Bessere Kundenerlebnisse mit KI und Daten

Dayle Hall:

Hallo, Sie hören gerade unseren Podcast "Automatisierung des Unternehmens". Ich bin Ihr Gastgeber, Dayle Hall. Dieser Podcast soll unseren Unternehmen Einblicke und Best Practices vermitteln, wie sie ihr Unternehmen integrieren, automatisieren und transformieren können.

Unser nächster Gast ist VP of Futures and AI bei The Integer Group, einem Unternehmen für datengesteuertes Marketing und Markenaktivierung. Ich freue mich sehr, dass Heidi Bailey heute bei unserem Podcast zu Gast ist. Herzlich willkommen, Heidi.

Heidi Bailey:

Hey, Dayle. Danke, dass ich dabei sein darf. Ich habe mich eigentlich schon seit einiger Zeit auf dieses Gespräch gefreut.

Dayle Hall:

Ausgezeichnet. Ich auch. Eigentlich ist dies eine ganz andere Art von Diskussion als die, die wir bei einigen der anderen hatten, die mehr waren - wir hatten einige Hochschulen, wir hatten einige Kunden und ein paar gemeinnützige Organisationen, aber auf die heutige bin ich wirklich gespannt, allein schon wegen der Marketing- und Markendiskussionen, die wir führen werden.

Vielen Dank, dass Sie sich uns angeschlossen haben. Bevor wir zum eigentlichen Thema kommen, geben Sie uns doch bitte einen kurzen Überblick darüber, wer Sie sind, wie Sie zu dieser Art von Hintergrund gekommen sind und wer die Integer Group ist und wie sie den Menschen hilft.

Heidi Bailey:

Ja, absolut. Die Integer Group ist Teil von Omnicom, der Omnicom-Familie. Wir sind eines der jüngsten Wachstumsunternehmen der Welt und konzentrieren uns hauptsächlich auf Handel und Einzelhandel. Über die Omnicom Commerce Group steigen wir in die Omnicom-Familie auf. Und dann bin ich speziell der VP für Futures und AI, der Teil unseres Teams für Wachstumswissenschaften ist.

Growth Sciences bei Integer ist also ein Full-Service-Analyseangebot. Wir haben eine Suite, die von Performance-Reporting, Medienmodellierung, Attributionsmodellierung bis hin zu maschinellem Lernen, KI, Internet der Dinge und solchen Aktivitäten reicht. Ich bin in meine Rolle hineingewachsen, weil ich immer auf der Suche nach dem Neuen bin, nach dem Nächsten, nach dem, was noch niemand macht.

Ich bin also seit sieben Jahren in der Agentur tätig. Was mein Team wirklich macht, ist, dass wir in der Mitte der Organisation sitzen, und wir sitzen zwischen unseren internen Kundenteams, aber auch zwischen den Kunden, und wir haben diese Meetings, um die Lücken zu finden, was sind geschäftliche Herausforderungen, die sie versuchen zu lösen, aber auch Chancenbereiche, etwas, worüber jemand vielleicht nicht vorher nachgedacht hat, wie könnten wir das tatsächlich mit Technologiedaten und KI lösen.

Wir haben viele verschiedene Tools in unserem Toolset. Wir arbeiten mit Konversations-KI-Fähigkeiten, Sprachfähigkeiten, Alexa, Google Home und so weiter. Aber wir haben auch Data-Science-Fähigkeiten, mit denen wir unsere eigenen Lösungen und Produkte entwickeln. Das ist es also, was ich mache. Ja, das ist es.

Dayle Hall:

Wow! Das ist wirklich interessant. Es geht also um verschiedene Arten von Technologien, aber auch um die Entwicklung von Lösungen und die Beratung von Kunden, was meiner Meinung nach einzigartig ist.

Wenn Kunden, potenzielle Kunden an Sie herantreten, Sie erwähnten gerade, dass Sie versuchen, geschäftliche Herausforderungen zu lösen, wie funktioniert das normalerweise? Kommen sie zu Ihnen und sagen: "Wir haben diese Herausforderung, können Sie uns mit KI helfen, sie zu lösen? Oder kommen sie zu Ihnen und sagen: "Wir haben eine größere Sache, die wir in unserem Markt ausbauen wollen, oder wir versuchen, eine größere Marktherausforderung zu lösen, und dann helfen Sie ihnen zu zeigen, wie KI dabei helfen kann? Was ist Ihrer Meinung nach der übliche Ansatz für Sie?

Heidi Bailey:

Manchmal sind sie nicht einmal mit einer geschäftlichen Herausforderung verbunden. Vielleicht sitzen wir nur in einem Meeting mit einem Kunden. Sie sagten: "Oh, wenn wir nur dies oder jenes tun könnten, ja? Es gibt definitiv Fälle, in denen wir beauftragt werden, sehr spezifische Herausforderungen und Geschäftsziele zu lösen, die sie haben. Aber es gibt auch Zeiten, in denen man einfach nur Ideen hat. Man sitzt einfach da und denkt sich: Oh, Moment mal.

Das könnten Sie tatsächlich tun, wenn Sie diesen Datensatz haben. Und wenn Sie diesen Datensatz nicht haben, haben wir eine Technologie, die Ihnen dabei helfen kann, diesen Datensatz zu sammeln, mit dem wir dann schließlich Ihre Herausforderung angehen oder etwas Eigenes entwickeln können, das diese Herausforderung angeht.

