PROS'tan Michael Wu: Büyük Verilerimiz Olsa da, Asla Yeterli Veri Yok

Yapay zeka, makine öğrenimi ve büyük veri söz konusu olduğunda, alışveriş ve satış deneyimlerini optimize eden SaaS çözümleri sağlayıcısı, tanınmış endüstri uzmanı ve PROS Baş Yapay Zeka Stratejisti Dr. Michael Wu'dan öğrenmekten ve konuşmaktan gerçekten hoşlandığım kimse yok. Ve son zamanlarda onunla ve CRM Playaz'ın yardımcı sunucusu Paul Greenberg ile yapay zeka ile nerede olduğumuzu ve şirketlerin son 18 ayda bunu yapmasına nasıl yardımcı olduğunu derinlemesine incelediğimiz harika bir canlı yayın sohbeti yaptım.

Aşağıda, daha fazla iş etkileşimi ve işlemin dijitalleşmesiyle birlikte etik ve kapsayıcılığın rolüne değinen konuşmamızın bir bölümünün düzenlenmiş bir dökümü yer alıyor - AI'ya bir şeyleri tahmin etmek ve bize önermek için can attığı verileri sağlıyor. Konuşmanın tamamını dinlemek için yerleşik SoundCloud oynatıcıya tıklayın.

Paul Greenberg: Yapay zeka stratejisi daha geniş iş stratejisine nasıl entegre edilmelidir?

Michael Wu: Evet, bence bu aslında endüstride büyük bir sorun. Demek istediğim, yapay zekanın ileriye doğru hayatımızın çok yaygın bir parçası olacağına şüphe yok. İster işte ister günlük hayatımızda olsun, orada olacak, onun bir parçası olacak. Bence pek çok işletmenin gemiye atlamasını engelleyen şey, eğer bakarsanız, şunu söyleyebilirim, AI tüketici uygulamaları var ve ayrıca AI'nın iş uygulamaları var. Tüketiciler için, örneğin, akıllı evleri ve benzeri şeyleri kullanarak ev rutinlerinizi otomatikleştirebilirsiniz gibi günlük görevleri otomatikleştirir. Yani, eğer bir hata yaparsa, bu biraz, diyebilirim, küçük bir rahatsızlıktır. Demek istediğim, Siri'ye bir şey sorarsan, seni anlamadım, sadece yeniden ifade et. Biraz rahatsızlık veriyor, birkaç dakika kaybediyorsunuz ve önemli değil. Dolayısıyla yapay zekada yanlış bir kararın riskleri ve maliyetleri küçüktür.

Ama iş dünyasında durum tam olarak böyle değil. Yani, iş dünyası, yapay zeka konusunda yanlış bir karar verdiğinizde, milyonlarca dolar kaybedilebilir ve diyebilirim ki, bir PR krizi. Size asla geri dönmeyecek çok sayıda müşteri kaybı olabilir. Yanlış bir kararın maliyeti riski iş ortamında çok daha yüksektir, bu nedenle işletmeler yapay zekaya atlamak konusunda isteksizdir. Ve bunun bir çok nedeni, yani, demek istediğim, aslında AI'nın teknik bileşeni değil. Birçoğunun teknik olmayan bileşenle, örneğin tasarımla, benimsemeyle ilgisi var. Yapay zeka teknolojisini satın alırsanız ve insanlar ondan korktukları için güvenmedikleri için kullanmıyorlarsa, kimse fayda sağlamaz.

Demek istediğim, eğer yapay zekanız varsa ama bunu açıklayamıyorsanız insanlar ona güvenmesin, o zaman başka bir sorununuz var demektir. Demek istediğim, örneğin kullanıcı deneyimi, evlat edinme, yasal ve tasarım gibi teknik olmayan birçok konu var. Yani bunların, tüm sektörü ilerletmek için ele alınması gereken bu AI teknolojisini çevreleyen sorunlar olduğunu söyleyebilirim.

Küçük İşletme Eğilimleri: Lojistik, yerine getirme, sipariş işleri gibi şeyleri geliştirmek açısından insanların yapay zekaya nasıl bakmaları gerektiği hakkında konuşabilir misiniz? Çünkü bunun, müşteri deneyimi için en doğrudan şey gibi görünmese bile, müşteri deneyimi üzerinde çok büyük ve hatta giderek artan bir etkisi olduğunu düşünüyorum.

Michael Wu: Bunun müşteri deneyimiyle doğrudan bir ilişkisi olduğunu düşünüyorum çünkü basit bir soru sormama izin verin. Sizce müşteri deneyimi nedir? Çünkü bana göre müşteri deneyimleri çok, çok basit bir ifadeyle görüntülenebilir, anlaşılabilir. Şirketin sunduğu ile müşterinin beklediği arasındaki farktır. Şirket, müşterinin beklediğinden daha fazlasını sunuyorsa, bu iyi bir deneyimdir. Bu sevindirici bir deneyim. Şirket, müşterinin beklediğinden daha azını teslim ederse, o zaman hayal kırıklığına uğramış bir müşteriniz var demektir. Bu açıdan bakarsanız gerçekten çok basit. Yani, bence odaklanmamız gereken şey müşterinin beklentisi çünkü aslında çok çarpıcı bir şekilde değişen kısım bu.

