Майкл Ву из PROS: Даже если у нас есть большие данные, их никогда не бывает достаточно

Когда дело доходит до искусственного интеллекта, машинного обучения и больших данных, мне больше всего нравится учиться и общаться с доктором Майклом Ву, признанным отраслевым экспертом и главным специалистом по стратегии искусственного интеллекта в PROS, поставщике решений SaaS, оптимизирующих покупки и продажи. А недавно у меня была отличная беседа в прямом эфире с ним и моим соведущим CRM Playaz Полом Гринбергом, где мы подробно рассказали, где мы находимся с ИИ и как он помогает компаниям пережить последние 18 месяцев.

Ниже приведена отредактированная стенограмма части нашего разговора, в которой затрагивается роль этики и инклюзивности по мере того, как все больше деловых взаимодействий и транзакций становятся цифровыми, предоставляя ИИ данные, которые он жаждет прогнозировать и рекомендовать нам. Чтобы прослушать разговор полностью, нажмите на встроенный проигрыватель SoundCloud.

Пол Гринберг: Как стратегия ИИ должна быть интегрирована в более широкую бизнес-стратегию?

Майкл Ву: Да, я думаю, что это на самом деле серьезная проблема в отрасли. Я имею в виду, что нет никаких сомнений в том, что ИИ станет очень важной частью нашей жизни в будущем. Будь то в бизнесе на работе или просто в нашей повседневной жизни, это будет там, это будет ее частью. Я думаю, что то, что мешает большому бизнесу прыгнуть на борт, это, я бы сказал, если вы посмотрите на это, есть потребительские приложения ИИ, а также бизнес-приложения ИИ. Для потребителей это автоматизирует повседневные задачи, например, вы можете автоматизировать свои домашние дела, используя умные дома и все такое. Я имею в виду, если он делает ошибку, то это некоторое, я бы сказал, небольшое неудобство. Я имею в виду, если вы спросите Сири о чем-то, я вас не понял, вы просто перефразируете это. Это немного неудобно, вы теряете несколько минут времени, и это не имеет большого значения. Так что риски и издержки неправильного решения в ИИ невелики.

Но это совершенно не так в бизнесе. Я имею в виду, бизнес, когда вы принимаете неправильное решение в области ИИ, это может быть потеря миллионов долларов и, я бы сказал, пиар-кризис. Это может быть потеря большого количества клиентов, которые никогда не вернутся к вам. Этот риск стоимости неправильного решения намного выше в бизнес-среде, поэтому предприятия просто не хотят переходить на ИИ. И во многом причина в том, что, ну, я имею в виду, что на самом деле это не техническая составляющая ИИ. Во многом это связано с нетехнической составляющей, например, с дизайном, внедрением. Если вы купите технологию ИИ и если люди не будут ее использовать, потому что не доверяют ей, потому что боятся ее, никто не получит никакой выгоды.

Я имею в виду, что если у вас есть ИИ, но вы не можете объяснить его, чтобы люди ему не доверяли, тогда у вас есть еще одна проблема. Я имею в виду, что существует множество, я бы сказал, нетехнических вопросов, например, связанных с пользовательским интерфейсом, внедрением, юридическими вопросами и дизайном. Итак, я бы сказал, что это проблемы, связанные с этой технологией искусственного интеллекта, которые необходимо решить, чтобы продвинуть всю эту отрасль вперед.

Тенденции малого бизнеса. Можете ли вы рассказать о том, как люди должны смотреть на ИИ с точки зрения улучшения таких вещей, как логистика, выполнение заказов? Потому что я думаю, что это оказывает огромное и даже все более растущее влияние на качество обслуживания клиентов, даже если это не кажется самым прямым для взаимодействия с клиентами.

