Todos sabemos con qué eficacia la IA lleva el marketing digital al siguiente nivel. Hablemos un poco sobre qué papel podría desempeñar la IA en las ventas empresariales, ¿cuál sería un ajuste natural?
Y la pregunta que ha estado en la mente de todos los vendedores: ¿Puede la IA ayudar a las ventas a hacer algo de valor real en 2017? ¿Por qué la gente le da tanta importancia a un software que reconoce a los gatos y gana en peligro; lo que hago es mucho más sofisticado y no tiene ninguna relación?
Antes de saltar a las preguntas anteriores, eliminemos algunas definiciones. Hemos descubierto que estas definiciones simples pueden hacerte lucir bien instantáneamente en cenas y cócteles:
Inteligencia artificial (AI): algoritmos que exhiben inteligencia similar a la humana / comportamiento racional.
Aprendizaje automático (ML): algoritmos que pueden aprender del conocimiento existente. ML es un conjunto de algoritmos que conducen a la IA.
Aprendizaje profundo (DL): un tipo de algoritmo de aprendizaje que replica cómo aprende el cerebro humano. DL es un tipo de técnica de ML.
Ahora que tenemos un entendimiento común de algunos términos relacionados con la IA. Primero respondamos una pregunta de configuración de contexto antes de llegar a la pregunta real que planteamos anteriormente:
¿En qué es buena la IA en 2017?
En pocas palabras, la IA en 2017 generalmente es buena para resolver problemas donde existen grandes conjuntos de datos de entrenamiento. Para aclarar aún más esto, analicemos algunos ejemplos del mundo real en varias categorías donde la IA tiene una buena tracción:
Búsqueda, procesamiento de lenguaje natural
Búsqueda de Google ha aprendido mucho de su comportamiento de búsqueda y de clics y se ha vuelto muy bueno recomendando resultados de búsqueda precisos. Debajo de Google hay un motor de aprendizaje automático masivo que analiza la gran cantidad de datos web y los combina con los datos de comportamiento del cliente para saber qué satisface a un cliente. Amazon usa el mismo principio para recomendar productos y películas de Netflix.
Reconocimiento de voz Siri mejora continuamente en la comprensión de lo que decimos y toma medidas en base a eso, se entrena continuamente en una gran cantidad de acentos y pronunciaciones de todos los usuarios de Siri.
Visión (Percepción)
tesla y google todos están trabajando en automóviles que pueden conducirse solos y que se basan en algoritmos de aprendizaje profundo de visión por computadora que son buenos para identificar cosas y tomar las medidas apropiadas.
Detección de cáncer de piel de Harvard La tecnología tiene una precisión cercana al 100 % para determinar el cáncer de piel según los algoritmos de aprendizaje profundo.
robótica
dinámica de boston tiene robots que ahora están realizando tareas simples de mover cajas. Otras empresas han desarrollado robots para recoger frutas y verduras de los campos.
Juego, Lógica
AlphaGo derrota al campeón mundial de Go Lee Se-dol en mayo de 2017, lo siento Lee.
ibm watson derrotó al campeón de peligro humano en 2011.
Azul profundo derrotó al campeón de ajedrez en 1997. Claramente, la lógica y el juego es un área que ha experimentado un avance significativo en el área de la IA.
En resumen, las máquinas en 2017 son buenas para aprender en situaciones donde existe un gran volumen de datos de entrenamiento, por ejemplo, identificar gatos en imágenes cuando se les proporcionan millones de imágenes de gatos como datos de entrenamiento. Ahora que sabemos un poco sobre el estado del arte de la IA en 2017, abordemos otra pregunta relacionada que pedía respuesta:
¿Cuáles son las grandes limitaciones de la IA en 2017?
Sin ser demasiado técnico, aquí están algunas de las deficiencias de la IA en la actualidad:
Usar el pasado como predictor del futuro: la mayoría de AI/ML se basan únicamente en datos anteriores para hacer predicciones para el futuro. ¿AI/ML no habría predicho que la película Hangover sería un éxito destacado dado el elenco, la historia, etc.? Lo más probable es que AI/Ml se pierda los eventos del “cisne negro”.
La causalidad sigue siendo un misterio: AI/ML es bueno para predecir relaciones entre cosas, pero no puede explicar por qué ciertas cosas están relacionadas.
El sentido común sigue siendo poco común: AI/ML sigue siendo el mejor para resolver problemas limitados/estrechos, la noción de aprendizaje genérico todavía está a raya.
Ahora, con nuestro conocimiento recién adquirido de lo que funciona y lo que no funciona con la IA en 2017. Abordemos la pregunta que planteamos al comienzo de esta larga (pero con suerte interesante publicación).
¿Puede la IA ayudar a las ventas a hacer algo de valor real en 2017?
Creo que la respuesta es sí, pero tal como yo lo veo, el poder de la IA radica en aumentar la inteligencia humana en lugar de reemplazarla. Dejame explicar. Todo el personal de ventas con experiencia sabe que el mundo de las ventas es complejo, no estructurado e impulsado por las relaciones, las emociones y las personalidades. En 2017, la IA no es buena en ninguna de esas cosas, sin embargo, hay esperanza, la IA es realmente buena para resolver problemas limitados, especialmente cuando existen grandes conjuntos de datos de capacitación anteriores y las ventas están llenas de esos escenarios, por ejemplo, a qué prospecto debo llamar primero, cuál es el información más relevante sobre un cliente, cuál es el contenido más relevante para un cliente, cuál es el mejor precio para un cliente, etc.
En definitiva, AI + HI (Inteligencia Humana) = Inteligencia Aumentada en ventas está lista para el prime time.
Publicado por primera vez en el blog de Contiq. Contiq es un sistema de creación de lanzamientos hiperpersonalizado que ayuda a los vendedores empresariales a crear lanzamientos hasta un 80 % más rápido y mejorar las tasas de éxito hasta en un 80 %. Puedes registrarte para la versión beta gratuita aquí.
