I fondamenti di una strategia di intelligenza artificiale incentrata sul cliente.

• Il confronto
• Mobile
• I fondamenti di una strategia di intelligenza artificiale incentrata sul cliente.

Ultimamente, sembra che l'IA sia il nostro cavaliere dall'armatura splendente, l'anello mancante tra il nostro passato e il nostro futuro. L'intelligenza artificiale viene ora utilizzata per guidare la direzione degli hedge fund e portare a miglioramenti di efficienza tanto necessari nelle nostre catene di approvvigionamento, ad esempio. La società dell'apprendimento automatico ha introdotto un algoritmo di riconoscimento facciale in grado di distinguere il genere con una precisione fino al 91%. L'intelligenza artificiale sta diventando così comune, infatti, che i nostri dispositivi elettronici spesso la usano in background per migliorare la nostra esperienza, che si tratti di scattare una foto o proteggere i nostri dispositivi, senza che ce ne accorgiamo.Le piccole imprese stanno introducendo servizi di intelligenza artificiale in grado di aiutare i team di vendita a scoprire i punti di discussione che concludono le trattative. L'intelligenza artificiale non cambia solo il nostro futuro. Questo sta creando nuove tendenze nella contrattazione e accelerando le acquisizioni. Secondo Element AI, un laboratorio specializzato con sede a Montreal, "meno di 10,000 persone in tutto il mondo hanno le capacità per affrontare una seria ricerca sull'IA". La carenza di competenze, unita all'immenso clamore mediatico nel settore, ha scatenato una feroce corsa per le più grandi aziende tecnologiche che hanno investito molto nell'intelligenza artificiale, anche attraverso l'acquisizione di startup. AI nelle prime fasi della sua ricerca e finanziamento. Tuttavia, gli RN al di fuori del settore tecnologico rimangono spesso in una fase sperimentale. In un sondaggio McKinsey condotto su 3.000 dirigenti in 14 settori aziendali sensibili all'IA, solo il 20% ha affermato che "qualsiasi tecnologia correlata all'IA è attualmente utilizzata su larga scala o in altri paesi come parte essenziale della propria attività". Alla domanda sul perché, la maggior parte dei dirigenti ha riconosciuto di non essere sicura del business case o del ritorno sull'investimento. Dietro l'entusiasmo e il sentimento "l'IA è ovunque", la maggior parte delle aziende rimane ai margini, incerta su cosa fare dopo. Mentre continuiamo a raccontare storie futuristiche sull'intelligenza artificiale, l'entusiasmo non farà che aumentare, e con buone ragioni. Negli ultimi 5 anni, l'avvento del cloud computing e la facilità di accesso a grandi set di dati hanno reso possibili e convenienti molti di questi scenari IA futuristici. E sembra che siamo solo all'inizio. Ma come possono i leader aziendali determinare se è pratico e realistico sfruttare l'intelligenza artificiale e l'apprendimento automatico oggi?

I dadi e i bulloni dell'IA.

L'intelligenza artificiale dipende completamente dall'accesso a dati di qualità. I ricercatori di McKinsey ammettono che non esistono scorciatoie per le aziende che utilizzano l'intelligenza artificiale. La loro dipendenza da una base digitale e l'accesso a dati di qualità significa che le aziende devono disporre dei sistemi e dei set di dati giusti prima di poterci immergere. Se e quando le aziende esprimono le loro speranze e i loro sogni sull'intelligenza artificiale, potrebbero anche includere un avvertimento che "il successo dipende dall'accesso a un grande volume di buone informazioni". In uno scenario di intelligenza artificiale rivolto al consumatore, è facile capire perché abbiamo bisogno di grandi set di dati per comprendere i progressi tecnologici. Ad esempio, ha senso che per studiare le tendenze nei set di dati dei pazienti oncologici e applicare l'apprendimento automatico per prevedere il cancro, siano necessari dati sui pazienti oncologici. Ma per il 99% delle aziende che cercano di sfruttare l'IA nei propri set di dati, come possiamo trarne valore? In breve, i dati sono preziosi solo se forniscono informazioni. Proprio per questo, nella corsa alla conquista dell'intelligenza artificiale, dobbiamo puntare sui dati dei clienti. Le aziende spesso rilasciano questo enorme volume di dati preziosi, anche se i dati più preziosi si trovano in queste conversazioni tra le aziende ei loro clienti.

