Vidéo: Play | Alexander Ekman & Ballet de l'Opéra de Paris | Palais Garnier 2017 (DVD/Blu-ray trailer) (Novembre 2024)
L'intelligence artificielle (IA) était une expression utilisée presque exclusivement dans la science-fiction pour faire fonctionner des objets allant des super-ordinateurs obsédés par Armageddon aux malheureux robots d'usine rendus sensibles par des éclairs errants. Mais aujourd'hui, l'intelligence artificielle est utilisée pour décrire le proche avenir de pratiquement tous les aspects des activités qui exploitent les données d'une organisation. Le problème est que, comme au début de l'informatique en nuage, les développeurs de la technologie d'intelligence artificielle ont tendance à la définir différemment. Cela a semé la confusion en matière de marketing en matière d'intelligence artificielle, d'apprentissage automatique (ML), d'analyse prédictive et même d'assistants virtuels.
De plus, la manière dont ces technologies affecteront différents aspects des affaires est devenue un paysage difficile à explorer. Le commerce électronique est un domaine clé dans lequel l'IA et ses technologies connexes ont longtemps eu un impact en coulisse. Dans le commerce électronique, les analyses intelligentes offrent de nouvelles fonctionnalités, allant des expériences d'achat personnalisées à l'analyse comportementale prédictive des clients. Nous nous sommes entretenus avec Kris Hamrick, responsable de la Business Unit Watson chez IBM, afin de dissiper une partie de la confusion entourant l'intelligence artificielle et le commerce électronique. Nous avons également discuté de la manière dont Big Blue utilisera IBM Watson dans le commerce électronique.
PCMag: Merci d'avoir pris le temps de parler avec nous. Pour commencer, il est facile de confondre publicité personnalisée et «commerce cognitif», car ils impliquent tous deux d’utiliser des données et des analyses pour faire correspondre les offres aux préférences et aux habitudes des clients. Il est également courant de confondre le commerce cognitif et les assistants virtualisés comme Alexa et Google Assistant d'Amazon. Comment IBM perçoit-il les différences entre ces concepts basés sur l'IA?
Laissez-moi vous expliquer comment IBM différencie l'IA de l'informatique cognitive. L'IA est la capacité pour un ordinateur de comprendre et de raisonner comme un humain. L'informatique cognitive implique la capacité de comprendre, de raisonner, d'apprendre et d'interagir, en réunissant l'homme et la machine pour qu'ils apprennent les uns des autres et interagissent de manière plus puissante lorsqu'ils sont combinés.
Les données ouvrent la voie à l'IA. Qu'en est-il de toutes ces données en dehors d'une application, sur des unités commerciales, des sources externes, des données sombres, etc.? Nous vivons dans un monde de systèmes disparates qui, lorsqu'ils sont combinés, lorsque des connexions sont établies entre des données ou que de nouveaux modèles sont identifiés, peuvent fournir la valeur de 1 + 1 = 3. Ce qui rend Watson unique, c'est son accès à toutes ces différentes sources de données, combiné à la capacité cognitive d'interagir avec les humains, de comprendre les questions commerciales, de découvrir le pourquoi de l'action et, en fin de compte, d'apprendre de cette interaction et d'utiliser cet apprentissage dans les requêtes futures.
En ce qui concerne la personnalisation et le commerce cognitif, Watson permet aux utilisateurs d'aller au-delà des analyses basées sur la gestion de la relation client pour obtenir des informations plus approfondies et agir sur davantage d'informations, telles que des données sombres telles que les médias sociaux, les salles de discussion, les transcriptions du service clientèle et autres. données qui pourraient être ajoutées aux CRM modernes. Grâce à Watson, les campagnes peuvent utiliser des informations et des informations plus détaillées, optimiser des éléments tels que la tarification, le traitement des commandes, l’exécution des expéditions; anticiper les défis avant qu'ils ne se produisent et, finalement, améliorer les KPI. Cela améliore de manière exponentielle la capacité des utilisateurs à travailler ensemble dans différents domaines fonctionnels et à avoir un meilleur impact sur l'entreprise avec moins d'effort.
