ห้าความท้าทายที่ยิ่งใหญ่ในการปรับใช้ AI และความสำเร็จ

มีเทคโนโลยีบางอย่างที่บริษัทต่างๆ ตื่นเต้นมากกว่าปัญญาประดิษฐ์ (AI) และด้วยเหตุผลที่ดี: AI มีศักยภาพที่จะพลิกโฉมวิธีการดำเนินงานของบริษัทในหน้าที่ต่างๆ ได้อย่างสมบูรณ์ รวมถึงการตลาด การบริการลูกค้า และการเงิน

แต่เช่นเดียวกับเทคโนโลยีเกิดใหม่จำนวนมาก มีความท้าทายและ AI ก็ไม่มีปัญหาดังกล่าว นั่นอาจอธิบายได้ว่าทำไม จากการสำรวจของ MIT-Boston Consulting Group ฉบับใหม่ ผู้บริหาร 85% เชื่อว่า AI จะเปลี่ยนธุรกิจ แต่มีบริษัทเพียง 20% เท่านั้นที่ใช้มันในทางใดทางหนึ่ง และมีเพียง 5% เท่านั้นที่ใช้มันอย่างครอบคลุม

แล้วอะไรล่ะที่ขวางทาง AI ที่จะตระหนักถึงศักยภาพของมัน? ต่อไปนี้คือความท้าทายที่ใหญ่ที่สุดห้าประการที่บริษัทต่างๆ จำเป็นต้องแก้ไข หากพวกเขาต้องการเริ่มใช้เครื่องมือที่ขับเคลื่อนด้วย AI ที่มีจำนวนเพิ่มขึ้นเรื่อยๆ ที่มีอยู่ในปัจจุบันอย่างมีประสิทธิภาพ

การเข้าถึงข้อมูล

ข้อมูลเป็นส่วนสำคัญของเศรษฐกิจดิจิทัล และสำหรับบริษัทที่ต้องการนำ AI ไปใช้กับพื้นที่จำนวนหนึ่ง การเข้าถึงข้อมูลเป็นหนึ่งในความท้าทายที่ใหญ่ที่สุด ตามที่ George Zarkadakis หัวหน้าฝ่ายดิจิทัลของบริษัทที่ปรึกษาระดับโลก Willis Towers Watson กล่าว ข้อมูลจะเป็นความท้าทายที่ใหญ่ที่สุดที่บริษัทต่างๆ เผชิญ

"ในการฝึกอัลกอริทึมการเรียนรู้ของเครื่อง เราจำเป็นต้องมีชุดข้อมูลขนาดใหญ่และสะอาด โดยมีอคติน้อยที่สุด" เขากล่าวกับ AI Business “เราจำเป็นต้องคำนึงถึงปัญหาความเป็นส่วนตัวของข้อมูลด้วยเมื่อทำการเก็บเกี่ยวข้อมูลส่วนบุคคล โดยเฉพาะอย่างยิ่งในแง่ของกฎระเบียบให้ความคุ้มครองข้อมูลส่วนบุคคลของผู้บริโภคที่จะมีผลบังคับใช้ในปี 2018”

ข่าวดีก็คือแบรนด์ส่วนใหญ่ต่างให้ความสำคัญกับคุณค่าของข้อมูลมานานหลายปี โดยเฉพาะอย่างยิ่งตลาดโฆษณา บริษัทต่างๆ ได้ตระหนักถึงคุณค่าของข้อมูลบุคคลที่หนึ่ง โดยเฉพาะอย่างยิ่งเมื่อพิจารณาจากต้นทุนที่เพิ่มขึ้นในการได้มาซึ่งข้อมูลของบุคคลที่สาม

ด้วยเหตุนี้ หลายบริษัทจึงลงทุนอย่างหนักในการสร้างโครงสร้างพื้นฐานเพื่อรวบรวมและจัดเก็บข้อมูลที่พวกเขาสร้างขึ้น และเพื่อคัดเลือกผู้มีความสามารถพิเศษที่สามารถใช้ประโยชน์ได้ ผู้ที่อยู่ข้างหน้าในด้านนี้จะพบว่าพวกเขามีข้อได้เปรียบทางการแข่งขันในการรวม AI เข้ากับธุรกิจของพวกเขา

ความจริงที่ว่าอดีตไม่ใช่อารัมภบทเสมอไป

แม้ว่าบริษัทจะมีข้อมูลเพียงพอสำหรับสร้างแอปพลิเคชัน AI ก็ตาม สิ่งสำคัญสำหรับพวกเขาคือต้องตระหนักว่าแบบจำลองแอปพลิเคชัน AI ของพวกเขานั้นไม่ได้ผลเสมอไป

ยกตัวอย่างแอปพลิเคชัน AI ที่ใช้จัดการแคมเปญการตลาด ปีที่แล้ว IBM ประกาศว่าจะใช้แพลตฟอร์ม Watson เพื่อจัดการแคมเปญแบบเป็นโปรแกรมทั้งหมดภายในปี 2560 ตามรายงาน IBM ลดราคาต่อคลิกโดยเฉลี่ย 35% โดยใช้ Watson และในบางกรณีตัวเลขนั้นก็สูง เป็น 71%

ตามที่ AdAge อธิบายไว้ Watson "ใช้การวิเคราะห์ขั้นสูงเพื่อสร้างประสิทธิภาพในกระบวนการประมูลโดยการนำเข้าข้อมูลจำนวนมหาศาลและกำหนดมูลค่าให้กับผู้บริโภคเป้าหมายตามช่วงเวลาของวัน อุปกรณ์ที่พวกเขาใช้ ภาษาที่พวกเขาพูด และเบราว์เซอร์ที่พวกเขาใช้ กำลังใช้”

ระดับที่วัตสันสามารถวิเคราะห์ข้อมูลได้คือ "เหลือเชื่อ" ตัวอย่างเช่น สามารถดูได้ว่า "ขนาด [โฆษณา] ที่เล็กกว่าจะมีประสิทธิภาพมากกว่าเมื่อแสดงเวลา 03.00 น. สำหรับ CPM มูลค่า $2 หรือราคาต่อการแสดงผลพันครั้ง มากกว่าโฆษณาขนาดใหญ่ในตอนเที่ยงที่มี CPM เท่ากับ $3"

แต่ตลาดโฆษณาดิจิทัลไม่ได้หยุดนิ่ง และโมเดลที่ใช้งานได้เป็นเวลาหลายเดือนหรือหลายปีก็ไม่รับประกันว่าจะใช้งานได้ในวันพรุ่งนี้ ในขณะที่ AI สามารถเรียนรู้ได้ในขณะเดินทาง ความสามารถในการทำเช่นนั้นขึ้นอยู่กับเงื่อนไขที่ยังคงคล้ายกับที่ได้รับการฝึกอบรมเป็นส่วนใหญ่

รูปแบบโฆษณาที่เปลี่ยนไป การมาของผู้ซื้อในระบบนิเวศและการเพิ่มจำนวนบริษัทที่ใช้ AI ในการซื้อโฆษณา เป็นต้น ล้วนมีศักยภาพในการเปลี่ยนแปลงสภาวะตลาดอย่างมากเพื่อให้แตกต่างจากที่ มีอยู่เมื่อมีการรวบรวมข้อมูลที่ AI ได้รับการฝึกฝน

ซึ่งหมายความว่ามีความเสี่ยงที่โมเดล AI จะลดลงอย่างมากในด้านประสิทธิภาพหรือแตกหักอย่างรวดเร็ว ก่อให้เกิดอันตราย ดังนั้นบริษัทที่ชาญฉลาดจึงมักจะต้องตรวจสอบให้แน่ใจเสมอว่ามีการกำกับดูแลและการป้องกันแทนที่จะไว้วางใจธุรกิจกับ AI

ขาดความฉลาดทางอารมณ์

บริษัทต่างๆ กำลังมองหาที่จะใช้เทคโนโลยี AI เพื่อสนับสนุนความพยายามในการบริการลูกค้าของตนมากขึ้น ตัวอย่างเช่น หลายคนกำลังสร้างแชทบอทที่ขับเคลื่อนด้วย AI ซึ่งลูกค้าสามารถโต้ตอบด้วยบนแพลตฟอร์มอย่าง Facebook Messenger

