Video: Hablemos del Futuro del Comercio (Noviembre 2024)
La inteligencia artificial (IA) solía ser una frase utilizada casi exclusivamente en ciencia ficción para impulsar cualquier cosa, desde supercomputadoras obsesionadas con Armageddon hasta desventurados robots de fábrica hechos sensibles por los rayos errantes. Pero hoy, la inteligencia artificial se usa para describir el futuro cercano de prácticamente todos los aspectos del negocio que aprovechan los datos de una organización. El problema es que, de manera similar a los primeros días de la computación en la nube, los desarrolladores de tecnología de inteligencia artificial tienden a definirla de manera diferente. Esto ha hecho que la inteligencia artificial, el aprendizaje automático (ML), el análisis predictivo e incluso los asistentes virtuales sean confusos.
Además, exactamente cómo estas tecnologías afectarán diferentes aspectos de los negocios se ha convertido en un panorama difícil de navegar. El comercio electrónico es un área clave en la que la IA y sus tecnologías relacionadas han tenido un impacto detrás de escena. En el comercio electrónico, el análisis inteligente ha estado proporcionando nuevas capacidades, desde experiencias de compra personalizadas hasta análisis predictivos del comportamiento del cliente. Hablamos con Kris Hamrick, el ejecutivo de la unidad de negocios a cargo de la participación del cliente Watson de IBM, para aclarar algo de la confusión que rodea a la inteligencia artificial y el comercio electrónico. También discutimos cómo Big Blue aprovechará IBM Watson en el espacio de comercio electrónico.
PCMag: Gracias por tomarse el tiempo de hablar con nosotros. Para comenzar, es fácil confundir la publicidad personalizada con el "comercio cognitivo", ya que ambos implican el uso de datos y análisis para hacer coincidir las ofertas con las preferencias y hábitos de los clientes. También es común confundir el comercio cognitivo y los asistentes virtualizados como Alexa de Amazon y el Asistente de Google. ¿Cómo ve IBM las diferencias entre estos conceptos impulsados por IA?
Permítanme explicar cómo IBM diferencia la IA de la computación cognitiva. La IA es la capacidad de una computadora para comprender y razonar como un humano. La computación cognitiva implica la capacidad de comprender, razonar, aprender e interactuar, reuniendo al hombre y la máquina para que aprendan unos de otros e interactúen de una manera que sea más poderosa cuando se combinan.
Los datos allanan el camino para la IA. ¿Qué pasa con todos esos datos fuera de una aplicación, en unidades de negocios, fuentes externas, datos oscuros y más? Vivimos en un mundo de sistemas dispares que, cuando se combinan, cuando se realizan conexiones a través de datos o nuevos patrones identificados, pueden proporcionar el valor de 1 + 1 = 3. Lo que hace que Watson sea único es su acceso a todas estas fuentes de datos diferentes, combinadas con las habilidades cognitivas para interactuar con los humanos, comprender las preguntas comerciales, descubrir la razón detrás de la acción y, en última instancia, aprender de esa interacción y usar ese aprendizaje en consultas futuras.
En cuanto a la personalización versus el comercio cognitivo, Watson permite a los usuarios ir más allá, por ejemplo, de análisis basados en la gestión de relaciones con los clientes para obtener información más profunda y tomar medidas sobre más información, como datos oscuros como redes sociales, salas de chat, transcripciones de servicio al cliente y otros datos que podrían agregarse a los CRM modernos. Con Watson, las campañas pueden funcionar a partir de información y conocimientos más granulares, optimizar cosas como precios, cumplimiento, ejecución de envíos; anticipe los desafíos antes de que sucedan y, en última instancia, mejore los KPI. Esto mejora exponencialmente la capacidad de los usuarios para trabajar juntos en áreas funcionales y tener un mejor impacto en el negocio con menos esfuerzo.
Las empresas están tratando de hacer esto hoy con los recursos que tienen. Tienen informes, muchas hojas de cálculo y muchas reuniones sobre todos esos datos y su intuición. Pero, en última instancia, en muchos casos, se ejecutan en función de un sesgo cognitivo, lo que significa que filtran todos los datos y el ruido para encontrar datos que se ajusten a la forma en que se han hecho las cosas antes. Efectivamente, eso es un sesgo que da forma a la decisión, no a los datos.
Para resumir, dentro de Watson Customer Engagement, estamos incorporando capacidades cognitivas en los procesos para maximizar el rendimiento del negocio, mejorar las decisiones de comercialización / fijación de precios y optimizar toda la cadena de suministro. Los clientes también pueden acceder a las mismas interfaces de programación de aplicaciones de Watson directamente para habilitar sus propias aplicaciones y procesos heredados con capacidades cognitivas. Lo más importante, Watson descubre las anomalías, recomienda acciones y explica por qué .