So sitzen wir dort. Mein Team sitzt also in mehreren verschiedenen Meetings zusammen. Meine Datenwissenschaftler nehmen an kreativen Besprechungen und anderen Dingen teil, damit wir einige dieser Möglichkeiten finden und neue Ideen entwickeln können, aber auch, um ihren Geist für die Möglichkeiten zu öffnen, die sich bieten.

Dayle Hall:

Ja, nein, ich liebe das. Ich liebe es, wenn Datenwissenschaftler an kreativen Meetings teilnehmen. Ich kann mir vorstellen, dass das eine sehr einzigartige Perspektive ist. Lassen Sie uns also ein wenig darüber sprechen. Lassen Sie uns ein wenig über KI und die Nutzung von Daten zur Förderung des Wachstums sprechen. Sie sagten, manchmal entstehen Ideen in Meetings. Manchmal gibt es spezifische Herausforderungen, die ein Kunde möglicherweise zu lösen versucht.

Sie müssen also keine Namen nennen, aber geben Sie mir einige Beispiele dafür, wie Sie bestimmte Technologien einsetzen, um möglicherweise Trends zu erkennen oder Erkenntnisse zu gewinnen, die Ihnen helfen, dem Team bessere Empfehlungen zu geben. Schauen wir uns also zuerst den technologischen Teil an. Was verwenden Sie und wie setzen Sie es ein?

Heidi Bailey:

Es gibt verschiedene Arten von Technologien, die wir verwenden, natürlich AWS, Snowflake, alle diese Arten von Dingen, um die Daten in Echtzeit zu automatisieren. Aber darüber hinaus arbeiten wir sehr eng mit DataRobot zusammen.

DataRobot ist ein KI-Cloud-Anbieter, der es uns wirklich ermöglicht hat, KI für unsere Teams und Kunden zu demokratisieren. Und was wir wirklich an ihnen mögen, der Grund, warum wir mit ihnen arbeiten, ist, dass sie wirklich ein End-to-End-Automatisierungstool sind, wenn es um Data Science geht. Sie haben alles automatisiert, angefangen bei der Entwicklungsarbeit. Sie haben also ein automatisches Datenvorbereitungstool, mit dem man die Daten vorbereiten kann - und wie Sie wissen, verbringen Datenwissenschaftler etwa 80 % ihrer Zeit mit der Datenvorbereitung.

Sie haben das also automatisiert. Man drückt einen Knopf und es wird eine automatische ML-Funktion aktiviert, auch eine automatische Zeitreihenfunktion, mit der wir sofort beginnen können, diese Modelle zu erstellen, bis hin zur Überwachung und Verwaltung dieser Modelle.

Wir haben festgestellt, dass wir mit ihnen sehr, sehr erfolgreich sind, wenn es um No-Code-Anwendungen geht. Wenn man an ein KI-Projekt denkt, dauert es Monate. Und dann gibt man so viel Geld für die Entwicklung aus, um eine Art Anwendung zu entwickeln, mit der die KI läuft. Und dann stellt man fest, dass etwas im Code oder im Modell nicht stimmt. Man muss zurückgehen und die ganze Sache noch einmal machen. An diesem Punkt hat man also die ganze Zeit damit verbracht, etwas zu entwickeln und das ganze Geld auszugeben, ohne dass das Unternehmen irgendeinen Nutzen daraus gezogen hat.

Mit den no-code Anwendungen können Sie Ihre Modelle sofort einsetzen und innerhalb weniger Tage experimentieren. So können wir unsere KI-Produktion skalieren, aber auch die Datenwissenschaftler gewinnen viel Zeit, um an kreativen Meetings und anderen Dingen teilzunehmen.

Das ist also ein Tool, das wir recht häufig verwenden. Das andere interessante Tool heißt Q. Es wurde von einer unserer Schwesteragenturen namens sparks & honey entwickelt. Sie haben sich mit - ich glaube, es sind sechs, vielleicht sieben - Verlagen zusammengetan und sammeln täglich etwa 90 Milliarden Signale aus dem Bereich Trends, kulturelle Trends und dergleichen. Und sie verfügen über eine Menge historischer Daten.

Sie haben also eine Plattform entwickelt, die Ihnen nicht nur - wenn Sie an Social Listening oder ähnliche Dinge denken - die kurzfristigen Trends oder die Dinge, die heute auf dem Markt passieren, aufzeigt, sondern Sie können auch - weil sie die Geschwindigkeit der Trends untersucht haben - Vorhersagen für die nächsten zwei Jahre treffen.

Wenn wir Wachstumsstrategien für unsere Kunden entwickeln, verwenden wir Tools wie dieses zusammen mit DataRobot und einigen anderen Tools, die wir haben, um zu verstehen, worauf wir uns heute konzentrieren sollten, aber auch, was in zwei Jahren die dauerhafte Kraft auf dem Markt sein wird.

Dayle Hall:

Ja, die sind interessant. Das ist sehr interessant. Wir sehen in unserem Geschäft, dass potenzielle Kunden und Kundenansätze etwas Ähnliches mit unserem Tool machen wollen, um einen besseren Zugang zu Daten zu bekommen. Es ist sehr ähnlich in Bezug auf eine lokale Lösung. Sie lösen also in der Regel eine unmittelbare Herausforderung.

