9大人工智能落地案例,可以预测你什么时候离职
更新:2020/10/26 点击数:1635
现在的人工智能简直成了一块肥肉,谁都想揩一把油,把嘴抹得明晃晃的,说自己吃到了人工智能的精髓。
几乎每个标榜着互联网的“野鸡”公司都把AI挂在自家的大门口,再缠上流明炸裂的廉价发光二极管,好把每个人的眼睛都亮瞎。
然而二极管照不到的黑暗皮包里,却藏着骗取投资的黑心剧本。
当然,也有很多不要脸的公司,把老掉牙的技术,换成含有AI的名字,干着挂羊头卖狗肉的勾当。
劣币驱逐良币。这些恶劣的行为让真正想做人工智能的企业雪上加霜,难上加难。
Gartner对106名IT和业务专业人士调查,59%表示他们迄今已部署了AI,平均有4个AI / ML项目。受访者还表示,他们预计未来12个月将再增加6个项目,未来3年内将再增加15个项目。
但是,由于IDC对2,473个组织进行的一项大型调查发现,只有25%的企业制定了企业级人工智能战略,因此仅靠项目无法实现更广泛的人工智能战略。
IDC发现,由于缺乏熟练的员工和不切实际的期望,多达25%的受访者表示失败率高达50%。
但这并不能阻止公司尝试。在这里,正在试验,构建和实施AI和ML技术的CIO分享了他们的ML用例和一些实用的建议。
1、保险公司的聊天机器人
互助保险巨头Guardian的CIO Dean Del Vecchio正在测试AI和ML,以改善客户体验(CX)并提高员工生产力。
一个CX试点项目包括使用由IPsoft制作的虚拟助手Amelia来帮助自动化入职流程并回答福利问题,从而使CX工作人员能够专注于更复杂的案例。
受到Guardian的商业逻辑教育,Amelia回答了诸如“重大疾病意味着什么?”等问题以及Guardian数百万客户可能拥有的其他问题。
在内部,Guardian正在测试IBM Watson如何帮助公司更好地了解客户如何与业务进行交互。
作为试点的一部分,IBM的认知计算软件读取并优先处理Guardian每天获得的数百万封电子邮件,这种扫描只需几分钟即可完成,从而将员工从手动阅读和优先处理消息的时间中解放出来。
主要建议
应在更大的业务范围内考虑ML项目。在Guardian,支持AI / ML的流程自动化只是更广泛的数字化转型的一小部分,Del Vecchio正在改进CX,从而简化运营。这包括迁移到Amazon Web Services,采用敏捷开发以及构建API市场。
2、这件衬衫是AI推荐的
女装零售商Zulily会使用ML来个性化商品报价给客户。
Zulily的CIO Friang说,该软件依赖于许多信号(例如购买历史记录,浏览选择所花费的时间,在其移动应用上点击和滑动以及社交媒体行为),以确定是否通过推送通知或电子邮件向购物者发送报价。
“当我们了解你时,我们会更好地倾听你的声音。”
虽然Zulily构建自定义算法,但它依赖于许多开源技术,例如Hadoop,TensorFlow和H20,以完善其ML堆栈。
主要建议
AI项目受益于健全的云架构。例如,Zulily的个性化工作依赖于亚马逊网络服务和谷歌云平台之间的重要握手。
其中GCP提供的建议一旦被选中,就会将消费者推向由AWS提供支持的Zulily的电子商务平台。
Friang表示,这种联系强调了GCP和AWS如何推动竞争,从长远来看将有利于CIO。
3、办公室的AI助手
你可能想不到AI对房地产商有什么用处。但6月份,Jones Lang Lasalle(JLL)与Google合作开发了Jill,这是一款语音助手,允许办公室员工设置会议、寻找同事、查询火车时刻表或通过语音或文本填写服务请求。
根据JLL首席数字产品官Vinay Goel的说法,JiLL可以处理诸如“Hey JiLL,与我的团队预约每周会议”或“Hey JiLL,今天下午在三楼找到我的办公桌”这样的请求。
Goel在一份声明中说,JiLL考虑了JLL关于建筑物,用户交互和物理空间交易的数据集,这些数据集在GCP内处理,以及Kubernetes容器。
“随着时间的推移,我们希望JiLL成为帮助员工提高日常生产力的数百种技能的重要平台,”Goel说。
主要建议
对于寻求向服务转变的组织来说,虚拟助理是一项值得投资的投资。
