ビデオ: Faith Evans feat. Stevie J – "A Minute" [Official Music Video] (五月 2024)
人工知能（AI）は、ハルマゲドンに夢中になっているスーパーコンピューターから、電光石火によって知覚力のある不幸な工場のロボットに至るまで、ほぼすべてサイエンスフィクションで使用されるフレーズでした。 しかし今日、AIは、組織のデータを活用するビジネスのほぼすべての側面の近未来を記述するために使用されます。 問題は、クラウドコンピューティングの初期の頃と同様に、AIテクノロジーの開発者はそれぞれ異なる方法で定義する傾向があることです。 これにより、AI、機械学習（ML）、予測分析、さらには仮想アシスタントでさえ、混乱するマーケティングの泥沼ができました。
さらに、これらのテクノロジーがビジネスのさまざまな側面にどのように影響するかは、ナビゲートするのが難しい状況になっています。 電子商取引は、AIとその関連技術が長い間舞台裏で影響を与えてきた重要な分野の1つです。 電子商取引では、スマートアナリティクスは、パーソナライズされたショッピングエクスペリエンスから予測的な顧客行動分析まで、新しい機能を提供しています。 IBMのWatson Customer Engagementを担当するビジネスユニットのエグゼクティブであるKris Hamrickと話をして、AIとeコマースを取り巻く混乱の一部を解決しました。 また、Big Blueが電子商取引分野でIBM Watsonをどのように活用するかについても説明しました。
PCMag：ご連絡いただきありがとうございます。 始めに、パーソナライズされた広告と「認知コマース」を混同するのは簡単です。データと分析を使用して、オファーを顧客の好みと習慣に一致させる必要があるからです。 また、認知コマースと、AmazonのAlexaやGoogle Assistantなどの仮想化アシスタントを混同することもよくあります。 IBMは、これらのAI主導の概念の違いをどのように見ていますか？
IBMがAIとコグニティブコンピューティングをどのように区別するかを説明します。 AIは、コンピューターが人間のように理解し、推論する能力です。 コグニティブコンピューティングには、理解し、推論し、学習し、相互作用する能力が含まれます。人間と機械を結び付けて、相互に学習し、組み合わせた場合により強力な方法で相互作用します。
データはAIへの道を開きます。 1つのアプリケーションの外部、ビジネスユニット、外部ソース、ダークデータなどのすべてのデータについてはどうですか？ 私たちはさまざまなシステムの世界に住んでおり、それらが組み合わされると、データ間で接続が確立されるか、特定された新しいパターンが1 + 1 = 3の値を提供できます。 Watsonのユニークな点は、これらすべての異なるデータソースへのアクセスと、人間と対話し、ビジネス上の質問を理解し、アクションの背後にある理由を発見し、最終的にその対話から学習し、その学習を将来のクエリで使用する認知能力と組み合わせることです。
パーソナライズとコグニティブコマースに関して、Watsonを使用すると、ユーザーは、たとえば、顧客関係管理ベースの分析を超えて、より深い洞察を得て、ソーシャルメディア、チャットルーム、カスタマーサービスのトランスクリプトなどのダークデータなど、より多くの情報に対してアクションを実行できます最新のCRMに追加される可能性のあるデータ。 Watsonを使用すると、キャンペーンはより詳細な情報と洞察から機能し、価格設定、フルフィルメント、出荷の実行などを最適化できます。 課題が発生する前に予測し、最終的にKPIを改善します。 これにより、ユーザーが機能分野を超えて共同作業する能力が飛躍的に向上し、少ない労力でビジネスにより良い影響を与えることができます。
今日、企業は所有するリソースを使用してこれを実行しようとしています。 レポート、多数のスプレッドシート、およびそれらのデータとその直感に関する多くの会議があります。 しかし、最終的には、多くの場合、認知バイアスに基づいて実行されます。つまり、すべてのデータとノイズをフィルタリングして、以前のやり方に合ったデータを見つけます。 事実上、それはデータではなく、決定を形成するバイアスです。
要約すると、Watson Customer Engagement内で、認知機能をプロセスに組み込んで、ビジネスパフォーマンスを最大化し、商品化/価格決定を改善し、サプライチェーン全体を最適化します。 クライアントは、同じWatsonアプリケーションプログラミングインターフェイスに直接アクセスして、認知機能を備えた独自のレガシーアプリケーションおよびプロセスを有効にすることもできます。 最も重要なのは、ワトソンが異常を明らかにし、アクションを推奨し、その 理由 を説明する こと です。