Les entreprises tentent de le faire aujourd'hui avec les ressources dont elles disposent. Ils ont des rapports, de nombreuses feuilles de calcul et de nombreuses réunions sur toutes ces données et leur intuition. Mais, finalement, dans de nombreux cas, ils s'exécutent sur la base d'un biais cognitif, ce qui signifie qu'ils filtrent toutes les données et le bruit pour trouver des données qui correspondent à la façon dont les choses ont été faites auparavant. Effectivement, c'est le biais qui influence la décision, pas les données.
En résumé, dans Watson Customer Engagement, nous intégrons des capacités cognitives dans les processus afin de maximiser les performances de l’entreprise, d’améliorer les décisions en matière de marchandisage / tarification et d’optimiser l’ensemble de la chaîne logistique. Les clients peuvent également accéder directement aux mêmes interfaces de programmation d'applications Watson pour activer leurs propres applications et processus hérités dotés de capacités cognitives. Plus important encore, Watson relève les anomalies, recommande des actions et explique pourquoi .
PCMag: le commerce interentreprises a sans doute été plus complexe que le commerce grand public en termes d'automatisation et de dimensionnement des offres, des prix, des conditions et des transactions. Par exemple, pendant que les consommateurs recherchent les prix, les entreprises s’engagent sur des négociations difficiles en matière de prix et s’attendent même à ce que les édulcorants soient au rendez-vous. Comment le commerce cognitif ou l'informatique cognitive est-il prêt à changer la manière dont les transactions B2B sont effectuées? Et comment cela va-t-il contenir les coûts pour les acheteurs et améliorer les profits des vendeurs?
KH: Le commerce interentreprises est un excellent exemple de la façon dont l'entreprise apprend à exploiter certaines des révolutions étonnantes qui se produisent dans le monde B2C afin de maximiser les profits et de fournir une meilleure expérience de trading à ses clients et à ses partenaires. Les entreprises qui vendent aux petites et moyennes entreprises ont les mêmes problèmes que leurs homologues du commerce de détail: érosion des marges, conflits de canaux, satisfaction des clients, effet Amazon (via Amazon Business), permettant aux clients de choisir le chemin d'achat souhaité, les commerciaux se concentrent sur les bonnes opportunités en fournissant un canal transactionnel, etc.
La première étape consiste à fournir à vos partenaires et à vos clients une expérience globale supérieure à celle de vos concurrents et aux niveaux élevés de service à la clientèle auxquels les clients s'attendent de nos jours. Si je suis votre client, cela signifie que vous devez connaître mes conditions de prix négociées, mon historique d’achat, me montrer les produits ou les offres qui me concernent, et me permettre de consommer ces produits et services chez un client. solution amicale. Les capacités cognitives peuvent et doivent être intégrées à toute la chaîne de valeur pour atteindre ces objectifs.
Aujourd'hui, cela se produit dans de nombreux secteurs. Pour aller plus loin, allez au-delà de la simple "transaction" et commencez à réfléchir à ce que B2B signifie dans divers secteurs et à la manière dont ils servent leurs clients.
Par exemple, les principaux fabricants peuvent anticiper les conditions météorologiques afin d'éviter les perturbations de la chaîne d'approvisionnement et les ruptures de stock lors du lancement d'un produit. Kone, un de nos clients, utilise les données IoT des ascenseurs pour anticiper l'usure et donner la priorité à la maintenance avant une interruption de service. Dans le domaine médical, Quest Diagnostics utilise Watson pour analyser la biopsie d'une tumeur et comparer le séquençage de l'ADN à des millions de pages de revues médicales, de rapports de recherche et d'essais cliniques afin de fournir à l'oncologue le meilleur traitement recommandé pour ce patient..