Paul Greenberg: Doğru.

Michael Wu: Salgın sonrası çağda her şey, her şey dijitale geçiyor ve her şey daha şeffaf hale geliyor. İnsanlar aslında diğer her satıcıyı çevrimiçi olarak görebilir. Yani aslında müşterilerin deneyimlerini değiştirmeleri çok kolay. Örneğin, size bir teklif görürseniz, bir müşteri deneyimi yaşayabilirsiniz, ancak gittiğim anda başka bir satıcının aynı şeyi, diyelim ki %10 daha az teklif ettiğini görürsem, müşteri deneyiminiz hemen değişti. Bu şeffaflık müşteri deneyimini gerçekten zorlaştırıyor çünkü müşteri beklentisi dalgalanabiliyor ve çevreden çok fazla etkilenebiliyor. Kötü bir günde yağmur yağdığında veya buna benzer bir şeyle uyandığınızda bile, en kötü müşteri deneyimi yaşayabilirsiniz. Yani bunlara ayak uydurabilmek için sürekli değişen, sürekli değişen müşteri beklentileri diyebilirim, “size online olarak yardımcı olabilirim” gibi bir şeye ihtiyacınız var.

Bence geleneksel dünyada gerçekten bir insanla uğraşırken, insanlar müşterilerin beklentilerini ölçmekte çok iyidir. Seninle konuşuyorsam, seni yüz yüze görürsem, vücut dilin bana teklifimden ya da herhangi bir şeyden mutlu olup olmadığın hakkında bir şeyler söyler. Ancak çevrimiçi olduğunuzda, müşteriler gerçek bir kişiyle etkileşimde olmadığında bir makineyle konuşurken, müşterinin beklentisinin ne olduğunu ölçmek gerçekten zorlaşıyor. Peki, bunu nasıl yapıyorsun? Demek istediğim, bunu yapmak için, gerçek zamanlı canlı bir akışa ihtiyacınız var, diyebilirim ki, müşterinin içinde bulunduğu çevresel bağlamsal veriler veya hangi kanalın geldiği, hangi bölgede olduğu, bu müşteriyle ilgili tüm bu diğer bağlamsal veriler, o zaman yapay zekanın diğer taraftaki müşteriyi anlamasına yardımcı olacaksınız. Ancak bu çağda farkına varılması gereken en önemli şey, elimizde büyük veri olmasına rağmen hiçbir zaman yeterli veri olmadığıdır.

Toplamda büyük veri olduğunu düşünüyorum, ancak tek bir müşteriyle veya tek bir kişiyle uğraşırken, bu kararı vermenize yardımcı olacak veriler önemli ölçüde azalır. Orada çok fazla veri var. Birçoğu aslında bazı bağlamlarda faydalıdır, ancak şu anda bu özel bağlamda ve şu anda bu müşteriyle uğraşıyorum, ne yapacağınıza karar vermenize yardımcı olacak ilgili veriler aslında oldukça küçüktür. Yani önemli olan bu verileri tanımlamaktır. İkincisi, bu bilginin geldiği bu yeni kanallar olduğunu söylerken, AI, onun güzelliklerinden biri de öğrenme yeteneğidir. Yani AI'nın içinde, veriden gerçekten öğrenmelerini sağlayan makine öğrenimi adı verilen bir bileşen var. Yani adapte olmasını sağlar. Öğrendiğiniz zaman uyum sağlayabilirsiniz. Yani bu aslında bir insanın nasıl çalıştığıyla aynı şeydir. Bu yeni akışı gördüğünüzde, diyelim ki, TikTok geliyor, önce “Onu görmezden gelelim” diyorsunuz.

Ama bir süre sonra TikTok, TikTok, TikTok'u görüyorsunuz ve ardından “Oh, tamam. Belki buna dikkat etmeliyim.” Öğrenirsiniz, daha sık gelenlerin olduğunu görürsünüz, bu yüzden giderek daha alakalı hale gelir. O zaman aslında bu dünyanın bunu nasıl işlediğine dair modelinizi değiştirmeli ve bu özel kanala, dikkat etmediğiniz geleneksel diğer kanalınızdan daha fazla ağırlık vermelisiniz. Yani bu tamamen AI'nın işleyeceği yol. İlk olarak, bu yeni kanala çok az ağırlık verdiğinizi söylersiniz, ancak daha sık ortaya çıktıkça, alakalı olduğu ortaya çıkarsa bu kanala daha fazla ağırlık vermeye başlamak için temel olarak algoritmanızı revize edeceksiniz. Belki çok gürültülü, çok gürültülüyse, ama aslında konuyla alakalı değilse, o zaman o kanalın beklemesini veya etkisini hala oldukça düşük bir seviyede tutarsınız. Bunun bir öğrenme süreci olduğunu düşünüyorum ve öğrenme aslında bu yapay zeka sistemlerinde makine öğrenimi yoluyla etkinleştiriliyor.

