Искусственный интеллект и машинное обучение стали предметом непрекращающейся шумихи в средствах массовой информации и топ-менеджменте по всему миру, но что все это на самом деле означает для автомобильного сектора? Может показаться, что простое упоминание этих модных слов волшебным образом повысит вашу оценку, но реальность такова, что решение на основе ИИ не обязательно лучше, чем проверенные временем концепции и подход.
По мнению специалистов компании Arenda-Auto.Com, как и во многих других преобразующих изменениях в отрасли, получение максимальной отдачи от ИИ — это вопрос выбора правильной технологии для решения правильной проблемы, а использование правильных инструментов для работы — это врожденная человеческая проблема.
Конечно, это не значит, что мы преуменьшаем масштабы серьезных потрясений, которые мы наблюдаем сейчас. ИИ почти наверняка станет краеугольным камнем четвертой промышленной революции. Третья промышленная революция была связана с автоматизацией; здесь речь идет об интеллекте – не просто работающем или неработающем, а работающем определенным образом с учетом определенных внешних влияний или прошлого поведения.
Но, как и в случае со всеми другими крупными разработками, важно оценить, что на самом деле делает технология и имеет ли она смысл в данном контексте. Прокат автомобилей – и в частности сфера обслуживания – действительно является ярким примером того, где ИИ может внести позитивные изменения. Однако нам по-прежнему необходимо использовать наш «настоящий» интеллект, когда мы решаем, как применить «искусственный» интеллект.
ИИ и машинное обучение, в конечном счете, представляют собой расширенный инструмент статистики. Они учатся на действиях и результатах прошлого и используют это для оценки будущего. Рынок послепродажного обслуживания — отличное место для применения этого подхода, поскольку здесь имеется богатый ресурс данных, который сильно фрагментирован. У людей, работающих в сфере проката автомобилей, не так уж много места для маневра в их ежедневных графиках, поэтому экономия времени накапливается даже за счет небольшого повышения эффективности. Указание ИИ на набор спецификаций, предпочтений и потребностей клиента и получение от рекомендаций в конечном итоге оказывается чрезвычайно ценным для предприятий и их клиентов.
Однако мы не должны позволить этим оптимизациям ослепить нас; ИИ далеко не способен выполнить эту работу в одиночку. Как и люди, ИИ может совершать ошибки. Еще более тревожно то, что он может совершать поистине шокирующие ошибки, которые не допустил бы даже сотрудник начального уровня – часто в результате предвзятых, неполных, ошибочных или иным образом ошибочных данных. Вот почему ИИ лучше всего рассматривать как еще один инструмент в постоянно расширяющемся наборе инструментов. В идеале, это будет сопровождать опытный ветеран отрасли, который будет проверять работу, а также кто-то, кто достаточно хорошо разбирается в данных и инструменте искусственного интеллекта, чтобы исправить любые проблемы и обеспечить более надежную модель в следующий раз. В этом смысле ИИ по праву далек от того, чтобы отнимать у кого-то работу – на самом деле верно обратное. При правильной реализации это позволит создать гораздо больше рабочих мест.
Чтобы получить максимальную отдачу от новых технологий, необходимо постоянно следить за набором данных и совершенствовать методы работы в будущем. Сейчас мы находимся в интересном положении, поскольку Covid-19 вызвал серьезные нарушения в поведении потребителей и цепочке поставок, и мы смогли снова считать данные «нормальными» только в течение довольно короткого времени. Если вы недостаточно усердно работали над повышением качества своих данных, сейчас самое время начать.
Качественный набор данных, готовый к использованию ИИ, будет иметь три ключевые характеристики: масштаб, степень детализации и чистоту. Масштаб просто означает широту информации: чем дольше вы отслеживаете, тем лучше она становится. Если масштаб — это широта, то детализация — это глубина, например, разделение одной ценовой линии на пять или шесть разных. По мере расширения ширины и глубины чистота становится все более важной – это относится к исправлению ошибочных входных данных, будь то из-за простого скольжения пальца, недоразумения или невнимательности.
Компаниям стоит в ближайшее время заняться искусственным интеллектом. Наличие богатых и хорошо хранящихся данных позволит легко и эффективно внедрить алгоритмы искусственного интеллекта и машинного обучения в существующий бизнес. В сочетании с сильной, способной командой людей это, естественно, позволит компаниям, которые хорошо разбираются в своих инструментах, опередить тех, кто полностью игнорирует ИИ или, что потенциально гораздо хуже, слепо поддается шумихе и ожидает, что он решит все их проблемы. Сейчас мы переживаем важный поворотный момент во многих отраслях, и автомобильный сектор не может позволить себе тратить время на бюрократические проволочки.
Материал подготовлен компанией Ареда-Авто.Ком