مايكل وو من PROS: على الرغم من أن لدينا بيانات ضخمة ، إلا أنه لا توجد بيانات كافية على الإطلاق

عندما يتعلق الأمر بالذكاء الاصطناعي والتعلم الآلي والبيانات الضخمة ، لا يوجد شخص أحب التعلم منه والتحدث معه أكثر من الدكتور مايكل وو ، خبير الصناعة المعترف به ورئيس إستراتيجيات الذكاء الاصطناعي لـ PROS ، وهو مزود لحلول SaaS التي تعمل على تحسين تجارب التسوق والبيع. ومؤخراً ، أجريت محادثة مباشرة رائعة معه ومع مضيفي في CRM Playaz بول جرينبيرج حيث تعمقنا في معرفة ما نحن فيه مع الذكاء الاصطناعي وكيف يساعد الشركات على تحقيق ذلك خلال الأشهر الثمانية عشر الماضية.

يوجد أدناه نسخة منقحة من جزء من محادثتنا التي تتطرق إلى دور الأخلاق والشمولية مع تحول المزيد من التفاعلات والمعاملات التجارية إلى رقمية - مما يوفر للذكاء الاصطناعي البيانات التي يتوق للتنبؤ بها والتوصية بالأشياء إلينا. للاستماع إلى المحادثة الكاملة ، انقر فوق مشغل SoundCloud المضمن.

بول جرينبيرج: كيف ينبغي دمج إستراتيجية الذكاء الاصطناعي في إستراتيجية الأعمال الأوسع؟

مايكل وو: نعم ، أعتقد أن هذه مشكلة كبيرة في الصناعة. أعني ، ليس هناك شك في أن الذكاء الاصطناعي سيكون جزءًا واسع الانتشار من حياتنا للمضي قدمًا. سواء كان ذلك في العمل في العمل أو فقط في حياتنا اليومية ، سيكون هناك ، سيكون جزءًا منه. أعتقد أن ما يمنع الكثير من الأعمال من الانخراط في العمل هو ، كما يمكنني القول ، إذا نظرتم إلى الأمر ، هناك تطبيقات مستهلكين للذكاء الاصطناعي وهناك أيضًا تطبيقات تجارية للذكاء الاصطناعي. بالنسبة للمستهلكين ، فهو يقوم بأتمتة المهام اليومية مثل ، على سبيل المثال ، يمكنك أتمتة إجراءات منزلك باستخدام المنازل الذكية وكل هذه الأشياء. أعني ، إذا ارتكب خطأ ، فإنه بعض ، أود أن أقول ، إزعاج بسيط. أعني ، إذا سألت Siri شيئًا ، فأنا لم أفهمك ، فأنت فقط تعيد صياغته. إنه أمر مزعج قليلاً ، تخسر بضع دقائق من الوقت ، وهي ليست مشكلة كبيرة. لذا فإن مخاطر وتكاليف القرار الخاطئ في الذكاء الاصطناعي صغيرة.

لكن هذا ليس هو الحال تمامًا في مجال الأعمال. أعني ، العمل ، عندما تتخذ قرارًا خاطئًا في مجال الذكاء الاصطناعي ، فقد تكون خسارة ملايين الدولارات ، وأود أن أقول ، أزمة علاقات عامة. قد يؤدي ذلك إلى خسارة الكثير والكثير من العملاء الذين لن يعودوا إليك أبدًا. إن مخاطر تكلفة القرار الخاطئ أعلى بكثير في بيئة الأعمال ، وبالتالي ، فإن الشركات مترددة في القفز إلى الذكاء الاصطناعي. والكثير من السبب هو ، حسنًا ، أعني ، أنه في الواقع ليس المكون الفني للذكاء الاصطناعي. يتعلق الكثير منه بالمكون غير التقني ، على سبيل المثال ، التصميم والاعتماد. إذا اشتريت تقنية الذكاء الاصطناعي وإذا لم يستخدمها الناس لأنهم لا يثقون بها لأنهم يخافون منها ، فلن يحصل أحد على أي فائدة.

