Vídeo: Webinar | MBA LIVE | Guerra EUA x China: oportunidades e ameaças ao comércio exterior e à economia (Novembro 2024)
Inteligência artificial (IA) costumava ser uma frase usada quase que exclusivamente em ficção científica para alimentar qualquer coisa, de supercomputadores obcecados pelo Armageddon a infelizes robôs de fábrica, tornados sensíveis por raios errantes. Hoje, porém, a IA é usada para descrever o futuro próximo de praticamente todos os aspectos dos negócios que aproveitam os dados de uma organização. O problema é que, semelhante aos primeiros dias da computação em nuvem, os desenvolvedores da tecnologia de IA tendem a defini-la de maneira diferente. Isso criou um pântano de marketing confuso com IA, aprendizado de máquina (ML), análise preditiva e até assistentes virtuais.
Além disso, exatamente como essas tecnologias afetarão diferentes aspectos dos negócios se tornou um cenário difícil de navegar. O comércio eletrônico é uma área importante na qual a IA e suas tecnologias relacionadas têm tido um impacto nos bastidores. No comércio eletrônico, a análise inteligente tem fornecido novos recursos, desde experiências de compras personalizadas até análises preditivas do comportamento do cliente. Conversamos com Kris Hamrick, executivo da Unidade de Negócios responsável pelo Watson Customer Engagement da IBM, para esclarecer parte da confusão em torno da IA e do comércio eletrônico. Também discutimos como o Big Blue alavancará o IBM Watson no espaço de comércio eletrônico.
PCMag: Obrigado por reservar um tempo para conversar conosco. Para começar, é fácil confundir publicidade personalizada com "comércio cognitivo", pois ambos envolvem o uso de dados e análises para combinar ofertas com preferências e hábitos do cliente. Também é comum confundir comércio cognitivo e assistentes virtualizados como Alexa, da Amazon, e Google Assistant. Como a IBM vê as diferenças entre esses conceitos orientados por IA?
Deixe-me explicar como a IBM diferencia a IA da computação cognitiva. A IA é a capacidade de um computador entender e raciocinar como um humano. A computação cognitiva envolve a capacidade de entender, raciocinar, aprender e interagir, reunindo homem e máquina para que eles aprendam um com o outro e interajam de uma maneira que é mais poderosa quando combinada.
Os dados abrem o caminho para a IA. E todos esses dados fora de um aplicativo, entre unidades de negócios, fontes externas, dados escuros e muito mais? Vivemos em um mundo de sistemas díspares que, quando combinados, quando são feitas conexões entre dados ou novos padrões identificados, podem fornecer o valor de 1 + 1 = 3. O que torna o Watson único é o acesso a todas essas fontes de dados diferentes, combinadas com as habilidades cognitivas de interagir com seres humanos, entender perguntas de negócios, descobrir o motivo da ação e, finalmente, aprender com essa interação e usar essa aprendizagem em consultas futuras.
Quanto à personalização versus comércio cognitivo, o Watson permite que os usuários vão além, digamos, das análises baseadas no gerenciamento de relacionamento com o cliente para obter insights mais profundos e agir sobre mais informações, como dados obscuros, como mídia social, salas de bate-papo, transcrições de atendimento ao cliente e outras dados que podem ser anexados aos CRMs modernos. Com o Watson, as campanhas podem trabalhar com informações e insights mais granulares, otimizar itens como preços, atendimento, execução de remessa; antecipar desafios antes que eles aconteçam e, finalmente, melhorar os KPIs. Isso aumenta exponencialmente a capacidade dos usuários trabalharem juntos em áreas funcionais e ter um impacto melhor nos negócios com menos esforço.
As empresas estão tentando fazer isso hoje com os recursos que possuem. Eles têm relatórios, muitas planilhas e muitas reuniões sobre todos esses dados e sua intuição. Mas, em última análise, em muitos casos, eles são executados com base em um viés cognitivo - o que significa que filtram todos os dados e ruídos para encontrar dados que se encaixam na maneira como as coisas foram feitas antes. Efetivamente, esse é o viés que molda a decisão, não os dados.
Para resumir, no Watson Customer Engagement, estamos incorporando recursos cognitivos nos processos para maximizar o desempenho dos negócios, melhorar as decisões de merchandising / preço e otimizar toda a cadeia de suprimentos. Os clientes também podem acessar as mesmas interfaces de programação de aplicativos Watson diretamente para habilitar seus próprios aplicativos e processos legados com recursos cognitivos. Mais importante, o Watson mostra as anomalias, recomenda ações e explica o porquê .