Ces exemples sont évidemment très différents mais cela ne fait que souligner que les possibilités sont infinies. Nous ne sommes qu'au début du voyage cognitif. Nous commençons tout juste à découvrir les nombreuses façons dont cette technologie peut aider à améliorer les relations entre les entreprises et leurs clients.
PCMag: La transformation numérique se produit à un rythme effréné partout et crée beaucoup plus de données que jamais auparavant. Mais les scientifiques de données croient - et IBM semble être d’accord avec eux - que les données ne devraient pas exister isolément car leur valeur réside principalement dans l’ajout d’une profondeur et d’un contexte significatifs aux requêtes complexes. Pourquoi Watson est-il particulièrement bien adapté pour travailler avec des données disparates et des requêtes complexes?
KH: Comme nous en avons discuté plus tôt, 88% de toutes les données sont effectivement dans l'obscurité. Cela signifie que les données contenant les informations que nous cherchons tous ne sont pas contenues dans des sources de données faciles à digérer ou à filtrer. De plus, les scientifiques de données sont des ressources coûteuses et ne permettent pas facilement d’appliquer leurs connaissances à l’ensemble d’une entreprise ou aux petites entreprises.
Avec Watson, l'objectif est de prendre ces données sombres et de les rendre exploitables pour quiconque en a besoin. Les possibilités sont infinies. Watson possède des capacités uniques de consommation de grandes quantités de données structurées et non structurées dans différentes langues, d’agir sur les données avec une multitude de services cognitifs, d’optimiser l’expérience pour tous les publics, des utilisateurs professionnels aux consommateurs, et de fournir ces mêmes services à d’autres entreprises dans leurs applications.
Il y a beaucoup d'exemples ici. D'une part, "Watson Tone Analyzer" permet une analyse de contenu linguistique capable de détecter et de comprendre les tonalités dans les conversations et les communications afin de répondre de manière appropriée. "Watson Personality Insights" extrait les caractéristiques de la personnalité en fonction de la façon dont une personne écrit. "Watson Conversation" vous permet de déployer un bot ou un agent virtuel sur des périphériques, des plates-formes de messagerie comme Slack ou même sur un robot.
Et "Watson Visual Recognition" comprend le contenu des images. C’est l’un de mes préférés parce que c’est tellement polyvalent. Vous pouvez utiliser la reconnaissance visuelle pour détecter un certain type de vêtement dans un magasin de vente au détail, identifier les fruits gâtés dans l'inventaire d'une épicerie, analyser les dégâts qu'un orage de grêle a causés sur le toit de l'un de vos clients, et bien plus encore.
PCMag: La démocratisation des données est en cours - ou du moins planifiée - dans la plupart des organisations aujourd'hui. Mais le revers de la médaille - la consumérisation des données - tend également à la hausse alors que les consommateurs prennent chaque jour davantage de décisions fondées sur les données. Quels rôles Watson et le commerce cognitif jouent-ils ou peuvent-ils jouer dans cette tendance à la consumérisation des données?
KH: C'est un bon point: les données ne servent pas seulement à prendre plus de décisions commerciales, elles poussent également plus de décisions à la consommation. Comme les entreprises, les consommateurs veulent plus de données pour pouvoir faire des choix plus éclairés, mais ils ne veulent pas dépenser beaucoup de temps et d’énergie à passer au crible plus de données. Ils veulent un résultat rapide et savoir que c'est la décision optimale en fonction de ce dont ils ont besoin à ce moment précis. Enfin, ils veulent savoir quelles données ont motivé cette décision.