أعني ، إذا كان لديك ذكاء اصطناعي ولكن لا يمكنك شرحه حتى لا يثق به الناس ، فلديك مشكلة أخرى أيضًا. أعني ، هناك الكثير من هذه المشكلات غير الفنية ، على سبيل المثال ، حول تجربة المستخدم ، والتبني ، والقانون ، والتصميم. لذلك ، أود أن أقول إن هذه هي المشكلات المحيطة بتكنولوجيا الذكاء الاصطناعي هذه والتي تحتاج إلى معالجة من أجل دفع هذه الصناعة بأكملها إلى الأمام.

اتجاهات الأعمال الصغيرة: هل يمكنك التحدث عن الكيفية التي يجب أن ينظر بها الناس إلى الذكاء الاصطناعي من حيث تحسين أشياء مثل الخدمات اللوجستية ، والوفاء ، وطلب الأشياء؟ نظرًا لأن ذلك يجعلني أعتقد أن هناك تأثيرًا هائلاً ومتزايدًا بشكل متزايد على تجربة العملاء ، حتى لو لم أشعر أنه الشيء الأكثر مباشرة لتجربة العميل.

مايكل وو: حسنًا ، أعتقد أن لها علاقة مباشرة بتجربة العملاء ، لأنني أعني ، دعني أطرح سؤالًا بسيطًا. ما رأيك في تجربة العملاء؟ لأنه ، بالنسبة لي ، يمكن عرض تجارب العملاء ، ويمكن فهمها في مصطلح بسيط للغاية. إنه الفرق بين ما تقدمه الشركة وما يتوقعه العميل. إذا كانت الشركة تقدم أكثر مما يتوقعه العميل ، فهذه تجربة جيدة. إنها تجربة مبهجة. إذا كانت الشركة تقدم أقل مما يتوقعه العميل ، فحينئذٍ يكون لديك عميل محبط. إنه أمر بسيط حقًا إذا نظرت إليه بهذه الطريقة. لذا ، أعني ، أعتقد أن توقعات العميل هي القطعة التي نحتاج إلى التركيز عليها لأن هذه هي القطعة التي تتغير فعليًا بشكل كبير.

بول جرينبيرج: صحيح.

مايكل وو: كل شيء الآن في حقبة ما بعد الجائحة ، كل شيء ينتقل إلى الرقمية وتصبح الأشياء أكثر شفافية. يمكن للناس في الواقع رؤية كل بائع آخر عبر الإنترنت. لذلك ، في الواقع ، من السهل جدًا على العملاء تغيير تجربتهم. على سبيل المثال ، إذا رأيت عرضًا لك ، فقد يكون لديك تجربة عميل ، ولكن في اللحظة التي أذهب فيها وأرى بائعًا آخر يقدم نفس الشيء مقابل 10٪ أقل ، على الفور تغيرت تجربة العميل الخاصة بك. تجعل هذه الشفافية تجربة العملاء صعبة حقًا لأن توقعات العميل يمكن أن تتقلب وتتأثر كثيرًا بالبيئة. حتى عندما تستيقظ في يوم سيء عندما تمطر أو شيء من هذا القبيل ، يمكن أن يكون لديك أسوأ تجربة عميل. لذا لمواكبة هذه الأمور ، أود أن أقول ، التغيير الدائم ، التغيير المستمر لتوقعات العملاء ، أنت بحاجة إلى شيء مثل ما أقول ، "يمكنني مساعدتك عبر الإنترنت."

أعتقد أنه في العالم التقليدي عندما تتعامل بالفعل مع إنسان ، فإن البشر بارعون جدًا في قياس توقعات العملاء. إذا كنت أتحدث إليك ، وأراك وجهاً لوجه ، فإن لغة جسدك تخبرني بشيء عما إذا كنت سعيدًا أو غير سعيد بما أقدمه أو أي شيء. ولكن عندما تتحدث إلى جهاز عندما تكون متصلاً بالإنترنت ، وعندما لا يتفاعل العملاء مع شخص حقيقي ، يصبح من الصعب حقًا قياس توقعات العميل. اذن كيف تفعل ذلك؟ أعني ، للقيام بذلك ، تحتاج إلى بث مباشر في الوقت الفعلي ، أود أن أقول ، البيانات السياقية البيئية التي يتواجد بها العميل ، أو ما هي القناة القادمة ، وفي أي منطقة هي ، وكل هذه البيانات السياقية الأخرى حول هذا العميل ، ثم ستساعد الذكاء الاصطناعي على فهم العميل على الطرف الآخر. لكن الشيء الأساسي الذي يجب إدراكه في هذا العصر هو أنه على الرغم من أن لدينا بيانات ضخمة ، إلا أنه لا توجد بيانات كافية على الإطلاق.