Майкл Ву: Ну, я думаю, что это имеет прямое отношение к опыту клиентов, потому что, я имею в виду, позвольте мне задать простой вопрос. Как вы думаете, что такое клиентский опыт? Потому что для меня клиентский опыт можно рассматривать, его можно понять очень простыми словами. Это разница между тем, что предлагает компания, и тем, что ожидает клиент. Если компания предоставляет больше, чем ожидает клиент, то это хороший опыт. Это восхитительный опыт. Если компания предоставляет меньше, чем ожидает клиент, то у вас есть разочарованный клиент. Это действительно просто, если вы посмотрите на это таким образом. Итак, я имею в виду, я думаю, что ожидания клиентов — это часть, на которой нам нужно сосредоточиться, потому что это часть, которая на самом деле очень сильно меняется.

Пол Гринберг: Верно.

Майкл Ву: Сейчас все в постпандемическую эпоху, все переходит в цифру, и все становится более прозрачным. Люди могут фактически видеть любого другого поставщика онлайн. Так что на самом деле клиентам очень легко изменить свой опыт. Например, если вы видите предложение для вас, у вас может быть клиентский опыт, но в ту самую минуту, когда я иду и вижу другого поставщика, предлагающего то же самое, скажем, на 10% дешевле, ваш клиентский опыт сразу же меняется. Эта прозрачность делает работу с клиентами действительно сложной, потому что ожидания клиентов могут колебаться и сильно зависеть от окружающей среды. Даже когда вы просыпаетесь в плохой день, когда идет дождь или что-то в этом роде, у вас может быть худший клиентский опыт. Поэтому, чтобы не отставать от этих, я бы сказал, постоянно меняющихся, постоянно меняющихся ожиданий клиентов, вам нужно что-то вроде того, что я сказал бы: «Я могу помочь вам онлайн».

Я думаю, что в традиционном мире, когда вы действительно имеете дело с человеком, люди очень хорошо оценивают ожидания клиентов. Если я разговариваю с вами, вижу вас лицом к лицу, язык вашего тела что-то говорит мне о том, довольны вы или нет тем, что я предлагаю, или чем-то еще. Но когда вы разговариваете с машиной, находясь в сети, когда клиенты не взаимодействуют с реальными людьми, становится очень сложно оценить, каковы ожидания клиентов. Итак, как вы это делаете? Я имею в виду, что для этого вам нужна прямая трансляция в реальном времени, я бы сказал, контекстуальные данные об окружающей среде, в которой находится клиент, или по какому каналу поступает, в каком регионе он находится, все эти другие контекстуальные данные об этом клиенте, тогда вы поможете ИИ понять клиента на другом конце. Но главное, что нужно признать в этот век, это то, что даже если у нас есть большие данные, их никогда не бывает достаточно.

Я думаю, что есть большие данные в целом, но каждый раз, когда мы имеем дело с одним клиентом или одним контактом, данные, которые помогут вам принять это решение, резко сокращаются. Там много данных. Многие из них на самом деле полезны в некоторых контекстах, но в этом конкретном контексте в данный момент, и я имею дело с этим клиентом в это время, релевантные данные, которые помогут вам решить, что делать, на самом деле довольно малы. Таким образом, ключевой момент состоит в том, чтобы идентифицировать эти данные. Во-вторых, когда вы говорите, что есть эти новые каналы, по которым поступает эта информация, ИИ, одна из его прелестей — это способность учиться. Таким образом, внутри ИИ есть компонент, называемый машинным обучением, который позволяет ему учиться на основе данных. Таким образом, это позволяет ему адаптироваться. Когда у вас есть знания, вы можете адаптироваться. Так что на самом деле это то же самое, как работает человек. Когда вы видите этот новый поток, скажем, TikTok, сначала вы говорите: «Давайте проигнорируем его».

Но через некоторое время вы видите TikTok, TikTok, TikTok, а потом говорите: «О, ладно. Может быть, мне стоит обратить на это внимание». Вы учитесь, вы видите, что все чаще появляется что-то еще, так что это становится все более и более актуальным. Тогда вам действительно следует изменить свою модель того, как работает этот мир, и придать больше значения этому конкретному каналу, чем вашему традиционному другому каналу, на который вы не обращали внимания. Так что это точно так же, как ИИ будет работать. Во-первых, вы сказали бы, что очень мало внимания уделяете этому новому каналу, но по мере того, как он появляется все чаще и чаще, вы в основном будете пересматривать свой алгоритм, чтобы начать придавать все больше и больше веса этому каналу, если он окажется актуальным. Может быть, если это очень громко, очень шумно, но на самом деле это не имеет значения, тогда вы бы оставили ожидание или влияние этого канала на довольно низком уровне. Я думаю, что это процесс обучения, и обучение в этих системах искусственного интеллекта фактически осуществляется посредством машинного обучения.