PCMag: el comercio B2B ha sido posiblemente más complicado que B2C en términos de automatización y escalado de ofertas y precios, términos y transacciones. Por ejemplo, mientras los consumidores compran los precios, las empresas agregarán duras negociaciones de precios e incluso esperarán edulcorantes además de las compras de precios. ¿Cómo está listo el comercio cognitivo, o la computación cognitiva, para cambiar la forma en que se realizan los acuerdos B2B? ¿Y cómo contendrá eso los costos para los compradores y mejorará las ganancias para los vendedores?
KH: El comercio B2B es un gran ejemplo de cómo la empresa está aprendiendo a aprovechar algunas de las increíbles revoluciones que están ocurriendo en el mundo B2C para maximizar las ganancias y proporcionar mejores experiencias comerciales con clientes y socios. Las empresas que venden a pequeñas y medianas empresas tienen algunos de los mismos desafíos que tienen sus contrapartes minoristas, incluida la erosión de los márgenes, los conflictos de canales, la satisfacción del cliente, el "efecto Amazon" (a través de Amazon Business), permitiendo que los clientes elijan la ruta de compra deseada, permitiendo vendedores para centrarse en las oportunidades adecuadas al proporcionar un canal transaccional y similares.
El primer paso es proporcionar a sus socios y clientes una mejor experiencia general que su competencia y los altos niveles de servicio al cliente que las personas esperan en estos días. Si soy su cliente, esto significa que necesitará conocer mis términos de precios negociados, mi historial de compras, mostrarme los productos u ofertas que son relevantes para mi negocio y permitirme consumir estos productos y servicios en un cliente. Solución amigable. Las capacidades cognitivas pueden y deben entrelazarse a lo largo de toda la cadena de valor para cumplir con estos objetivos.
Hoy, vemos que esto sucede en muchas industrias. Para ir un paso más allá, vaya más allá de una simple "transacción" y comience a considerar qué significa B2B en una variedad de industrias y cómo atienden a sus clientes.
Por ejemplo, los principales fabricantes pueden anticipar patrones climáticos para evitar interrupciones en la cadena de suministro y escasez de inventario durante el lanzamiento de un producto. Uno de nuestros clientes, Kone, está utilizando datos de IoT de los ascensores para anticipar el desgaste y priorizar el mantenimiento antes de una interrupción del servicio. En el campo médico, Quest Diagnostics está utilizando Watson para analizar la biopsia del tumor de un individuo y comparar la secuencia de ADN con millones de páginas de revistas médicas, documentos de investigación y ensayos clínicos para proporcionar a un oncólogo la mejor recomendación de tratamiento para ese paciente en particular..
Estos ejemplos son obviamente muy diferentes, pero eso solo enfatiza que las posibilidades son infinitas. Solo estamos al comienzo del viaje cognitivo. Estamos empezando a descubrir las muchas formas en que esta tecnología puede ayudar a mejorar las relaciones entre las empresas y sus clientes.
PCMag: La transformación digital está ocurriendo a un ritmo frenético en todas partes y está creando una cantidad de datos mucho mayor de lo que hemos visto. Pero los científicos de datos creen, e IBM parece estar de acuerdo, que los datos no deberían existir de forma aislada, ya que su valor radica principalmente en agregar profundidad y contexto significativos a las consultas complejas. ¿Por qué Watson es especialmente adecuado para trabajar con datos dispares y consultas complicadas?
KH: Como discutimos anteriormente, el 88 por ciento de todos los datos son efectivamente oscuros. Es decir, los datos que contienen los conocimientos que todos nos esforzamos por encontrar no se encuentran en fuentes de datos que sean fáciles de digerir o filtrar. Además, los científicos de datos son recursos caros y no escalan fácilmente sus aprendizajes en un negocio completo o en empresas más pequeñas.
Con Watson, el objetivo es tomar estos datos oscuros y hacerlos accionables para quien los necesite. Las posibilidades son infinitas. Watson tiene capacidades únicas para consumir grandes cantidades de datos estructurados y no estructurados en diferentes idiomas, actuar sobre los datos con una multitud de servicios cognitivos, optimizar la experiencia para cualquier audiencia, desde usuarios de negocios hasta consumidores, y proporcionar estos mismos servicios para que otras empresas los incorporen dentro de sus aplicaciones.
Hay muchos ejemplos aquí. Por un lado, el "Watson Tone Analyzer" permite un análisis de contenido lingüístico que puede detectar y comprender los tonos en las conversaciones y comunicaciones para responder adecuadamente. "Watson Personality Insights" extrae las características de la personalidad en función de cómo escribe una persona. "Watson Conversation" le permite implementar un bot o agente virtual en dispositivos, plataformas de mensajería como Slack o incluso en un robot.
Y "Reconocimiento visual de Watson" comprende el contenido de las imágenes. Ese es uno de mis favoritos porque es muy versátil. Puede usar el Reconocimiento visual para detectar cierto tipo de vestimenta en una tienda minorista, identificar frutas en mal estado en el inventario de una tienda de comestibles, analizar el daño que causó una tormenta de granizo en el techo de uno de sus clientes de seguros, y mucho más.