PCMag： B2Bコマースは、入札と価格設定、条件、トランザクションの自動化とスケーリングの点で、B2Cよりも間違いなくトリッキーです。 たとえば、消費者が価格で買い物をしている間、企業は厳しい価格交渉を加え、価格の買い物に加えて取引甘味料を期待します。 コグニティブコマース、またはコグニティブコンピューティングは、B2B取引の実行方法をどのように変えようとしていますか？ そして、それは買い手のコストをどのように含み、売り手の利益を改善するのでしょうか？
KH： B2Bコマースは、企業がB2Cの世界で起こっている驚くべき革命のいくつかを活用して利益を最大化し、より良い顧客とパートナーの取引体験を提供する方法を学んでいる好例です。 小規模から中規模の企業に販売する企業には、マージンの浸食、チャネルの競合、顧客満足度、「Amazonの効果」（Amazon Business経由）、顧客が希望する購入経路を選択できるようにするなど、小売業者と同じ課題がいくつかあります。トランザクションチャネルなどを提供することにより、営業担当者が適切な機会に集中することができます。
最初のステップは、パートナーや顧客に、競合他社よりも優れた全体的なエクスペリエンスと、今日の時代に人々が期待する高レベルの顧客サービスを提供することです。 私があなたの顧客である場合、これは、交渉価格条件、購入履歴を知り、私のビジネスに関連する製品またはオファーを見せ、顧客でこれらの製品とサービスを消費できるようにする必要があることを意味しますフレンドリーなソリューション。 認知機能は、これらの目標を達成するために、バリューチェーン全体に織り込むことができ、また織り込むべきです。
今日、これは多くの業界で見られます。 さらに一歩進めるには、単なる「トランザクション」を超えた質問を取り、B2Bがさまざまな業界で何を意味し、どのように顧客にサービスを提供するかを検討し始めます。
たとえば、大手メーカーは、製品の発売中にサプライチェーンの中断や在庫不足を回避するために、天候パターンを予測できます。 クライアントの1人であるKoneは、エレベータからのIoTデータを使用して、サービスの停止前に摩耗を予測し、メンテナンスの優先順位を決定しています。 医療分野では、Quest DiagnosticsはWatsonを使用して個人の腫瘍の生検を分析し、DNAシーケンスを数百万ページの医学雑誌、研究論文、臨床試験と比較して、特定の患者に最適な治療の推奨事項を腫瘍医に提供しています。
これらの例は明らかに大きく異なりますが、それは可能性が無限であることを強調しています。 私たちは認知の旅の始まりに過ぎません。 このテクノロジーがビジネスと顧客間の関係を改善するのに役立つ多くの方法を発見し始めたところです。
PCMag：デジタルトランスフォーメーションはどこでも途方もないペースで発生しており、これまでにないほど多くのデータを作成しています。 しかし、データ科学者は、その価値は複雑なクエリに意味のある深さとコンテキストを追加することに主にあるため、データが孤立して存在するべきではないと信じています。 ワトソンが異種データや複雑なクエリの処理に特に適しているのはなぜですか？
KH：前に説明したように、すべてのデータの88％は事実上暗いです。 つまり、私たち全員が見つけようとしている洞察を含むデータは、ダイジェストやフィルタリングが簡単なデータソースにはありません。 さらに、データサイエンティストは高価なリソースであり、ビジネス全体または小規模企業にまで簡単に学習を拡大することはできません。
Watsonの目標は、このダークデータを取得し、それを必要とする人が実行できるようにすることです。 可能性は無限大。 ワトソンは、異なる言語で大量の構造化および非構造化データを消費し、多数の認知サービスでデータに作用し、ビジネスユーザーから消費者までのあらゆる視聴者のエクスペリエンスを最適化し、他の企業にこれらの同じサービスを提供する独自の機能を備えていますアプリケーション内。
ここには多くの例があります。 1つは、「Watson Tone Analyzer」を使用すると、適切に応答するために会話やコミュニケーションのトーンを検出および理解できる言語コンテンツ分析が可能になります。 「Watson Personality Insights」は、人の書き方に基づいて人格特性を抽出します。 「Watson Conversation」を使用すると、デバイス、Slackなどのメッセージングプラットフォーム、さらにはロボットにボットまたは仮想エージェントを展開できます。
また、「Watson Visual Recognition」は画像の内容を理解します。 それは非常に汎用性があるので、それは私のお気に入りの一つです。 視覚認識を使用して、小売店で特定の種類のドレスを検出したり、食料品店の在庫で甘やかされて育った果物を特定したり、hの嵐が保険顧客の屋根に与えた損害を分析したりできます。