Und Sie erwähnten gerade, dass Sie ihnen Dinge zeigen, die möglicherweise erst in ein paar Jahren anfallen - wie nehmen sie das auf? Denn normalerweise sagen sie: "Wir wissen, dass wir das jetzt lösen müssen. Wenn Sie ihnen zeigen, was möglich ist, oder wenn Sie ihnen Einblicke in die Zukunft geben - nichts für ungut -, glauben sie es dann? Glauben sie, dass das alles erfunden ist? Wie stellen Sie sicher, dass sie einige der von Ihnen gezeigten Prognosen wirklich zu schätzen wissen oder ihnen abkaufen?

Heidi Bailey:

Um ehrlich zu sein, ist es bei manchen Kunden viel einfacher als bei anderen, weil manche aufgeschlossener sind als andere. Aber ich habe immer die Erfahrung gemacht, dass, wenn man sehr transparent macht, wie diese Tools aufgebaut sind, anstatt einfach zu sagen: "Hey, hier ist ein weiteres KI-Tool, das ihr kaufen könnt oder das wir nutzen können", wir sehr transparent machen, wie alle Produkte im Hintergrund aufgebaut sind, welche Daten verwendet werden und welche Technologie zum Einsatz kommt.

Wenn wir es auf diese Weise erklären, ist es viel einfacher zu sagen: Oh, okay, jetzt verstehe ich, wie Sie diesen Trend in zwei Jahren vorhersagen können oder wie Sie meine Budgets in zwei Jahren vorhersagen können. Das ist unser Ansatz.

Dayle Hall:

Ja, das stimmt. In einem der anderen Podcasts, die ich für diese Serie gemacht habe, haben wir unter anderem darüber diskutiert, dass man nicht unbedingt einem Anbieter oder einem Dienstleistungsunternehmen oder was auch immer vertrauen sollte, wenn sie einem nicht sagen, wie sie KI einsetzen, wie sie aufgebaut ist und welche Daten in sie einfließen.

Wenn sie es die geheime Soße nennen, werden Kunden oder Klienten in der Regel nicht von den Daten überzeugt sein, die Sie vorlegen, denn können sie darauf vertrauen, dass Ihre Blackbox tatsächlich die richtige Ausgabe ist? Ich liebe also die Transparenz bei KI. Ich glaube, das ist etwas, was einige der Unternehmen, mit denen ich zusammengearbeitet habe und für die ich diese Art von Tool entwickelt habe, umso leichter haben, je transparenter sie sind, um Kunden an Bord zu holen und sich tatsächlich an die Ergebnisse zu halten. Ich bin sicher, Sie finden etwas Ähnliches.

Heidi Bailey:

Ja, das stimmt. Und bei einigen Kunden, vor allem bei denen, die noch etwas skeptisch sind, beziehen wir sie tatsächlich in den Prozess der Modellerstellung ein, wenn wir selbst etwas entwickeln. Wir legen ihnen den Trainingsdatensatz vor, sie können ihn überprüfen, sie verstehen die Dimensionen, die darin enthalten sind, so dass sie letztendlich auch verstehen, was die KI am Ende liefert. Das hat sich als sehr effektiv erwiesen.

Dayle Hall:

Aufgrund der Integer Group und dem Fokus auf Marketing, Branding, Kundenerfahrung und dergleichen, welche Art von Arbeit machen Sie da? Welche Überlegungen sollte ein Marketingverantwortlicher oder jemand, der für die Kundenerfahrung zuständig ist, anstellen, wenn er über den Einsatz von Automatisierung, KI oder maschinellem Lernen zur Lösung wichtiger Herausforderungen nachdenkt?

Ich weiß, dass wir zu Beginn ein wenig darüber gesprochen haben, wie die Leute an Sie herantreten, aber wenn Sie mit einem CMO oder jemandem, der für das Kundenerlebnis verantwortlich ist, zusammensitzen, welche Basis legen Sie dann fest? Welche Richtlinien oder Rollen, die Sie sagen, okay, so werden wir beginnen. Wie beginnen Sie dieses Gespräch?

Heidi Bailey:

Es hängt alles vom Kunden ab und natürlich davon, was er zu verkaufen versucht. Aber in Bezug auf den Einsatz von KI, Automatisierung, die Art und Weise, wie wir Kunden ansprechen, wie sie anfangen sollten, über Dinge nachzudenken - und wenn man wirklich darüber nachdenkt, sind Automatisierung, KI, maschinelles Lernen und die Technologie, die in der Marketingbranche eingesetzt wird, schon immer ziemlich fortschrittlich gewesen.

Denken Sie an programmatische Medien. Sie legen Ihre Parameter sofort fest, und diese Werbung wird den Verbrauchern überall dort angezeigt, wo sie sich gerade befinden. Es ist nicht neu, dass man einige dieser Technologien in der Marketingbranche nutzen kann, aber es ist neu in der Art und Weise, wie man anfängt, darüber nachzudenken, sogar unter dem Gesichtspunkt der Personalisierung, wenn man darüber nachdenkt.

Es ist nicht neu, es ist kein neues Konzept. Es erfordert eine Vielzahl von Daten. Und Personalisierung gibt es schon seit langem. Man muss die Kunden immer noch segmentieren, man muss immer noch wissen, wer die Zielgruppe ist, damit man sie in großem Umfang ansprechen kann. Und dann könnten Sie dynamische kreative Optimierungsplattformen nutzen, um all diese zusätzlichen personalisierten Werbebanner zu schalten.

Wir gehen jedoch von einem anderen Standpunkt aus an die Sache heran, weil wir sagen, dass Sie, sobald Sie etwas ausführen, eigentlich schon wissen sollten, was zum Erfolg führen wird, bevor Sie es ausführen, anstatt die Maschinen diese Entscheidungen für Sie treffen zu lassen.

