistență fără ajutorul unui operator uman – folosind limbajul natural alimentat de mașini pentru a oferi un prim răspuns care poate îndeplini cererile de rutină, cum ar fi emiterea de etichete de returnare. Pe lângă reducerea costurilor de asistență cu până la 30%, chatboții pot crește satisfacția clienților răspunzând mai rapid, iar sfera capacităților lor va crește pe măsură ce abilitățile lor de înțelegere se vor îmbunătăți. Cu 44% dintre consumatorii americani care preferă să interacționeze cu chatboții în detrimentul oamenilor, întreprinderile care se confruntă cu consumatorii care investesc în învățarea automată vor avea un avantaj extraordinar.

3. Prognoza

În back office, o mare varietate de organizații încep să folosească învățarea automată pentru a construi modele de prognoză mai robuste, granulare și mai precise.

În 2016, Walmart a organizat un concurs pe platforma de recrutare Kaggle, solicitând candidaților să folosească date istorice din 45 de magazine pentru a construi un model care prevedea vânzările pe departamente pentru fiecare magazin. Gigantul asigurărilor AIG a adunat o echipă de știință a datelor de 125 de persoane pentru a construi modele de învățare automată, cu scopul de a îmbunătăți capacitatea companiei de a anticipa daunele și de a prezice rezultatele.

Chiar și conglomeratul global de ochelari Luxottica pune în funcțiune învățarea automată pentru prognoza cererii: adaugă 2000 de noi stiluri la colecția sa în fiecare an și folosește învățarea automată și datele din lansările anterioare pentru a prezice performanța vânzărilor.

4. Securitate și detectarea fraudelor

În 2016, frauda a costat comerciantul de comerț electronic mediu peste 7% din veniturile totale. La această cheltuială contribuie salariile angajaților care gestionează frauda, ​​rambursările și tranzacțiile legitime care sunt refuzate din cauza unor rezultate false pozitive.

Învățarea automată începe să își dezvolte potențialul ca instrument puternic de monitorizare inteligentă a milioane de tranzacții în timp real, reducând risipa cauzată de fraudă. PayPal este lider în acest domeniu: au folosit instrumente open-source și tezaurul lor vast de date privind tranzacțiile pentru a construi un motor de inteligență artificială de la zero, cu scopul cheie de a reduce numărul de alarme false produse de modelele lor mai vechi de fraudă.

Oamenii sunt încă în curs de pregătire a modelului și de a rezolva ambiguitățile, dar rezultatul inițial a fost uluitor: de la implementarea noului lor model, PayPal și-a redus rata fals pozitive la jumătate. Pentru companiile care caută o soluție cu mănușă albă, startup-urile precum Sift Science pot consuma datele unei afaceri și pot aplica semnale de fraudă de la întreaga lor rețea de clienți, asigurându-se că cele mai recente tehnici ale fraudelor sunt prinse rapid.

5. Managementul oamenilor

Angajarea, gestionarea și păstrarea oamenilor de înaltă calitate reprezintă rădăcina tuturor competențelor de afaceri. Una dintre cele mai grele părți ale angajării este filtrarea a sute sau mii de CV-uri pentru a aduna o listă scurtă pentru interviuri; peste jumătate dintre recrutori spun că aceasta este cea mai dificilă parte a muncii lor. Această problemă este abordată de startup-uri precum Restless Bandit, care creează un sistem de management al candidaților utilizat de companii precum Adidas și Macy's pentru a filtra CV-urile pe baza deciziilor pe care managerii de angajare le-au luat în trecut.

În mod esențial, acești algoritmi pot fi antrenați să ignore părtinirile umane inconștiente și chiar să semnaleze limbajul părtinitor în descrierile postului, ceea ce înseamnă că învățarea automată are potențialul de a identifica candidați diverși, cu performanță ridicată, care pot fi trecuti cu vederea de recrutori umani la prima trecere. În ceea ce privește reținerea, învățarea automată poate spori mentoratul unor mari manageri și îi poate ajuta pe angajați să aibă rezultate mai bune prin generarea de sfaturi specifice și imparțial în carieră, bazate pe angajații din trecut cu profiluri similare.

Cu 44% dintre consumatorii americani care preferă să interacționeze cu chatboții în detrimentul oamenilor, întreprinderile care se confruntă cu consumatorii care investesc în învățarea automată vor avea un avantaj extraordinar.

Impactul învățării automate va crește

În acest articol, am trecut în revistă unele dintre cele mai importante moduri prin care învățarea automată poate crea valoare directă și imediată pentru o varietate de organizații. Ar fi o greșeală să privim învățarea automată ca un fel de panaceu corporativ – în cele din urmă, performanța unui sistem de învățare automată este la fel de bună ca și datele pe care este antrenat, iar deciziile cheie ale unei întreprinderi sunt adesea „cazuri marginale” care necesită o măsură de judecată umană și experiență anecdotică pentru evaluare.

În loc să fie uimiți de potențialul abstract al învățării automate, directorii ar trebui să abordeze chestiunea investiției în această tehnologie făcând un bilanț al provocărilor de bază ale afacerii lor și potrivindu-le cu capacitatea cheie a învățării automate: extragerea sensului și a sensului dintr-o mulțime de date. . Având în vedere diversitatea studiilor de caz de mai sus, șansele ca tehnicile de învățare automată să le poată ajuta pot fi mai mari decât vă așteptați.