أعتقد أن هناك بيانات ضخمة في مجملها ، ولكن في أي وقت عندما نتعامل مع عميل واحد أو جهة اتصال واحدة ، يتم تقليل البيانات المتاحة لمساعدتك في اتخاذ هذا القرار بشكل كبير. هناك الكثير من البيانات هناك. يعتبر الكثير منها مفيدًا في الواقع في بعض السياقات ، ولكن في هذا السياق المحدد في هذه اللحظة وأنا أتعامل مع هذا العميل في هذا الوقت ، فإن البيانات ذات الصلة التي ستساعدك على تحديد ما يجب القيام به هي في الواقع صغيرة إلى حد ما. لذا فإن الشيء الأساسي هو تحديد تلك البيانات. الأمر الثاني ، عندما تقول أن هناك هذه القنوات الجديدة حيث تأتي هذه المعلومات ، الذكاء الاصطناعي ، واحدة من أجملها هي القدرة على التعلم. لذا فإن الذكاء الاصطناعي يحتوي على عنصر بداخله يسمى التعلم الآلي الذي يمكّنهم من التعلم فعليًا من البيانات. لذلك ، هذا يسمح لها بالتكيف. عندما تتعلم ، يمكنك التكيف. إذن هذا في الواقع هو نفس الشيء مثل كيفية عمل الإنسان. عندما ترى هذا البث الجديد ، على سبيل المثال ، يأتي TikTok ، فأنت تقول أولاً ، "دعنا نتجاهل ذلك."

ولكن بعد فترة ، ترى TikTok و TikTok و TikTok ، ثم تقول ، "أوه ، حسنًا. ربما ينبغي علي الانتباه إلى ذلك ". تتعلم ، ترى أن هناك المزيد يأتي بشكل متكرر ، لذلك يصبح أكثر وأكثر صلة بالموضوع. إذن يجب عليك تغيير نموذجك حول كيفية عمل هذا العالم وإعطاء وزناً أكبر لهذه القناة المعينة من قناتك التقليدية الأخرى التي لم تكن منتبهًا لها. لذا فهذه هي بالضبط نفس الطريقة التي سيعمل بها الذكاء الاصطناعي. أولاً ، قد تقول إنك تضع وزنًا ضئيلًا جدًا على هذه القناة الجديدة ، ولكن مع ظهورها بشكل متكرر ، ستقوم بمراجعة الخوارزمية بشكل أساسي للبدء في وضع المزيد والمزيد من الوزن على هذه القناة إذا اتضح أنها ذات صلة. ربما إذا كانت عالية جدًا ، وصاخبة جدًا ، ولكنها في الواقع ليست ذات صلة ، فعندئذٍ ستبقي على الانتظار أو التأثير ، تلك القناة لا تزال عند مستوى منخفض إلى حد ما. أعتقد أنها عملية تعلم ويتم تمكين التعلم بالفعل في أنظمة الذكاء الاصطناعي هذه من خلال التعلم الآلي.

اتجاهات الأعمال الصغيرة: كيف يؤثر ذلك على الاستخدام الأخلاقي للذكاء الاصطناعي؟ هل نشهد أي تقارب أو تباعد؟ المزيد من البيانات والأخلاق أقل؟ أم أنها المزيد من البيانات ، مزيد من الأخلاق؟ هل لديهم علاقة على الإطلاق؟ لأنه يبدو لي أنه كلما زادت البيانات التي نجدها ، كلما زاد الإغراء باستخدام هذه الأشياء بأي طريقة كانت قديمة Malcolm X ، "بأي وسيلة ضرورية." ولكن هل تتحسن الأخلاقيات الكامنة وراء الذكاء الاصطناعي مع زيادة البيانات التي يتم طرحها عند هذا الحد؟