Anstatt also eine Plattform zur dynamischen Kreativoptimierung alle Entscheidungen für Sie treffen zu lassen, sollten Sie bereits ein wirklich gutes Verständnis dafür haben, dass Sie mit dieser Zielgruppe diese Art von Konversionen erzielen werden. Und wenn Sie diese Zielgruppe mit dieser Art von Werbemitteln ansprechen, z. B. wenn Sie die Farbe von Rot zu Blau ändern, wie wird das zu zusätzlichen Konversionen führen, oder nicht? Wir versuchen, den Plattformen einen Schritt voraus zu sein, bevor Sie überhaupt auf sie stoßen, um ein wirklich gutes Verständnis dafür zu haben, was Sie ausführen müssen.

Dayle Hall:

Das ist interessant, denn das gibt mir zu denken, dass der Einsatz dieser Technologien das, was das Marketing tut und was es tun sollte, ergänzt und nicht unbedingt ersetzt. Und ich denke, das ist ein sehr wichtiger Punkt. Aber wenn ich diese Podcasts mache, versuche ich sicherzustellen, dass jeder etwas mitnehmen kann und nicht nur sagt: "Nun, das war interessant, aber ich weiß nicht, was ich damit anfangen soll.

Aber ich denke, das ist ein wirklich wichtiger Punkt: Wenn Sie im Marketing tätig sind, sollten Sie wissen, was Sie anbieten wollen und welche Art von Konversionen Sie erwarten. Und dann nutzen Sie KI, um zu skalieren, effizienter zu werden oder was auch immer, aber gehen Sie nicht mit der Einstellung an die Sache heran: "Hey, wir haben ein Problem, und KI wird es für uns lösen", was meiner Meinung nach ein sehr wichtiger Unterschied ist.

Sie haben die Tabelle gesehen, so wie ich: Wie viele MarTech-Tools gibt es jetzt? 7.000, 8.000, richtig? Sie haben das gesehen. Was glauben Sie, wie viele davon erwähnen jetzt KI? Wahrscheinlich eine ganze Menge.

Heidi Bailey:

Alle von ihnen.

Dayle Hall:

Alle, richtig?

Heidi Bailey:

Ja, das stimmt. Sie erwähnen, ob sie es tun oder nicht. Sie erwähnen es auf jeden Fall.

Dayle Hall:

Ja, ja, ja. Ja, ja, ja. Ganz sicher. Ganz sicher. Aber ich mag diese Differenzierung, die darin besteht, dass Sie Ihre eigenen Prozesse verstehen und dann KI einsetzen, um diese potenziell zu verbessern. Ich weiß, dass Sie mit vielen Kunden zusammenarbeiten, und ich bin mir sicher, dass es sehr, sehr beeindruckende Einzelhändler sind. Haben Sie ein paar Beispiele dafür, wie sie KI in Verbindung mit ihrer Arbeit einsetzen, um potenziell neue Erkenntnisse zu gewinnen oder bessere Möglichkeiten der Kundenansprache zu entwickeln, um ihre Prozesse zu verbessern?

Heidi Bailey:

Ein großartiges Beispiel dafür ist, und wir greifen nur auf das zurück, worüber wir vorhin gesprochen haben, aber es geht darum, wie man KI nutzen kann, um das, was man bereits tut, zu erweitern. Ich betrachte es als KI, die gegen KI kämpft, wenn man so will.

Ein Beispiel dafür sind all die großen Mediengiganten wie Google, Facebook, Amazon, walmart.com und so weiter. Aber alle diese Plattformen haben ihre eigenen, proprietären KI-Tools, die sie für die Ausführung von Medien nutzen. Und sie geben Ihnen nur sehr, sehr wenig Einblick in ihre Funktionsweise. Ein Beispiel: Sie führen eine Woche lang eine Social-Media-Kampagne durch, und sie läuft hervorragend. Sie haben wirklich tolle Engagement-Raten. Sie haben viele Shares. Sie haben eine Menge Likes, all diese Dinge.

Ein paar Monate später führen Sie vielleicht eine sehr ähnliche Kampagne durch, mit einer ähnlichen Zielgruppe und einer sehr ähnlichen Art von kreativer Einheit, und sie läuft schlecht. Und sie läuft furchtbar. Und Sie haben wahrscheinlich mehr Geld für diese Kampagne ausgegeben als für die vorherige, weil Sie einen Erfolg erwartet haben. Man versteht wirklich nicht, warum das passiert.

Wir haben uns gesagt: "Okay, wir haben jahrelang Facebook-Kampagnen in den sozialen Medien durchgeführt. Könnten wir unsere historischen Daten nutzen, damit eine KI die Muster findet, die möglicherweise auftreten, so dass wir den Erfolg zukünftiger Posts vorhersagen können? Das ist genau das, was wir getan haben.

Alles, was wir nicht haben, ist ein grundlegendes Verständnis oder eine Berechnung ihrer Algorithmen oder ein Verständnis dafür, wie sie das tun, wir können jetzt die KI auf zukünftige Beiträge schauen lassen, die live gehen, und uns dann tatsächlich eine Vorhersage darüber geben, ob sie erfolgreich sein werden oder nicht. So sehen wir also den Einsatz von KI zur Bekämpfung von KI.

