Rozwiązania sztucznej inteligencji obiecują zrewolucjonizować branżę detaliczną. Ale które obszary biznesowe najbardziej czerpią korzyści ze sztucznej inteligencji?

Ten artykuł został napisany przez Floriana Heidecke, Chief Client Officer i Partner w Namics, cyfrowej agencji oferującej pełen zakres usług dla e-biznesu.

Sztuczna inteligencja (AI) obejmuje wiele podobszarów, w tym uczenie maszynowe, analitykę predykcyjną, maszynowe przetwarzanie języka naturalnego, rozpoznawanie obrazów i systemy robotyki. Aby rozwijać swój potencjał, aplikacje AI muszą mieć ugruntowaną bazę danych, samodzielnie wyciągać wnioski, stale uczyć się i współdziałać z ludźmi i innymi systemami.

Dr. Florian Heidecke Chief Client Officer i Partner w Namics Zdjęcie: Namics „Zacznij tam, gdzie ludzie są bardziej podatni na błędy niż maszyny, na przykład w procesach inwentaryzacyjnych lub magazynowych”.

Ogólnie rzecz biorąc, odpowiednie są wszystkie obszary zastosowań, w których wymagany jest określony kontekst, ale które można dobrze odwzorować w ustrukturyzowanych modelach danych (np. danych pogodowych). Sztuczna inteligencja może również podjąć się zadań konsultingowych, które są specyficzne, ale niezwykle złożone. Jednym z przykładów jest poszukiwanie odpowiedniej śruby do bardzo konkretnego zastosowania. I może łączyć wiele dziedzin porad: na przykład może dostarczyć informacji na temat śrub, gwoździ lub wierteł, do których w przeciwnym razie potrzebnych byłoby kilku specjalistów, a których sklep z narzędziami nie może zapewnić.

Macy's On Call: amerykański dom towarowy korzysta z mobilnego towarzysza zakupów opartego na IBM Watson. (Źródło: IBM) Aby zidentyfikować odpowiednie obszary zastosowań w firmie, należy również wyjaśnić, kto faktycznie jest właścicielem danych, z którymi pracuję? Łatwo na to odpowiedzieć w logistyce samodzielnej, ponieważ dane zwykle należą do firmy. Z drugiej strony sprzedaż i marketing polegają na tym, że klienci są gotowi udostępnić swoje dane firmie. Zależy to również od tego, czy są to dane strukturalne, np. koszyk lub profil klienta, czy też dane trudniejsze do przetworzenia, np. z rozpoznawania obrazu. Istotną rolę odgrywa również ilość danych. Przed rozpoczęciem projektu AI ważne jest, aby zastanowić się, w którym obszarze może on mieć największy wpływ, a gdzie może nawet storpedować obecny sukces biznesowy.