PCMag: o comércio B2B tem sido sem dúvida mais complicado do que o B2C em termos de automação e dimensionamento de lances e preços, termos e transações. Por exemplo, enquanto os consumidores compram preços, as empresas acrescentam negociações difíceis sobre preços e até esperam que os adoçantes do negócio superem as compras. Como o comércio cognitivo ou a computação cognitiva estão prontos para mudar a forma como os negócios B2B são feitos? E como isso conterá custos para os compradores e melhorará os lucros para os vendedores?
KH: O comércio B2B é um ótimo exemplo de como a empresa está aprendendo a aproveitar algumas das incríveis revoluções que estão acontecendo no mundo B2C para maximizar os lucros e proporcionar melhores experiências de negociação com clientes e parceiros. As empresas que vendem para empresas de pequeno e médio porte têm alguns dos mesmos desafios que seus parceiros de varejo, incluindo erosão de margens, conflitos de canal, satisfação do cliente, o "efeito Amazon" (via Amazon Business), permitindo que os clientes escolham o caminho de compra desejado, permitindo o pessoal de vendas se concentre nas oportunidades certas, fornecendo um canal transacional e assim por diante.
O primeiro passo é fornecer a seus parceiros e clientes uma experiência geral melhor do que a concorrência e os altos níveis de serviço ao cliente que as pessoas esperam hoje em dia. Se eu sou seu cliente, isso significa que você precisará conhecer meus termos de preços negociados, meu histórico de compras, me mostrar os produtos ou ofertas relevantes para o meu negócio e me permitir consumir esses produtos e serviços em um cliente. solução amigável. As capacidades cognitivas podem e devem ser tecidas em toda a cadeia de valor para atingir esses objetivos.
Hoje, estamos vendo isso acontecer em muitos setores. Para dar um passo adiante, leve a questão além de apenas uma "transação" e comece a considerar o que significa B2B em vários setores e como eles atendem seus clientes.
Por exemplo, os principais fabricantes podem prever padrões climáticos para evitar interrupções na cadeia de suprimentos e escassez de estoque durante o lançamento do produto. Um de nossos clientes, Kone, está usando dados de IoT de elevadores para antecipar o desgaste e priorizar a manutenção antes de uma interrupção do serviço. No campo da medicina, a Quest Diagnostics está usando o Watson para analisar a biópsia do tumor de um indivíduo e comparar o seqüenciamento de DNA a milhões de páginas de revistas médicas, trabalhos de pesquisa e ensaios clínicos para fornecer ao oncologista a melhor recomendação de tratamento para esse paciente em particular.
Esses exemplos são obviamente muito diferentes, mas apenas enfatizam que as possibilidades são infinitas. Estamos apenas no começo da jornada cognitiva. Estamos apenas começando a descobrir as várias maneiras pelas quais essa tecnologia pode ajudar a melhorar o relacionamento entre as empresas e seus clientes.
PCMag: A transformação digital está ocorrendo em um ritmo frenético em todos os lugares e está criando muito mais dados do que jamais vimos. Mas os cientistas de dados acreditam - e a IBM parece concordar - que os dados não deveriam existir isoladamente, pois seu valor reside principalmente na adição de profundidade e contexto significativos a consultas complexas. Por que o Watson é adequado exclusivamente para trabalhar com dados diferentes e consultas complicadas?
KH: Como discutimos anteriormente, 88% de todos os dados são efetivamente escuros. Ou seja, os dados que contêm os insights que todos procuramos encontrar não estão em fontes de dados fáceis de digerir ou filtrar. Além disso, os cientistas de dados são recursos caros e não escalam facilmente seus aprendizados em toda uma empresa ou em empresas menores.
Com o Watson, o objetivo é pegar esses dados sombrios e torná-los acionáveis para quem precisa deles. As possibilidades são infinitas. O Watson possui habilidades únicas para consumir grandes quantidades de dados estruturados e não estruturados em diferentes idiomas, agir com base em vários serviços cognitivos, otimizar a experiência de qualquer público-alvo, de usuários de negócios a consumidores, e fornecer esses mesmos serviços para outras empresas incorporarem dentro de suas aplicações.
Existem muitos exemplos aqui. Por um lado, o "Watson Tone Analyzer" permite uma análise de conteúdo linguístico que pode detectar e entender tons nas conversas e comunicações, a fim de responder adequadamente. O "Watson Personality Insights" extrai características da personalidade com base em como uma pessoa escreve. O "Watson Conversation" permite implantar um bot ou agente virtual em dispositivos, plataformas de mensagens como o Slack ou mesmo em um robô.
E o "Watson Visual Recognition" entende o conteúdo das imagens. Esse é um dos meus favoritos porque é muito versátil. Você pode usar o Reconhecimento Visual para detectar um certo tipo de roupa em uma loja de varejo, identificar frutas estragadas no inventário de uma mercearia, analisar os danos causados por uma chuva de granizo no telhado de um de seus clientes de seguros e muito mais.