Credito immagine: iStockPhoto (Immagine: © Credito immagine: Devrimb / iStockPhoto)

IA conversazionale: la prossima frontiera

In RingCentral, adottiamo un approccio incentrato sul cliente, torniamo indietro e chiediamo ai nostri clienti cosa vogliono e di cui hanno bisogno i loro clienti. In breve, vogliono poter interagire e interagire con la loro piattaforma di comunicazione. Poiché creiamo con l'intento di risolvere i problemi degli utenti finali, è più facile per i nostri clienti vedere subito il valore della nostra piattaforma. L'applicazione di un approccio del cliente allo sviluppo dell'IA ci ha portato a un apprendimento unico. I consumatori che dialogano con Siri, Alexa e l'Assistente Google ora si aspettano di trovare questa stessa funzionalità ben rifinita e facile da usare nei loro strumenti e tecnologie di lavoro. Riteniamo infatti che lo stesso crossover di tecnologie di consumo che abbiamo visto con dispositivi mobili e app si verificherà anche con gli assistenti virtuali e abbiamo investito di conseguenza (collegamento ipertestuale ai nostri prodotti Alexa). Un approccio incentrato sul cliente si è concentrato anche sulla guida di "innovazione pratica"; ovvero l'applicazione di nuove entusiasmanti tecnologie per casi d'uso che cambieranno davvero i risultati aziendali. Ad esempio, gli appassionati di intelligenza artificiale adorano parlare di analisi automatizzata del sentiment e prendere appunti quando si tratta di comunicazione, ma "e allora? In che modo queste funzionalità influiscono sulle operazioni aziendali? Che tipo di punteggio basato sull'intelligenza artificiale ti aiuterà a evidenziare i motivi importanti che vuoi replicare nei tuoi dipendenti? In che modo la registrazione continua della presentazione di un cliente può migliorare i risultati di vendita, velocizzare la chiusura dei casi o migliorare l'esperienza complessiva del cliente? Infine, dobbiamo essere consapevoli di una differenza importante tra l'uso dell'intelligenza artificiale da parte dei consumatori e delle aziende. Sebbene la maggior parte dei servizi per i consumatori abbia accesso a grandi volumi di dati degli utenti, i modelli di intelligenza artificiale incorporati sono generalmente molto generici. Questo può essere appropriato quando l'applicazione consumer utilizzata ha una portata limitata (ad esempio, "Alexa accende le lampade della mia cucina"), ma nel contesto aziendale, è probabile che i modelli di intelligenza artificiale richiedano una maggiore personalizzazione (ad esempio, "Identifica conversazioni sulle richieste GDPR dal nostro sistema." I clienti di Xavier in questo trimestre fiscale"). Le singole aziende avranno probabilmente bisogno di trascrizioni, estrazioni di argomenti e altri casi d'uso dell'IA per trarre vantaggio da modelli di business specifici, o almeno dal loro settore di attività. #39; attività. Come molti dei nostri colleghi, stiamo lavorando rapidamente per incorporare l'intelligenza artificiale e l'apprendimento automatico nella nostra piattaforma per ottenere il massimo da essa. Ha senso che le società tecnologiche e di telecomunicazioni guidino l'accusa di intelligenza artificiale; I dati dei nostri clienti sono ricchi e abbiamo spazio per esplorare. Continuiamo a imparare, attraverso collaborazioni con Gong.io, Chorus.ai e altri, che per vincere il gioco dell'IA devi tornare alle origini. Quali dati hai a portata di mano e che valore puoi offrire ai clienti? La risposta a questa domanda è quasi sempre nelle conversazioni che hai già con i tuoi clienti.