Quelques exemples: Premièrement, 1-800-Flowers a récemment introduit "Gwyn" en tant que robot concierge personnel pour aider les acheteurs à trouver le meilleur produit en fonction du sentiment et des préférences personnelles du destinataire du cadeau. En utilisant Watson, Gwyn peut interagir avec les clients en ligne en utilisant le langage naturel. Par exemple, un client peut taper "Je cherche un cadeau pour ma mère" et Gwyn pourra interpréter cette question, puis poser un certain nombre de questions éligibles sur l’occasion et les sentiments pour assurer une réponse appropriée. et suggestion de cadeau sur mesure à chaque client. Cela permet de personnaliser le catalogue, d'afficher moins de données pour le client et de centrer spécifiquement l'interaction sur ce que le client souhaite accomplir à ce moment-là.
De même, The North Face propose une approche interactive basée sur le dialogue pour aider ses clients. Vous ne penserez probablement pas que les vestes sont un produit compliqué, mais elles le sont. Il existe de nombreux facteurs, tels que les conditions météorologiques, le niveau d'activité et la mobilité, qu'un acheteur peut ne pas prendre en compte initialement. En utilisant les capacités de Watson à appliquer le raisonnement logique et à comprendre, classer et évaluer le langage naturel, le système North Face pose une brève série de questions afin d'affiner le produit et les recommandations de contenu correspondant aux désirs et préférences de l'acheteur. Il indique également la raison pour laquelle les fonctionnalités du produit correspondent à ces besoins spécifiques. Cela expose les données dont vous avez besoin pour valider la recommandation.
Nous sommes convaincus que les clients attendent ce niveau de service personnalisé sur tous les canaux. Ils veulent que l'expérience soit davantage une conversation, une expérience dans laquelle on leur demande "Comment puis-je vous aider aujourd'hui?" Cela ressemble au service que vous obtenez lorsque vous entrez dans un magasin de détail réputé pour son excellent service client. Les entreprises capables de fournir les meilleures expériences de marque seront, en fin de compte, celles qui captureront la plus grande part de marché.
PCMag: Il semble que nous approchions déjà rapidement d'un jour où même l'analyse de données en temps réel est trop petite et trop tardive pour certains cas d'utilisation. Nous aurons bientôt besoin d'assistants proactifs, ou d'assistants virtuels, qui ne font pas que prédire, mais anticipent ce dont nous avons besoin ou ce que nous souhaitons avant même que nous le demandions. Nous en voyons les premières lueurs dans le "Proactive Assistant" récemment annoncé par Google. Que fait IBM en termes d'analyse proactive?
KH: C'est un domaine dans lequel IBM a consacré beaucoup d'énergie. Nous nous sommes concentrés sur la fourniture de fonctionnalités cognitives aidant les entreprises à offrir des expériences d'engagement client significatives pour les scénarios B2C et B2B. Nous avons déjà discuté de plusieurs exemples.
Je crois que les entreprises ont toujours voulu avoir accès à autant de données pertinentes que possible. Avec l'explosion de données survenue au cours des dernières années, nous avons maintenant beaucoup de données. Le problème est maintenant de savoir comment rendre toutes ces données utilisables sans biais. En outre, nous devons équilibrer les données historiques contenues dans, disons, un système de gestion de la relation client avec les réalités de ce dont un acheteur potentiel a besoin maintenant. Nous ne pouvons pas être aveuglés uniquement par ce que le système de gestion de la relation client dit qu'elle a déjà acheté.
Cognitive peut activer un nouveau CRM ou au moins être une variable efficace dans la décision globale. Les entreprises peuvent avoir des milliers de points de données sur un seul client B2B ou même B2C. Mais cette vue historique doit prendre en compte le très petit nombre de points de données qui peuvent être les plus importants au moment même où le client envisage un achat. Cela peut inclure des variables telles que l'intention, les émotions, les tendances et d'autres facteurs externes.
Afin de prévoir la meilleure action à venir, chaque entreprise doit évaluer les habitudes d'achat de ses clients et déterminer quand les réalités actuelles ou prévisibles de leur environnement l'emportent sur les données CRM historiques. C'est la vision analytique proactive à laquelle travaille IBM.