Dayle Hall:

Ich bin mir sicher, dass wir einen separaten Podcast über den Kampf der KI gegen die KI machen können. Das gefällt mir. Ich mag diese Terminologie.

Heidi Bailey:

Das sieht man typischerweise in der IT und bei Sicherheitsdiensten, weil es so ausgeklügelt ist, dass man fast schon KI einsetzen muss, um alle Eindringlinge zu bekämpfen. Aber ich habe noch nie gehört, dass es so im Marketing eingesetzt wird. Es ist also wirklich lustig.

Dayle Hall:

Ja, genau. Wenn wir also weiter darüber nachdenken - das ist ein wirklich gutes Beispiel. Und natürlich gibt es eine Menge - ob im Marketing oder speziell in der Kundenerfahrung, ich denke, so ziemlich alles, was einen Workflow oder Prozess hat, kann automatisiert werden.

Wenn ich da sitze, denke ich: Okay, das ist eine tolle Diskussion, die die beiden da führen. Aber wie kann ich in meine Organisation zurückkehren und sagen: "Wie kann ich diese Prozesse identifizieren? Wie kann ich sie anwenden? Wie kann ich herausfinden, welche Aufgaben automatisiert werden können oder wo KI helfen kann? Wenn Sie jemanden beraten würden, der gerade erst anfängt, wo soll er anfangen? Fängt er mit dem Marketing an? Beginnen sie mit irgendeinem Prozess? Was ist ein gutes erstes Projekt?

Heidi Bailey:

Es geht darum, zu wissen, mit wem man in der Organisation sprechen muss, um zu verstehen, wo man anfangen soll. Und das sind im Grunde nur Gespräche mit den wichtigsten Interessengruppen in den verschiedenen Abteilungen.

Und dann fangen Sie einfach an, sie zu interviewen. Es ist ein ganz natürliches Gespräch: "Hey, was ist es, das du täglich tun musst, das dich verrückt macht, von dem du wünschst, du müsstest es nicht tun und könntest mehr Zeit mit etwas Wertvollerem verbringen? Und das sind dann diese Art von Gesprächen.

Und um Ihnen ein Beispiel zu geben, das wir hatten, und das war eigentlich - es hat sich einfach ergeben. Es war ein Fall, bei dem wir nicht wirklich versuchten, verschiedene Leute innerhalb der Organisation zu interviewen, aber ich war zufällig in der so genannten Personalabteilung, aber unserem Personalteam innerhalb von Integer. Und ich war in einem Gespräch mit ihnen. Und die Person sagte: "Mann, ich wünschte, ich hätte mehr Zeit für emotionalere Gespräche, für die Gespräche, die wirklich wichtig sind. Und ich sagte: Was meinen Sie damit? Und sie sagte: "Den ganzen Tag lang beantworte ich immer wieder dieselben Fragen, z. B. wo finde ich dieses Formular und wo finde ich meine Gehaltsabrechnung und solche Sachen.

Eine einfache Lösung ist also: Okay, das sind alles nicht sensible Fragen, können wir schnell eine Art HR-Chatbot oder einen Chatbot für Menschen erstellen? Man kann ihn einfach fragen und sagen: "Hey, wo finde ich dieses Formular? Und er antwortet automatisch mit dem Link. Das ist das einfachste Beispiel, das ich Ihnen geben kann.

Aber das sind die Dinge, durch die sie jetzt etwa fünf Stunden pro Woche frei haben, so dass sie jetzt mehr wertvolle Zeit mit den Menschen verbringen können, sie wirklich verstehen, mehr Zeit für die Bearbeitung sensibler E-Mails und andere Dinge haben. Das ist also ein großer Effizienzgewinn.

Dayle Hall:

In einem der anderen Podcasts dieser Reihe habe ich mit jemandem gesprochen, der sich mit der Analyse von Menschen beschäftigt. Ich war erstaunt, wie viele - dass die KI und die Automatisierung und die Datenanalyse, die sie jetzt für Menschen suchen. Er kam von einer unserer Kundenorganisationen und ist jetzt bei einem großen Veranstaltungsunternehmen namens Freeman tätig. Und die haben Tausende und Abertausende von Menschen.

Und wie sie die Daten jetzt nutzen, um festzustellen, ob die Menschen auf interne Umfragen reagieren. Engagieren sie sich mehr online? Was tun sie? Sie versuchen herauszufinden, ob sie das Unternehmen wahrscheinlich verlassen werden und wie viel wir einsparen können, wenn wir das erkennen und die Abwanderung stoppen können.

Und das ist alles genau so, wie Sie es gesagt haben, nämlich die Prozesse zu betrachten, die Dinge, die Sie in den Wahnsinn treiben. Und das geht auf das zurück, was Sie zu Beginn sagten. Das ist vielleicht keine geschäftliche Herausforderung, aber auf jeden Fall eine Rollenherausforderung. Es ist etwas, womit jemand jeden Tag betraut ist und das ihn in den Wahnsinn treibt.

Heidi Bailey:

Ja, das stimmt. Denn wenn man darüber nachdenkt, gehen die meisten Menschen, weil sie eine uninteressante Arbeit machen. Wenn man keine interessante Arbeit mehr macht, neigt man dazu, zu gehen. Und was gilt als interessante Arbeit? Das hängt natürlich von der jeweiligen Funktion ab, aber jeder möchte nicht nur dasitzen und jeden Tag das Gleiche tun und sich wiederholen.