PCMag：現在、ほとんどの組織でデータの民主化が進行中、または少なくとも計画中です。 しかし、消費者が日々データ駆動型の意思決定を行っているため、裏返しのデータの消費化も上昇傾向にあります。 このデータの消費傾向において、ワトソンとコグニティブコマースはどのような役割を果たしますか？
KH：それは素晴らしい点です。データは、より多くのビジネス上の意思決定を促進するために使用されているだけでなく、より多くの消費者の意思決定を促進しています。 企業と同様に、消費者はより多くの情報に基づいた選択を行うためにより多くのデータを望みますが、より多くのデータをふるいにかけるのに多くの時間とエネルギーを費やすことを望みません。 彼らは迅速な結果を望み、その特定の瞬間に必要なものに基づいて最適な決定であることを知りたい。 最後に、彼らはどのデータがその決定に通じたかを可視化することを望んでいます。
いくつかの例：まず、1-800-Flowersは最近、ギフト 受信者の 感情と個人的な好みに基づいて買い物客が最良の製品を見つけるのを支援するパーソナルコンシェルジュボットとして「Gwyn」を導入しました。 Watsonを使用すると、Gwynは自然言語を使用してオンライン顧客と対話できます。 たとえば、顧客が「母への贈り物を探しています」と入力すると、グウィンはその質問を解釈して、機会と感情についていくつかの適格な質問をし、適切な質問をすることができます。各顧客へのカスタマイズされたギフト提案。 これにより、カタログがパーソナライズされ、買い物客に表示されるデータが少なくなり、特に買い物客がその瞬間に達成したいことに焦点を当ててやり取りが行われます。
同様に、The North Faceは対話型の対話ベースのアプローチを提供して、買い物客を支援します。 ジャケットは複雑な製品だとは思わないでしょうが、そうです。 天候の範囲、アクティビティのレベル、買い物客が最初に考慮しないかもしれない機動性のような多くの要因があります。 ワトソンの能力を使用して論理的推論を適用し、その能力が自然言語を理解、分類、および評価することで、North Faceシステムは、買い物客の明確な欲求と好みに合った調整された製品とコンテンツの推奨事項を提供するために一連の簡潔な質問をします。 また、製品の機能がこれらの特定のニーズに一致する理由も示しています。 これにより、推奨事項を検証するために必要なデータが公開されます。
お客様はすべてのチャネルでこのレベルのカスタマイズされたパーソナライズされたサービスを期待していると当社は確信しています。 彼らは、体験をより会話、体験、「今日どのようにお手伝いできますか」と尋ねられる体験にしたいのです。 これは、優れた顧客サービスで知られる小売店に入るときに受けるサービスのようなものです。 最高のブランド体験を提供できる企業は、最終的には、最も市場シェアを獲得する企業になります。
PCMag：リアルタイムデータ分析でさえ少なすぎて、一部のユースケースでは遅すぎる日には、すでに急速に近づいているようです。 予測するだけでなく、要求する前に必要なものや必要なものを実際に予測するプロアクティブアシスタント（または仮想アシスタント）がすぐに必要になります。 Googleが最近発表した「プロアクティブアシスタント」に、その初期のかすかな光景が見られます。 プロアクティブな分析に関してIBMは何をしていますか？
KH：これは、IBMが多くのエネルギーを投入した分野です。 私たちは、企業がB2CとB2Bの両方のシナリオで有意義な顧客エンゲージメントエクスペリエンスを提供するのに役立つ認知機能の提供に注力しています。 すでにいくつかの例を説明しました。
企業はこれまで、できるだけ多くの関連データにアクセスしたいと考えていました。 過去数年間に起こったデータの爆発的増加により、今で は 多くのデータがあります。 ここでの問題は、これらすべてのデータをバイアスなしで使用可能にする方法です。 さらに、CRMシステムに含まれる履歴データと、潜在的な購入者が今必要としているものの現実とのバランスを取る必要があります。 CRMシステムが彼女が以前に購入したことを伝えるものだけで目をつぶることはできません。
Cognitiveは、新しいCRMを有効にするか、少なくとも全体的な決定において効果的な変数にすることができます。 企業は、単一のB2BまたはB2Cの顧客にも数千のデータポイントを持っている場合があります。 ただし、この履歴ビューでは、顧客が購入を検討している瞬間に最も重要になる可能性のある非常に少数のデータポイントを考慮する必要があります。 これには、意図、感情、傾向、およびその他の外部要因などの変数が含まれる場合があります。
次善のアクションを予測するために、各ビジネスは顧客の購入パターンを評価し、環境の現在または予測可能な現実が履歴CRMデータに勝るタイミングを判断する必要があります。 これが、IBMが取り組んでいる先を見越した分析のビジョンです。