JLL的Jill是利用技术提供增值服务的战略的一部分,理想情况下是能够吸引更多的公司客户。
JLL计划增加更多的技能并向第三方功能开放平台,这是市场战略的一部分。更广泛地说,这项倡议表明,多年来,虚拟助理已经(从通用消费玩具)转向垂直市场。
4、便利店的动态定价
便利店连锁店Wawa计划使用ML根据竞争因素动态改变价格。CIO John Collier表示,这可以大大促进Wawa为忠实客户提供个性化服务。
“我们希望拥抱数据和算法,因此我们不会设定价格,而是制定规则。”Collier说。他认为诀窍在于平衡用户体验的改善和提供体验的成本。
关键建议
Collier表示,Collier说他现在更喜欢动态定价,但有一个问题:新兴技术不能很好地与他遗留的系统接口。
因此,现代化对于任何人工智能战略都是至关重要的。他补充说,Wawa正在改造其遗留系统,作为数字化转型的一部分。“我们正在大力投资我们的数据战略。”
5、立等可取的信用报告
在信用卡报告巨头Experian,数字化转型为利用ML核心能力的新战略产品铺平了道路: Ascend Analytics On Demand,一种自助式分析平台,使公司能够构建预测模型,以确定关键因素,如2.2亿消费者中是否有人有资格获得他们要求的信贷额度。
Experian的消费者信息服务总裁Alex Lintner表示,客户可以在几分钟内对数据进行复杂的分析,而目前需要几周时间。理想情况下,该工具将使消费者能够在需要时获得信贷资格。
Gartner表示,随着人工智能技术在几乎所有新软件产品和服务中的普及,Ascend也随之而来。
“客户希望能够实时查看大量信息,”Experian Global CIO Barry Libenson说,他负责监督使用Hadoop和其他分析工具的平台构建。“我们可以开处方的日子已经过去了。当他们想要的时候,他们想要实时就能看到。”
主要建议
在旧版软件上构建新的分析平台,并希望它们能够很好地运行几乎是不可能的。为了支持Ascend,Experian采用混合云方法并投资开源工具,包括容器,API引擎和微服务。
Experian还标准化了构建和使用软件的方式,其应用程序和代码可以被全球的员工和客户重用。
6、信用卡公司的斗士
与信用监控公司一样,信用卡公司也在与骗子打交道。
万事达卡技术和运营总裁Ed McLaughlin表示,当许多专家将数字视为我们在线隐私和安全的祸根时,ML和AI工具可以使服务比塑料信用卡更安全。
万事达卡使用多层ML和AI来消除具有恶意意图的消费者。McLaughlin表示,其保护措施的核心是一个内存数据库,该数据库自2016年以来估计损失了10亿美元的万事达卡。该软件使用200多个属性来预测和阻止欺诈。
该核心系统与标记化,生物识别技术,深度学习和其他新奇方法相结合,帮助万事达卡保持了其促进价值数十亿美元安全交易的声誉。
重要建议
在网络安全方面,人类是很薄弱的环节。McLaughlin说:“很重要的是尽可能地让人类脱离循环”,并补充说ML,AI和自然语言处理软件都是Mastercard工具包中的关键组件。
7、赛车公司的汽车洞察力
梅赛德斯 - AMG Petronas Motorsport正在使用ML功能来帮助可视化赛车性能。
IT负责人马特哈里斯表示,该公司在其一级方程式赛车上收集多个数据通道,有时每秒多达10,000个数据点,以做出关键决策。
Mercedes-AMG Petronas使用Tibco软件可视化其影响变量,如天气,轮胎温度和燃料量对其汽车的影响。
该软件还使工, 程师能够分析汽车齿轮的性能和磨损等细节。驾驶员通常每圈换档100次,每次驾驶员换档时,Tibco都会收集大约1,000个数据点。
“当你想象这些数据时,你实际上可以让齿轮箱持续更长时间,或者更重要的是,让齿轮箱变得更加严苛,”哈里斯说。
“然后你可以发现,如果你把变速箱放到一个特定的模式,它每圈的速度大约快50毫秒。在排位赛中,汽车可以分开千分之一秒,所以50毫秒很重要。”
哈里斯说Mercedes-AMG Petronas正在构建ML算法来帮助“做一些人类无法做到的事情,或者做一件非常昂贵的工作方式。”哈里斯相信,这些能力最终将成为团队竞争优势的关键推动因素。
重要建议
为什么要构建一些不是您核心竞争力的东西?