Dayle Hall:

Ich frage mich, ob Sie in Zukunft, wenn Sie sich für eine neue Stelle bewerben, fragen werden, welche Art von KI oder Automatisierungen in ihrem Unternehmen vorhanden sind, damit Sie Ihre Arbeit besser erledigen können. Das könnte ausschlaggebend dafür sein, ob Sie in diesem Unternehmen arbeiten oder nicht. Machen Sie alles manuell? Oder gibt es dort Technologien, die Sie unterstützen?

Lassen Sie mich Ihnen eine Frage stellen, denn natürlich sehen wir verschiedene Leute, mit denen wir zusammenarbeiten, verschiedene Kundenprofile, aber typischerweise sind sie entweder in der IT oder in der Geschäftssparte tätig. Sie versuchen also entweder, größere IT-Herausforderungen zu lösen und suchen nach Skalierung, oder es gibt einen Prozess, eine Rolle oder etwas innerhalb einer Geschäftssparte, HR, Marketing, Vertrieb, Finanzen, was auch immer es ist. Und dann kommen sie auf uns zu und sagen: "Wir versuchen, einen besseren Zugang zu diesen Daten zu bekommen.

Haben Sie bei Ihrer Arbeit die Erfahrung gemacht, dass es die Branche ist, die Sie anspricht? Ist es die IT? Und wenn Sie dann tatsächlich mit Ihren Projekten beginnen, kommen dann beide Gruppen ins Spiel? Wird es zu einer größeren Herausforderung, bei der mehr Leute aus einer Organisation an der Lösung dieser Herausforderungen beteiligt sind? Oder beginnt und endet es in der Regel innerhalb einer bestimmten Gruppe?

Heidi Bailey:

Nein, es sind mehrere Leute, vor allem vom Standpunkt des Marketings aus. Vor allem, weil wir eine globale Agentur sind und unseren Hauptsitz in Denver haben, kommen viele verschiedene Leute von verschiedenen Kunden und mit unterschiedlichem Hintergrund zu uns. Das beginnt nicht erst auf der IT-Ebene. Vor allem, weil unsere IT auf der Omnicom-Ebene zentralisiert ist, kommen diese verschiedenen Funktionen zu uns.

So kann es sein, dass ich an einem Tag mit unserem Mitarbeiterteam spreche. Am nächsten Tag spreche ich mit unserem Account-Team. Am nächsten Tag spreche ich mit unseren Kreativen. Am nächsten Tag spreche ich vielleicht mit unserem Medienteam. Es variiert also definitiv. Und dann gibt es da noch all die verschiedenen Projekte, die anfallen, und dann hat man auch noch die Möglichkeit, viele verschiedene Daten von verschiedenen Leuten zu bekommen, was sehr interessant ist.

Dayle Hall:

Das ist sehr interessant. Wir haben darüber gesprochen, wie man es nutzen kann, über mögliche Prozesse. Sie haben uns einige gute Beispiele gegeben. Lassen Sie uns darüber sprechen, wie Sie diese Dinge umsetzen und wie Sie Ihre Kunden bei der Umsetzung unterstützen.

Denn vor ein paar Jahren, vielleicht auch schon länger, gab es immer diese Tendenz, zu predigen oder zu denken, dass der Einsatz von KI die Menschen arbeitslos machen würde. Ich denke, wie Sie es vor ein paar Minuten beschrieben haben, befreit es die Menschen vom Alltag und erlaubt ihnen, in ihrer Rolle kreativer zu sein, aber es bedeutet nicht unbedingt, dass ihre Rolle wegfällt. Vielmehr können sie an größeren, kreativeren Aufgaben arbeiten.

Wenn Sie mit einigen Ihrer Kunden zusammenarbeiten, wie gehen Sie dann an diese Herausforderungen heran, und wie gehen Sie an Dinge wie das Änderungsmanagement heran? Veränderungsmanagement ist kein Schimpfwort, wenn es um Kunden geht, aber die Leute denken nicht oft im Voraus darüber nach. Wie gehen Sie also vor?

Heidi Bailey:

Ja, absolut. Ich denke, zuallererst muss man eine gute Strategie haben. Denn bei vielen KI-Projekten hat man eine große Vision. Die Leute denken: "Oh mein Gott, ich werde diesen KI-Chatbot haben, ich werde diese Dinge tun und so weiter. Und es dauert lange, diese Art von Projekten umzusetzen.

Wie können Sie also sehr schnell einen Mehrwert schaffen? Wie schafft man für die Kunden eine Art Krabbel-, Geh- und Laufszenario und sagt: "Okay, in der Krabbelphase werden wir diese Dinge liefern. Aber stellen Sie sicher, dass - und wir schauen uns an, was die Dinge sind, die sofort die größte Wirkung haben und die auffällig sind und Spaß machen? Denn die Leute sind wirklich begeistert. Das ist der Antrieb. Es ist fast wie Storytelling mit Ihren Produkten.

Wie ich bereits sagte, beziehen wir sie in den gesamten Prozess ein, so dass sie wirklich gut verstehen, wie die Modelle trainiert werden, was das Ergebnis sein wird, und wie sie damit arbeiten können und wie es ihnen helfen wird.