ในขณะที่การจุติของแชทบอทในช่วงแรกๆ สำหรับแพลตฟอร์มเหล่านี้ยังคงเป็นที่ต้องการอย่างมาก แต่เทคโนโลยีการประมวลผลภาษาธรรมชาติ (NLP) ก็ได้รับการปรับปรุงอย่างรวดเร็ว และบอทที่ขับเคลื่อนด้วย AI ก็เข้าใจสิ่งที่มนุษย์กำลังโต้ตอบด้วยได้ดีขึ้น

แต่ถึงกระนั้น แอปพลิเคชัน AI ก็ยังขาดความฉลาดทางอารมณ์ และที่สำคัญที่สุดคือ พวกเขาไม่สามารถแสดงความเห็นอกเห็นใจได้ และนี่เป็นอุปสรรคใหญ่ต่อความสำเร็จของ AI ในแอปพลิเคชันการบริการลูกค้า เช่น แชทบอท ท้ายที่สุด การสอบถามฝ่ายบริการลูกค้าบางอย่างสามารถสร้างหรือทำลายความสัมพันธ์กับลูกค้าได้

วิธีหนึ่งที่แบรนด์สามารถจัดการกับความท้าทายนี้ได้คือการจำกัดการใช้ AI ในการบริการลูกค้าโดยไม่จำเป็นต้องเอาใจใส่ ยกตัวอย่างเช่น Chatbots สามารถออกแบบให้ทำหน้าที่เป็นบริการลูกค้าระดับแนวหน้า ตอบคำถามที่พบบ่อย และจัดการคำของ่ายๆ ที่มักไม่ค่อยแสดงอารมณ์ ในกรณีที่คำขอมีความซับซ้อนหรือมีความละเอียดอ่อนมากขึ้น แชทบอทที่ขับเคลื่อนด้วย AI ควรจะสามารถเชื่อมต่อลูกค้ากับตัวแทนฝ่ายบริการลูกค้าที่เป็นมนุษย์ได้อย่างราบรื่น

ความเชี่ยวชาญ

David Raab หัวหน้าที่ปรึกษาด้านการตลาด Raab Associates กล่าวว่า "ระบบ AI ในปัจจุบันและอนาคตอันใกล้นี้เป็นผู้เชี่ยวชาญ" พวกเขาทำงานเฉพาะ เช่น ให้คะแนนลูกค้าเป้าหมายหรือกำหนดราคาที่เหมาะสมที่สุดเพื่อเสนอราคาสำหรับโฆษณาแบบรูปภาพ

แน่นอนว่าเทคโนโลยีที่ขับเคลื่อนด้วย AI ในปัจจุบันทำงานได้ดีกว่าในงานเฉพาะทางบางอย่าง สร้างเนื้อหาอัตโนมัติด้วย AI ซึ่งเป็นความฝันของนักการตลาดเนื้อหาทุกที่ ภายในปี 2018 Gartner คาดการณ์ว่า 20% ของเนื้อหาทางธุรกิจทั้งหมดจะผลิตโดยเครื่องจักร

แม้ว่าจะมีหลักฐานว่า AI สามารถสร้างเนื้อหาบางประเภทที่แทบแยกไม่ออกจากเนื้อหาของมนุษย์ในแง่ของความชัดเจนและความถูกต้อง เนื้อหาที่ผลิตโดยเครื่องจักรนั้นน่าเบื่อกว่าและน่าอ่านน้อยกว่าตามการศึกษาชิ้นหนึ่ง

เนื่องจากเนื้อหาที่สื่ออารมณ์มีความสำคัญต่อความสำเร็จของการตลาดเนื้อหา แบรนด์ต่างๆ จึงมีเหตุผลที่จะต้องระมัดระวังเกี่ยวกับการวางงานทั้งหมดในการสร้างเนื้อหาไว้ในมือของซอฟต์แวร์ AI