Küçük İşletme Eğilimleri: Bu, yapay zekanın etik kullanımını nasıl etkiliyor? Herhangi bir yakınlaşma veya ayrışma görüyor muyuz? Daha fazla veri, daha az etik? Yoksa daha çok veri mi, daha çok etik mi? Aralarında bir ilişki var mı? Bana öyle geliyor ki, ne kadar çok veri bulursak, bu şeyleri eski Malcolm X'in “herhangi bir şekilde gerekli” herhangi bir şekilde kullanmak daha fazla cezbedici oluyor. Ancak, buna daha fazla veri atıldıkça AI'nın arkasındaki etik daha iyi mi oluyor?

Michael Wu: Bence kesinlikle daha fazla farkındalık var. Bence şu anda, diyebilirim ki, adalet, şeffaflık var. İnsanlar bu kara kutu sorunu hakkında konuşuyorlar. Bu yapay zeka, nasıl kararlar aldığını ve her şeyi bilmiyoruz. Dolayısıyla bu bir meydan okumadır, ancak aslında giderek daha fazla insanı bu etik, adalet ve hesap verebilirlik alanına dikkat etmeleri için yetiştiriyor. Yani tüm bu ekstra, diyebilirim ki, kullandığımız büyük veri, çok cazip. Ancak bu veri bilimcilerine eşit derecede meydan okumak için karşıt bir güç olması gerektiğini düşünüyorum. İki grup arasında sağlıklı bir gerilim olması gerektiğini düşünüyorum. Yapay zeka bilim adamlarının her şeyi dikte etmesi gerekmiyor. İlerleme her şeyi yönlendirmemelidir. Her şey ilerlemeyle ilgili değil, ancak düzenlemeyle ilgili her şey de değil. Demek istediğim, iki grubun, endişe duyduğumuz konuları gündeme getirdiğimiz bu tür sağlıklı bir gerilime sahip olması gerektiğini düşünüyorum.

Ve konuyu gündeme getirmezseniz, bilim adamları onu çözemezler. "İşe yarıyor. Bu konuyu neden ele alıyorum?” Dolayısıyla, bu konuyu gündeme getirirseniz, giderek daha fazla bilim insanı bunun farkında olacak ve "Tamam, bu, bunu daha iyi, insanlık için daha iyi, herkes için daha iyi hale getirmek için ele almam gereken zorlu bir sorun" diyecektir. Bu yüzden o sağlıklı gerilimin orada olması gerekiyor. Ve bence şu anda sorunuza cevap vermek için evet, bunlardan giderek daha fazla gündeme getiriyorlar. Bence şu anda çözümden çok soru var ama sarkaç sallanacak. Çünkü, daha önce, hepsi AI gelişimiydi, yani hepsi bir tarafta sarkaçlar. Ve artık insanlar AI'nın gücünün, tüm bu etiklerin farkında olduklarına göre. Ben de neredeyse yarı yarıya bir etik uzmanıyım ve "Hey, istediğiniz her şey için yapay zekayı kullanmaya bakamazsınız. Herhangi bir grubu veya herhangi bir şeyi marjinalleştirmemek için verilerinizin etik kullanımına bakmanız gerekiyor.”

Aslında şu anda o tarafta çok fazla ses var ve bu çok fazla endişe yaratıyor. Henüz bir çözümümüz yok, ancak bence artık giderek daha fazla insan bu sorunları çözmeye gerçekten dikkat ediyor.

Küçük İşletme Eğilimleri: Etik kuralların kendisi veya yapay zekayı kim programlıyorsa, onların etik değerlerine göre hareket etmelisiniz ve herkesin etik değerleri aynı değildir, bu yüzden bunun zor olacağını biliyorum. Ve bence diğer şey, veri bilimini gerçekten yaratan insan kümesi veya popülasyonu, homojen bir insan grubu olmaya yakın. Çok çeşitli değil. Çok çeşitli değil. Neredeyse sadece etik yapay zekaya değil, biraz daha temsili olması için kapsayıcı yapay zekaya da ihtiyacınız var ve bence en çok eksik olan şey bu, bunu yapan insan grubu.

Değiştiğini söylediğini duyduğuma çok sevindim, çünkü yüz tanıma hakkında konuştuğumuzda harika bir Netflix vardı ve AI başka bir şeyden Siyah bir kadını tespit edemedi ve bu mantığın bir kısmı, AI'yı yaratırken, tespit etmeye çalıştığı Siyah kadına benzemiyordu. Ve bu, bunun eksik bir bileşeni olan şeylerden biri oldu.