Und weil sie daran beteiligt sind - um Ihnen ein Beispiel für den sozialen Anwendungsfall zu geben, den ich Ihnen vorhin genannt habe - war das soziale Team an der gesamten Entwicklung dieses Prozesses beteiligt. Wir haben ihren Input aufgenommen, um ihnen zu helfen, ihre Arbeit besser zu machen, so dass das Endergebnis ein Tool war, das ihnen helfen würde zu verstehen, an welchem Tag wir unsere sozialen Inhalte platzieren sollten, auf welcher Plattform wir sie platzieren sollten, wie das Bild aussehen sollte, wie der Text aussehen sollte. All das wird damit optimiert. Obwohl sie also immer noch den Text schreiben und die Bilder erstellen, haben sie jetzt ein Tool, mit dem sie vor ihren Kunden richtig gut aussehen können.

Und dann stellen wir ihnen gleichzeitig die Marketingmaterialien zur Verfügung, damit sie sagen können: Hey, Kunde, sieh mal, was wir gemacht haben. Und das macht es viel einfacher. Ja.

Dayle Hall:

Ich liebe das Konzept, dass wir versuchen, ein Problem für eine bestimmte Gruppe von Menschen zu lösen, und sie natürlich in den Prozess einbeziehen. Das scheint elementar zu sein, aber ich bin mir sicher, dass die Leute an höherer Stelle in der Organisation manchmal das Gefühl haben, dass wir das trotzdem durchziehen werden.

Und mir gefällt, was Sie gesagt haben, nämlich die schnellen Gewinne, die auffälligen Gewinne. Es ist vielleicht nicht der ultimative Anwendungsfall, oder es ist vielleicht nicht der größere Plan, aber diese unmittelbaren - ich will nicht sagen auffälligen, aber diese schnellen Gewinne, die potenziell große Sichtbarkeit haben, während es vielleicht nicht die komplexeste Sache ist, die Sie lösen, aber ich kann mir vorstellen, dass das die Leute auf diese Reise mitnimmt. Und Sie haben es selbst erwähnt, die Quick Wins, das Kriechen, Gehen, Laufen. In der Crawl-Phase werden wir einige Erfolge erzielen, und dann werden Sie feststellen, dass die Organisation dies unterstützt.

Heidi Bailey:

So haben wir auch Leute erlebt, die zunächst nicht mit uns arbeiten wollten. Wir sind also ein bisschen skeptisch gegenüber KI. Mit der Zeit gewinnen sie an Interesse, wenn man es auf diese Weise macht, weil sie sagen: "Moment mal, so habe ich mir das nicht vorgestellt.

Denn wenn man darüber nachdenkt, sind Daten normalerweise nicht das interessanteste Thema. Die Leute denken an Excel-Tabellen und daran, dass sie ein weiteres Dashboard liefern werden. Wenn man ihnen auffällige Dinge zeigen kann oder sie in den Prozess einbeziehen kann und sie tatsächlich die Macht der Daten über die bloße Zahl hinaus sehen, dann weckt das ihr Interesse.

Und um noch einmal auf das Veränderungsmanagement zurückzukommen: Die andere Sache, die dies bewirkt - und das ist eigentlich ganz natürlich passiert, ich habe es nicht einmal - als wir dies das erste Mal taten, war es nicht beabsichtigt. Aber was dann passierte, war, dass wir diese Teams mitbrachten und sie tatsächlich weiterqualifizierten. Wir haben angefangen, über KI und maschinelles Lernen zu sprechen. Natürlich sind sie keine Experten, aber sie haben jetzt das Vokabular, das sie brauchen, wenn sie zusätzliche Gespräche mit Leuten führen, bei denen wir nicht im Raum sein können oder so etwas. Aber dann haben sie ein grundlegendes Verständnis und können all diese Fragen immer noch beantworten. Es ist also fast so, als würden Sie Ihre Teammitglieder, Mitarbeiter und andere durch diese Maßnahme weiterbilden.

Dayle Hall:

Ja. Wenn wir über das Social-Media-Beispiel sprechen, habe ich über Geschäftsbereiche gesprochen, und dann gibt es die komplexeren Arten von KI und maschinellem Lernen, die Sie verwenden, was in gewissem Maße ein wenig mehr Fachwissen erfordert, zum Beispiel von Datenwissenschaftlern, weil sie etwas Komplexeres machen wollen.

Haben Sie das Gefühl, dass wir durch die Entwicklung von KI, maschinellem Lernen und Automatisierung keine Datenwissenschaftler mehr in Unternehmen brauchen? Oder brauchen wir sie weniger, oder konzentrieren sie sich auf andere Dinge? Was beobachten Sie bei Ihren Kunden? Wofür setzen sie die Datenwissenschaftler ein, wenn Sie ihnen helfen, einige dieser Geschäftsprobleme zu lösen?

Heidi Bailey:

Vielleicht denken nicht alle Menschen so, aber wenn man darüber nachdenkt, dass KI unsere Arbeit grundlegend verbessert. Bei jedem Tool, das ich baue, bei jedem Tool, das mein Team baut, achte ich darauf, dass es immer auch einen menschlichen Aspekt gibt.

Wenn man es also auf diese Weise angeht, was passiert dann mit einem Datenwissenschaftler - und es gab in letzter Zeit viele Geschichten, dass Datenwissenschaftler und Datenanalysten in 10 Jahren überflüssig sein werden. Denn wenn man sich Tools wie DataRobot anschaut, die den Prozess automatisiert haben und super einfach zu bedienen sind. Man sieht auch Dinge wie ThoughtSpot, das eher ein analytisches Tool ist, aber Daten durchsuchbar macht. Braucht man überhaupt noch einen Analysten, wenn eine KI die Diagramme und Analysen automatisch für Sie erstellt, nur weil Sie etwas suchen?