PCMag: A democratização dos dados está em andamento - ou pelo menos planejada - na maioria das organizações hoje. Mas o outro lado - a consumerização de dados - também está tendendo a subir, pois os consumidores tomam mais decisões baseadas em dados todos os dias. Que papéis o Watson e o comércio cognitivo podem desempenhar nessa tendência de consumerização de dados?
KH: Esse é um ótimo ponto: os dados não estão sendo usados apenas para conduzir mais decisões de negócios, mas também para gerar mais decisões dos consumidores. Assim como as empresas, os consumidores desejam mais dados para fazer escolhas mais informadas, mas não querem gastar muito tempo e energia analisando mais dados. Eles querem um resultado rápido e sabem que é a decisão ideal com base no que eles precisam naquele momento específico. Finalmente, eles querem visibilidade de quais dados informaram essa decisão.
Alguns exemplos: Primeiro, a 1-800-Flowers introduziu recentemente "Gwyn" como um bot de concierge pessoal para ajudar os compradores a encontrar o melhor produto com base no sentimento e nas preferências pessoais do destinatário do presente. Usando o Watson, Gwyn pode interagir com clientes online usando linguagem natural. Por exemplo, um cliente pode digitar "Estou procurando um presente para minha mãe" e Gwyn será capaz de interpretar essa pergunta e, em seguida, fazer uma série de perguntas qualificadas sobre a ocasião e o sentimento para garantir que ela forneça uma resposta adequada. e sugestão de presente personalizada para cada cliente. Isso personaliza o catálogo, mostra menos dados ao comprador e concentra a interação especificamente no que o cliente deseja realizar naquele momento.
Da mesma forma, o North Face fornece uma abordagem interativa e baseada em diálogo para ajudar seus compradores. Você provavelmente não pensaria nas jaquetas como um produto complicado, mas elas são. Existem muitos fatores, como faixa de clima, nível de atividade e mobilidade que um comprador pode não considerar inicialmente. Usando as habilidades de Watson para aplicar o raciocínio lógico e sua capacidade de entender, categorizar e avaliar a linguagem natural, o sistema North Face faz uma breve série de perguntas refinadas para fornecer recomendações personalizadas de produtos e conteúdos que correspondem aos desejos e preferências articulados do comprador. Ele também indica a razão pela qual os recursos do produto atendem a essas necessidades específicas. Isso expõe os dados necessários para validar a recomendação.
Acreditamos firmemente que os clientes esperam esse nível de serviço personalizado e personalizado em todos os canais. Eles querem que a experiência seja mais uma conversa, uma experiência, uma pergunta em que "Como posso ajudá-lo hoje?" É como o serviço que você obtém ao entrar em uma loja conhecida pelo excelente atendimento ao cliente. As empresas capazes de fornecer as melhores experiências de marca serão, em última análise, as que capturam mais participação de mercado.
PCMag: Parece que já estamos nos aproximando rapidamente de um dia em que até a análise de dados em tempo real é muito pouco, muito tarde para alguns casos de uso. Em breve, precisaremos e esperamos assistentes proativos - ou assistentes virtuais - que não apenas prevejam, mas que realmente antecipem o que precisaremos ou desejaremos antes mesmo de solicitar. Vimos vislumbres iniciais disso no "Proactive Assistant" anunciado recentemente pelo Google. O que a IBM está fazendo em termos de análise proativa?
KH: Essa é uma área à qual a IBM dedicou muita energia. Nosso foco foi fornecer recursos cognitivos que ajudem as empresas a oferecer experiências significativas de envolvimento do cliente para cenários B2C e B2B. Já discutimos vários exemplos.
Acredito que as empresas historicamente queriam ter acesso ao máximo de dados relevantes possível. Com a explosão de dados ocorrida nos últimos anos, agora temos muitos dados. O problema agora é como tornar todos esses dados utilizáveis sem preconceitos. Além disso, precisamos equilibrar os dados históricos contidos em, digamos, um sistema de CRM com as realidades do que um potencial comprador precisa agora. Não podemos ficar cegos apenas pelo que o sistema de CRM diz que ela comprou antes.
O cognitivo pode ativar um novo CRM ou pelo menos ser uma variável eficaz na decisão geral. As empresas podem ter milhares de pontos de dados em qualquer cliente B2B ou B2C. Mas essa visão histórica precisa levar em consideração os poucos pontos de dados que podem ser mais importantes no momento em que o cliente está considerando uma compra. Isso pode incluir variáveis como intenção, emoções, tendências e outros fatores externos.
Para prever a próxima melhor ação, cada empresa precisa avaliar os padrões de compra de seus clientes e determinar quando as realidades atuais ou previsíveis de seu ambiente superam os dados históricos de CRM. Essa é a visão de análise proativa na qual a IBM está trabalhando.