Тенденции малого бизнеса: как это влияет на этичное использование ИИ? Наблюдаем ли мы конвергенцию или дивергенцию? Больше данных, меньше этики? Или это больше данных, больше этики? У них вообще отношения? Потому что мне кажется, что чем больше данных мы находим, тем больше искушение использовать этот материал так, как это делал старый Малкольм Икс, «любыми необходимыми средствами». Но становится ли этика, стоящая за ИИ, лучше, когда мы получаем больше данных?

Майкл Ву: Я думаю, что об этом определенно больше осведомленности. Я думаю, что сейчас есть, я бы сказал, справедливость, прозрачность. Люди говорят об этой проблеме черного ящика. Этот ИИ, мы не знаем, как он принимает решения и все такое. Так что это вызов, но на самом деле он заставляет все больше и больше людей обращать внимание на этику, справедливость и подотчетность. Так что все эти дополнительные, я бы сказал, большие данные, которые мы используем, очень заманчивы. Но я думаю, что должна быть противостоящая сила, чтобы в равной степени бросить вызов этим ученым данных. Я думаю, что должно быть это, я бы сказал, здоровое напряжение между двумя группами. Дело не в том, что ученые ИИ должны все диктовать. Развитие не должно управлять всем. Не все дело в продвижении, но и не все в регулировании. Я имею в виду, я думаю, что у этих двух групп должно быть такое здоровое напряжение, когда мы поднимаем проблемы, которые нас беспокоят.

И если не ставить вопрос, ученые его не решат. "Оно работает. Почему я обращаюсь к этому вопросу?» Поэтому, если вы поднимете этот вопрос, все больше и больше ученых узнают об этом и скажут: «Хорошо, это сложная проблема, которую мне нужно решить, чтобы сделать ее лучше, лучше для человечества, лучше для всех». Вот почему это здоровое напряжение должно быть там. И я думаю, что прямо сейчас, отвечая на ваш вопрос, да, они поднимают все больше и больше таких вопросов. Я думаю, сейчас вопросов больше, чем решений, но маятник будет качаться. Потому что раньше это было все продвижение ИИ, так что все маятники с одной стороны. И теперь, когда люди осознают силу ИИ, всю эту этику. Я сам почти наполовину специалист по этике, чтобы сказать: «Эй, вы не можете просто смотреть на использование ИИ для чего угодно. Вам нужно обратить внимание на этическое использование ваших данных, чтобы вы не маргинализировали какую-либо группу или что-то еще».

На самом деле сейчас много голосов с этой стороны, и это вызывает большую озабоченность. У нас пока нет решения, но я думаю, что сейчас все больше и больше людей обращают внимание на решение этих проблем.

Тенденции в малом бизнесе: Ну, этика сама по себе или кто-то, кто программирует ИИ, вы должны руководствоваться их набором этических норм, а набор этических норм не у всех одинаков, так что я знаю, что это будет сложно. И еще я думаю, что множество людей, которые действительно создают науку о данных, это почти однородная группа людей. Он не очень разнообразен. Он не очень разнообразен. Это похоже на то, что вам нужен не только этичный ИИ, вам нужен инклюзивный ИИ, чтобы он был немного более репрезентативным, и я думаю, что это то, чего не хватает больше всего, группы людей, которые этим занимаются.

Я так рад слышать, что вы говорите, что это меняется, потому что был отличный Netflix, когда мы говорили о распознавании лиц, и ИИ не мог отличить чернокожую женщину от чего-то другого, и часть этого рассуждения была связана с тем, что люди, которые создавали ИИ, не похожий на чернокожую женщину, которую он пытался обнаружить. Так что это была одна из тех вещей, которые были недостающим компонентом для этого.