แต่นั่นไม่ได้หมายความว่า AI ไม่สามารถทำงานเฉพาะด้านได้ แบรนด์ต่างๆ สามารถใช้ปัญญาประดิษฐ์เพื่อระบุแนวโน้มและหัวข้อที่ให้ความสำคัญกับเนื้อหายอดนิยม คาดการณ์หัวข้อข่าวที่เขียนโดยมนุษย์จะทำงานได้ดีที่สุด หรือดูแลจัดการเนื้อหา

ตัวอย่างนวัตกรรมของการดูแลจัดการเนื้อหาที่ขับเคลื่อนด้วย AI ถูกจัดแสดงในช่วง US Open ในปีนี้ สมาคมเทนนิสแห่งสหรัฐอเมริกา (USTA) ได้ฝึก IBM Watson “ให้รู้จักท่าทางและการแสดงออกทางสีหน้าของผู้เล่น เสียงจากฝูงชน และปฏิกิริยาของผู้ประกาศ” จากนั้นใช้วัตสันเพื่อช่วยทีมออกอากาศและทีมเนื้อหาระบุไฮไลท์ของการแข่งขันเพื่อส่งให้แฟน ๆ

ไม่สามารถทำงานร่วมกันได้

ตามที่ David Raab แห่ง Raab Associates ตั้งข้อสังเกต แคมเปญการตลาดเกี่ยวข้องกับการประสานงานของงานเฉพาะทางหลายอย่าง หมายความว่าสำหรับ AI ที่จะเข้าควบคุมแคมเปญการตลาดเต็มรูปแบบ “จะต้องได้รับความร่วมมือจาก AI จำนวนมาก”

ในทางทฤษฎี ไม่จำเป็นต้องเป็นตัวทำลายข้อตกลง แต่ทฤษฎีกับความเป็นจริงไม่เหมือนกัน เขาอธิบายสิ่งที่เกี่ยวข้องในการทำให้สิ่งนี้เกิดขึ้น:

เป็นเรื่องง่าย - และสนุก - ในการจินตนาการถึงคอลเลกชันที่ซับซ้อนของส่วนประกอบที่ขับเคลื่อนด้วย AI ที่ทำงานร่วมกันเพื่อสร้างประสบการณ์ลูกค้าที่เป็นส่วนตัวและเป็นอัตโนมัติอย่างสมบูรณ์ แต่ระบบนั้นมักจะล้มเหลวบ่อยครั้ง เนื่องจากส่วนประกอบหนึ่งหรือส่วนประกอบอื่นพบว่าตัวเองกำลังเผชิญกับสภาวะที่ไม่ได้รับการฝึกฝนให้รับมือ หากระบบได้รับการออกแบบมาอย่างดี (และเราโชคดี) ส่วนประกอบต่างๆ จะปิดตัวลงเมื่อเกิดเหตุการณ์ดังกล่าว หากเราไม่โชคดี พวกเขาจะวิ่งต่อไปและให้ผลลัพธ์ที่ไม่เหมาะสมมากขึ้น

ในที่สุดสิ่งนี้หมายความว่ามันจะซับซ้อนและมีค่าใช้จ่ายมากขึ้นสำหรับ บริษัท ในการสร้างแคมเปญการตลาดแบบขับเคลื่อนด้วยตนเองที่ AI สัญญาไว้ ด้วยเหตุผลดังกล่าว ในระหว่างนี้ แบรนด์ที่เชี่ยวชาญจะเป็นกลยุทธ์เกี่ยวกับเทคโนโลยี AI ที่พวกเขาลงทุน ตัวอย่างเช่น บริษัทหนึ่งอาจตระหนักถึงคุณค่าที่สำคัญของการใช้ AI เพื่อนำไปสู่การให้คะแนน ในขณะที่อีกบริษัทหนึ่งอาจตระหนักถึงคุณค่าที่มากขึ้นของการใช้ AI ในการวิเคราะห์ความรู้สึกทางโซเชียลมีเดีย

เนื่องจากผลตอบแทนอาจแตกต่างกันมากขึ้นอยู่กับแบรนด์และความต้องการของแบรนด์ บริษัทต่างๆ จึงจำเป็นต้องวิเคราะห์เทคโนโลยี AI อย่างสมจริง และพิจารณาว่าเทคโนโลยีใดให้คุณค่ากับพวกเขามากที่สุด