Data science

ปฏิบัติการ AI: ความฝันที่แปลกประหลาดสู่ความเป็นจริงที่มีพื้นฐาน

องค์กรที่ประสบความสำเร็จมากที่สุดได้ใช้แนวทางปฏิบัติที่เป็นประโยชน์อย่างมากกับ AI ด้วยกรณีการใช้งานที่แก้ปัญหาที่จู้จี้ที่ไม่สามารถแก้ไขได้ด้วยวิธีการแบบเดิมๆ มาดูกรณีการใช้งานกันบ้าง AI มีการพัฒนาอย่างต่อเนื่อง และทุกๆ การพัฒนา มูลค่าของ AI ต่อธุรกิจจะเพิ่มขึ้น ตามที่แสดงให้เห็นโดยการศึกษาทั่วโลกของ Accenture กับผู้บริหาร C-suite การนำ AI มาใช้นั้นมีความหมายเหมือนกันกับการเติบโตและผลกำไร อันที่จริง 84 เปอร์เซ็นต์ระบุว่า AI มีความจำเป็นต่อความทะเยอทะยานในการเติบโต ขณะที่ 74 เปอร์เซ็นต์ก็ไปไกลถึงขั้นบอกว่าจะทำ เลิกกิจการหากพวกเขาล้มเหลวในการนำเทคโนโลยีมาใช้ในอีก 5 ปีข้างหน้า อย่างไรก็ตาม ความคาดหวังของ AI อาจเกินความเป็นจริง รายงานล่าสุดของ Gartner ได้แนะนำว่า “ผ่าน 2020, 80 เปอร์เซ็นต์ของโครงการ AI จะยังคงเล่นแร่แปรธาตุ ดำเนินการโดยพ่อมดที่มีพรสวรรค์ ไม่ขยายขนาดในองค์กร” จากประสบการณ์ของเรา องค์กรที่ประสบความสำเร็จมากที่สุดได้ใช้แนวทางปฏิบัติที่เป็นประโยชน์อย่างมากกับ AI ด้วยกรณีการใช้งานที่แก้ปัญหาที่จู้จี้ที่ไม่สามารถแก้ไขได้ด้วยวิธีการแบบเดิม แนวทางปฏิบัตินี้ยอมรับว่า AI เป็นชุดของอัลกอริธึมขั้นสูงหลายประเภท และไม่เน้นไปที่ Deep Learning เพียงอย่างเดียวซึ่งสร้างความสนใจอย่างมาก มาดูกรณีการใช้งานบางอย่างที่แอปพลิเคชัน AI ก้าวไปไกลกว่าข้อมูลเชิงลึกแบบครั้งเดียวและสามารถดำเนินการได้ โดยรวมอยู่ในแอปและใช้ทั่วทั้งองค์กร โดยฝังอยู่ในกระบวนการตัดสินใจรายวัน การเตรียมพร้อมสำหรับปริมาณการสั่งซื้อที่คาดเดาไม่ได้ ก่อนอื่น มาดูวิธีที่บริษัทจัดการปริมาณการสั่งซื้อที่คาดเดาไม่ได้กัน ลูกค้ารายใหญ่ของสินค้าอุปโภคบริโภค (CPG) ของเรากำลังเผชิญกับความท้าทายของพฤติกรรมการสั่งซื้อที่แหลมคมและคาดเดาไม่ได้โดยผู้ค้าปลีกอีคอมเมิร์ซรายใหญ่ ซึ่งส่งผลให้มีบทลงโทษในการปฏิเสธการชำระเงินเพิ่มขึ้นอย่างต่อเนื่องเนื่องจากสินค้าหมดหรือสต็อกมากเกินไป ความเสี่ยงในสินค้าคงคลังเพิ่มขึ้น วิธีการพยากรณ์ทางสถิติแบบดั้งเดิมที่ใช้นั้นล้มเหลวในการส่งมอบการคาดการณ์ที่จำเป็นในการจัดการความเสี่ยงนี้ อย่างไรก็ตาม ผู้ค้าปลีกในบริบทนี้ให้ข้อมูลมากมายนอกเหนือจากข้อมูลอนุกรมเวลาแบบเดิม เช่น การค้นหาผลิตภัณฑ์ การดูหน้าลูกค้า และความพร้อมในสต็อก แม้ว่าข้อมูลส่วนใหญ่เหล่านี้จะไม่ได้อยู่ในระบบ ERP ซึ่งเป็นพื้นฐานสำหรับระบบการวางแผนแบบดั้งเดิม โดยใช้ AI และผสมผสานข้อมูลจากแหล่งที่มาแบบดั้งเดิมและที่ไม่ใช่แบบดั้งเดิม แอปถูกสร้างขึ้นและปรับใช้กับผู้วางแผนสำหรับช่องทางอีคอมเมิร์ซ ซึ่งช่วยให้พวกเขามองเห็นปริมาณการสั่งซื้อครั้งต่อไปโดยมีความน่าจะเป็น แอปยังเพิ่มความเสี่ยง “ตัด” (คำสั่งซื้อที่ไม่เต็มจำนวน) ในขณะที่ให้คำแนะนำที่กำหนด เช่น ใบสั่งโอนสต็อคและการเปลี่ยนแปลงการผลิตเพื่อให้แน่ใจว่ามีสินค้าพร้อมจำหน่าย ดำเนินการวิเคราะห์การปฏิเสธการชำระเงินและระบุสาเหตุที่แท้จริง ตัวอย่างลูกค้า CPG รายที่สองของเราพิจารณาถึงการดิ้นรนเพื่อให้เป็นไปตามกรอบเวลาการส่งมอบของลูกค้ารายย่อยที่ลดลงเรื่อยๆ ซึ่งทำให้มีบทลงโทษการปฏิเสธการชำระเงินที่เพิ่มขึ้นจากลูกค้าเชิงกลยุทธ์ จากการประเมินอย่างใกล้ชิด ข้อมูลส่วนใหญ่ที่บริษัทเข้าถึงไม่ได้ถูกใช้อย่างมีประสิทธิภาพ ซึ่งรวมถึงข้อมูลเกี่ยวกับเวลาที่สั่งซื้อ สถานะการผลิต สถานะสินค้าคงคลัง เมื่อมีการเปลี่ยนแปลงใบสั่ง เมื่อได้รับสินค้า และข้อมูลการจัดส่ง ด้วยข้อมูลที่มีมากมายเช่นนี้ จึงกลายเป็นกรณีที่ดีสำหรับ AI แทนที่จะรวบรวมข้อมูลด้วยตนเองเพื่อทำความเข้าใจความล้มเหลวเพียงรายการเดียวหรือกลุ่มของความล้มเหลวและระบุสาเหตุที่แท้จริง AI จะช่วยระบุรูปแบบในข้อมูล นี่คือความทันสมัยในแนวทาง 5-Why แบบคลาสสิก AI จะผ่าน 3 หรือ 4 ทำไมโดยอัตโนมัติ โดยระบุลำดับเหตุการณ์ทั้งหมดที่นำไปสู่ความล้มเหลว เมื่อพบรูปแบบเหล่านี้แล้ว จะสามารถแก้ไขสาเหตุที่แท้จริงและคาดการณ์ความล้มเหลวในอนาคตได้ง่ายขึ้น แต่การเรียกใช้การวิเคราะห์นี้เพียงครั้งเดียวไม่เพียงพอ ดังนั้นแอปที่ขับเคลื่อนด้วย AI ที่ได้รับการรีเฟรชด้วยข้อมูลล่าสุดจึงถูกปรับใช้เพื่อให้กระบวนการทำซ้ำได้ เริ่มต้นเส้นทาง AI ของคุณ ในขณะที่พลังของ AI สามารถเปลี่ยนแปลงได้ สิ่งสำคัญสำหรับองค์กรในการกรองโฆษณาเกินจริงจากความเป็นจริง และมองในมุมว่า AI เป็นหนทางไปสู่จุดจบมากกว่าจุดจบในตัวเอง ด้วยธรรมชาติของ AI ที่มีการพัฒนาอย่างรวดเร็ว ผู้นำระดับสูงควรพิจารณามีส่วนร่วมกับพันธมิตรภายนอกที่มีประวัติที่พิสูจน์แล้วในการริเริ่มริเริ่ม บริษัทต่างๆ ควรเริ่มต้นด้วยปัญหาการเบิร์นที่สามารถแก้ไขได้โดยใช้ข้อมูลอย่างชาญฉลาด การพยายามทำให้คุณภาพของข้อมูลและโมเดล AI สมบูรณ์แบบในครั้งแรกอาจเป็นศัตรูของความรวดเร็วในการสร้างมูลค่า แนวทางที่คล่องตัวในการทดลอง การเรียนรู้ และการปรับตัวระหว่างเดินทาง โดยเริ่มจากข้อมูลที่มีอยู่แล้ว (พร้อมข้อจำกัดทั้งหมด) เป็นแนวทางปฏิบัติ หาปริมาณและสื่อสารผลประโยชน์ทั่วทั้งองค์กรเพื่อสร้างความตื่นเต้นให้กับ AI สำหรับกรณีการใช้งานที่มากขึ้นและเพื่อกระตุ้นแนวคิดเพิ่มเติม ด้วยการใช้แนวทางปฏิบัติในการปรับใช้ AI ที่ยั่งยืน องค์กรสามารถปลดล็อกมูลค่ามหาศาลที่ไม่สามารถทำได้ด้วยวิธีการแบบเดิม

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button