مايكل وو: أعتقد أن هناك بالتأكيد المزيد من الوعي بها. أعتقد أنه يوجد الآن ، كما يمكنني القول ، الإنصاف والشفافية. يتحدث الناس عن قضية الصندوق الأسود. هذا الذكاء الاصطناعي ، لا نعرف كيف يتخذ القرارات وكل شيء. لذلك فهو تحدٍ ، لكنه في الواقع يجلب المزيد والمزيد من الناس للانتباه إلى هذا المجال من الأخلاق والإنصاف والمساءلة. لذا فإن كل هذه البيانات الإضافية التي نستخدمها ، كما يمكنني القول ، مغرية للغاية. لكني أعتقد أنه يجب أن تكون هناك قوة معارضة لتحدي علماء البيانات هؤلاء بشكل متساوٍ. أعتقد أنه يجب أن يكون هناك توتر صحي بين المجموعتين. لا يعني ذلك أن علماء الذكاء الاصطناعي يجب أن يمليوا كل شيء. يجب ألا يقود التقدم كل شيء. لا يتعلق الأمر بكل شيء يتعلق بالتقدم ، ولكنه ليس كل شيء يتعلق بالتنظيم أيضًا. أعني ، أعتقد أن المجموعتين بحاجة إلى هذا النوع من التوتر الصحي الذي نثير فيه قضايا نحن قلقون بشأنها.

وإذا لم تثر المشكلة ، فلن يحلها العلماء. "إنها تعمل. لماذا أعالج هذه المشكلة؟ " لذلك إذا قمت بإثارة هذه القضية ، فسيكون المزيد والمزيد من العلماء على دراية بها ويقولون ، "حسنًا ، هذه مشكلة صعبة يجب أن أعالجها لجعل هذا أفضل ، أفضل للبشرية ، أفضل للجميع." لهذا السبب يجب أن يكون هذا التوتر الصحي موجودًا. وأعتقد أنه في الوقت الحالي ، للإجابة على سؤالك ، نعم ، إنهم يطرحون المزيد والمزيد من هذه الأشياء. أعتقد أن هناك الآن أسئلة أكثر من الحلول ، لكن البندول سيتأرجح. لأنه ، في السابق ، كان كل شيء تقدمًا في مجال الذكاء الاصطناعي ، لذلك كان كل بندول في جانب واحد. والآن بعد أن أدرك الناس قوة الذكاء الاصطناعي ، كل هذه الأخلاق. أنا نفسي نصف عالم أخلاقي تقريبًا لأقول ، "مرحبًا ، لا يمكنك مجرد النظر إلى استخدام الذكاء الاصطناعي في أي شيء تريده. أنت بحاجة إلى النظر في الاستخدام الأخلاقي لبياناتك حتى لا تهمش أي مجموعة أو أي شيء ".

هناك بالفعل الكثير من الأصوات في هذا الجانب الآن ، وهذا يثير الكثير من القلق. ليس لدينا حل حتى الآن ، لكني أعتقد الآن أن المزيد والمزيد من الناس يهتمون بالفعل بمعالجة هذه المشاكل.

اتجاهات الأعمال الصغيرة: حسنًا ، الأخلاق بأنفسهم أو أيًا كان من يبرمج الذكاء الاصطناعي ، عليك أن تتبع مجموعة أخلاقياتهم وليست مجموعة أخلاقيات الجميع متماثلة ، لذلك أعلم أن هذا سيكون صعبًا. والشيء الآخر الذي أعتقده أيضًا هو مجموعة الأشخاص الذين ينشئون علم البيانات حقًا ، إنه قريب من أن يكونوا مجموعة متجانسة من الناس. إنه ليس متنوعًا جدًا. إنه ليس متنوعًا جدًا. يكاد يكون الأمر وكأنك لا تحتاج فقط إلى ذكاء اصطناعي أخلاقي ، بل تحتاج إلى ذكاء اصطناعي شامل من أجل أن يكون أكثر تمثيلاً قليلاً ، وأعتقد أن هذا هو الشيء الذي قد يفتقده أكثر من غيره ، مجموعة الأشخاص الذين يقومون بذلك.

يسعدني جدًا أن أسمعك تقول إنه يتغير ، لأنه كان هناك نتفليكس الرائع عندما تحدثنا عن التعرف على الوجه ولم يتمكن الذكاء الاصطناعي من اكتشاف امرأة سوداء من شيء آخر ، وجزء من هذا المنطق كان بسبب الأشخاص الذين كانوا يصنعون الذكاء الاصطناعي لا يشبه المرأة السوداء التي كانت تحاول اكتشافها. وهذا كان أحد تلك الأشياء التي كانت مكونًا مفقودًا في هذا.