PCMag: La democratización de los datos está en marcha, o al menos planificada, en la mayoría de las organizaciones actuales. Pero la otra cara, la consumerización de los datos, también tiende a aumentar, ya que los consumidores toman más decisiones basadas en datos todos los días. ¿Qué roles juegan o pueden jugar Watson y el comercio cognitivo en esta tendencia de consumerización de datos?
KH: Ese es un gran punto: los datos no solo se utilizan para impulsar más decisiones comerciales, sino que también impulsan más decisiones de los consumidores. Al igual que las empresas, los consumidores quieren más datos para tomar decisiones más informadas, pero no quieren gastar mucho tiempo y energía examinando más datos. Quieren un resultado rápido y saber que es la decisión óptima basada en lo que necesitan en ese momento en particular. Finalmente, quieren visibilidad sobre qué datos informaron esa decisión.
Un par de ejemplos: Primero, 1-800-Flowers introdujo recientemente "Gwyn" como un bot de conserjería personal para ayudar a los compradores a encontrar el mejor producto basado en el sentimiento y las preferencias personales del destinatario del regalo. Usando Watson, Gwyn puede interactuar con clientes en línea usando lenguaje natural. Por ejemplo, un cliente puede escribir: "Estoy buscando un regalo para mi madre", y Gwyn podrá interpretar esa pregunta y luego formular una serie de preguntas de calificación sobre la ocasión y el sentimiento para asegurarse de que proporcione una respuesta adecuada. y sugerencia de regalo a medida para cada cliente. Esto personaliza el catálogo, muestra menos datos al comprador y enfoca la interacción específicamente en lo que el comprador quiere lograr en ese momento.
Del mismo modo, The North Face ofrece un enfoque interactivo basado en el diálogo para ayudar a sus compradores. Probablemente no pienses que las chaquetas son un producto complicado, pero lo son. Hay muchos factores como el rango del clima, el nivel de actividad y la movilidad que un comprador puede no considerar inicialmente. Utilizando las habilidades de Watson para aplicar el razonamiento lógico y su capacidad para comprender, clasificar y evaluar el lenguaje natural, el sistema North Face hace una breve serie de preguntas de refinamiento para ofrecer recomendaciones de contenido y productos a medida que coincidan con los deseos y preferencias articulados del comprador. También establece la razón por la cual las características del producto coinciden con esas necesidades específicas. Esto expone los datos que necesita para validar la recomendación.
Creemos firmemente que los clientes esperan este nivel de servicio personalizado y personalizado en todos los canales. Quieren que la experiencia sea más una conversación, una experiencia en la que se les pregunte "¿Cómo puedo ayudarlo hoy?" Es como el servicio que recibe cuando ingresa a una tienda minorista conocida por su excelente servicio al cliente. Las empresas que pueden proporcionar las mejores experiencias de marca serán, en última instancia, las que capturen la mayor parte del mercado.
PCMag: Parece que ya nos estamos acercando rápidamente a un día en que incluso el análisis de datos en tiempo real es muy poco, demasiado tarde para algunos casos de uso. Pronto necesitaremos y esperaremos asistentes proactivos, o asistentes virtuales, que no solo predicen, sino que realmente anticipan lo que necesitaremos o desearemos incluso antes de pedirlo. Vemos vislumbres tempranos de eso en el recientemente anunciado "Asistente Proactivo" de Google. ¿Qué está haciendo IBM en términos de análisis proactivo?
KH: Esta es un área a la que IBM ha dedicado mucha energía. Nos hemos centrado en proporcionar capacidades cognitivas que ayudan a las empresas a ofrecer experiencias significativas de compromiso con el cliente para escenarios B2C y B2B. Ya hemos discutido varios ejemplos.
Creo que las empresas históricamente han querido tener acceso a la mayor cantidad de datos relevantes posible. Con la explosión de datos que se produjo en los últimos años, ahora tenemos muchos datos. El problema ahora es cómo hacer que todos estos datos sean utilizables sin sesgos. Además, tenemos que equilibrar los datos históricos contenidos en, digamos, un sistema CRM con las realidades de lo que un comprador potencial necesita ahora. No podemos cegarnos únicamente por lo que el sistema CRM le dice que ha comprado antes.
Cognitivo puede habilitar un nuevo CRM o al menos ser una variable efectiva en la decisión general. Las empresas pueden tener miles de puntos de datos en cualquier cliente B2B o incluso B2C. Pero esta visión histórica debe tener en cuenta los pocos puntos de datos que pueden ser más importantes en el momento en que el cliente está considerando una compra. Esto podría incluir variables como la intención, las emociones, las tendencias y otros factores externos.
Para predecir la siguiente mejor acción, cada empresa necesita evaluar los patrones de compra de sus clientes y determinar cuándo las realidades actuales o predecibles de su entorno prevalecen sobre los datos históricos de CRM. Esa es la visión analítica proactiva hacia la cual está trabajando IBM.