在登陆Tibco之前,Mercedes-AMG Petronas使用自行开发的可视化软件,这种软件经证明效率太低,无法维持。通过依靠Tibco,梅赛德斯 - AMG马来西亚国家石油公司可以专注于其实力:打造高性能汽车。
哈里斯说:“最重要的是让人们有创造力,思考解决问题,而不是编写软件来解决问题。”
8、预测员工什么时候离职
像大多数汽车维修公司一样,Calibre Collision长期以来一直存在人员流动问题,因为机械师,油漆工和客户支持人员往往来去匆匆,600多个店面的流动率,有时每年高达40%。
Calibre发现,部分问题在于其商店有时没有足够的汽车供工作人员修理,导致工资不一致。
CIO Ashley Denison突发奇想:如果Caliber能够预测员工何时会离职并进行干预呢?
Calibre开始与技术顾问Sparkhound合作,后者创建的软件可以从Caliber的Workday人力资源软件中提取员工数据,并将其与Microsoft PowerBI混合,创建一个定制的回归模型,预测员工是否可能会考虑离职。然后,Calibre通过数字调查找到可能要离职员工的个人联系方式。
例如,如果员工的工资在几周内下降,Calibre的区域经理可以确保他们获得更多的汽车。相反,如果员工看起来工作负担过重,公司可以将一些工作重新分配给他或她的同事。
结果有没有效呢?Calibre每年可节省多达100万美元,从而减少营业额。
关键建议
在 ML 算法容易被过度夸大和超卖时,用其解决节省成本的问题是一种实用方法。Denison说:“现在想要留住员工简直不要太容易。”
9、作为产品和业务推动者
Adobe Systems正在利用ML分析帮助台记录的系统故障趋势,然后在问题导致重大停机之前主动解决问题。
如果系统发现可能发生中断的事件,系统可以主动在触发故障之前消除或减轻这些事件。
该工具称为HAAS,用于“即时服务”,可以捕获并修复从与Adobe ERP集成失败到为公司各种分析系统提供错误数据源的所有问题。
Stoddard说,HAAS将人工手动执行需要30分钟的修复时间减少到1分钟。她估计在过去的几个月里它已经节省了330小时的补救时间。使用详细说明问题的报告,Adobe工程师还可以创建永久性修复程序。
“如果你知道你必须修理一些东西而且你知道如何解决它,那么你可以使它自动化,”斯托达德说。“这是一个巨大的利好。”这项工作建立在Stoddard团队于2017年创建的基于ML的诊断测试框架之上。
主要建议
使用ML识别模式是创建自我修复功能的关键。“如果你知道如何修复它,你可以在里面放一个自我修复组件,然后把人类元素从等式中去掉。”斯托达德说。