Aber die Sache ist die, dass sich die Aufgaben einfach verlagern werden. Es gibt immer noch Datenwissenschaftler, aber anstatt dass sie Code schreiben und Anwendungen entwickeln und all diese Dinge, werden sie zu Interpreten oder zu Leuten, die sicherstellen, dass die KI aus ethischer Sicht solide ist. Was ist der Output der KI? Ist das das richtige Ergebnis, das wir uns wünschen? Warum trifft sie diese Art von Entscheidungen? Können wir zurückgehen und es uns ansehen? Man kommt also mehr in die Erklärungsrolle eines Datenwissenschaftlers, denn man braucht immer noch diese Fähigkeiten, um die Modelle zu hinterfragen. Man braucht diese Fähigkeiten, auch wenn es eine Automatisierungsplattform gibt, die das macht, jemanden, der hinter den Code kommt und ihn sich ansehen kann.

Es ist also nur eine Verschiebung: Ein kreativer Mensch wird immer noch ein kreativer Mensch sein, aber er wird über KI-Tools verfügen, um seine Arbeit zu verbessern. Sehen Sie sich zum Beispiel das GLIDE-Tool von OpenAI an. Im Grunde kann man einen Text nehmen und schreiben: Hey, ich brauche ein Bild, eine Couch, die vor einem Kamin sitzt, und die Couch muss rot sein, und sie muss einen Couchtisch haben, und vielleicht eine Lampe, und all diese verschiedenen Dinge, und Bücher oder was auch immer. Übersetzt das und gibt Ihnen automatisch viele Bilder zur Auswahl.

Aber als kreativer Mensch könnte Ihnen das Angst machen, weil Sie denken: "Oh mein Gott, das Ding hat einfach meinen Job automatisiert. Ich brauche nichts mehr zu erschaffen. Aber man braucht immer noch ein grundlegendes Verständnis dafür, was man eigentlich erschaffen wollte. Denn man kann nicht einfach da sitzen und sagen: Oh, ich weiß nicht, ob ich einen Couchtisch brauche oder nicht. Ich weiß nicht, ob ich dort Bücher haben will. Denn man braucht immer noch den gestalterischen und künstlerischen Aspekt. Sie sind also nur ein Hilfsmittel, um die eigene Arbeit zu verbessern, und nicht, um die eigene Arbeit zu ersetzen. Aber es ist eine Veränderung in der Denkweise, ganz sicher. Und ich denke, das ist der schwierige Teil.

Dayle Hall:

Ja, das stimmt. Und mir gefällt, was Sie gesagt haben, nämlich dass es immer einen menschlichen Aspekt gibt. Und wir haben über KI gesprochen, sie ergänzt unsere Arbeit. Ich sehe immer mehr Beispiele dafür in unserer Arbeit, bei unseren Partnern und bei den Anbietern, mit denen wir zusammenarbeiten. Aber haben Sie eine gewisse Zurückhaltung in dieser Hinsicht festgestellt?

Auch hier reden wir darüber, als ob es so einfach zu verstehen wäre. Es ist nur eine Vergrößerung. Es ersetzt Sie nicht. Aber haben Sie schon Unternehmen gesehen, die zurückhaltend waren oder sagten: "Ich brauche diese Unterstützung durch mein Unternehmen nicht"? Und wie gehen Sie damit um? Oder nehmen die Leute es an?

Heidi Bailey:

Nein, es ist auf jeden Fall schwierig, einige Leute dazu zu bringen, sich damit anzufreunden, aber ich denke, je mehr man mit ihnen redet - und ich denke, das hängt auch mit der Beteiligung zusammen, denn sie sind begeistert. Man klärt sie darüber auf, was sie tun können und was nicht.

Denn im Moment ist KI im Grunde genommen so aufgebaut, dass sie für bestimmte Aufgaben trainiert wird. Ich meine, ja, es gibt Unternehmen, die sich mit kognitiver KI und ähnlichen Dingen befassen, die ihr mehr Fähigkeiten verleihen würden als das, was die meisten KIs heute tun sollen. Wenn man sich Hollywood anschaut und all die verschiedenen Dinge, die sie getan haben, um Terminator-ähnliche Erfahrungen zu machen, bei denen KI alles übernimmt, dann denken sie im Hinterkopf genau daran.

Das muss man also überwinden. Ich denke, auch hier geht es um Engagement, Aufklärung, Transparenz und die Art und Weise, wie die Dinge aufgebaut sind, und dann darum, Wege zu finden, sie dafür zu begeistern.

Dayle Hall:

Die Realität darf einer guten Geschichte nie im Wege stehen. Ich denke, das ist Hollywoods Antwort darauf. Sie haben gerade etwas erwähnt, als wir hier zum Schluss kommen, aber Sie erwähnten etwas, das sich speziell auf KI und die damit verbundene Ethik bezieht. Wir könnten über die Ethik hinter KI und Voreingenommenheit und so weiter sprechen. Das könnte ein ganzer separater Podcast werden. Aber mich würde einfach interessieren, wie Sie das sehen. Kommt das bei Kunden zur Sprache? Ist das ein Problem? Und wie gehen Sie möglicherweise damit um, wenn sie Bedenken haben, dass diese Technologie und die Daten voreingenommen sein könnten?

Heidi Bailey:

Ich denke, es ist so wichtig, sich mit erklärbarer KI zu beschäftigen. Das führt zurück zu der Frage, wie man diese Modelle übersetzt oder wie man die KI, die man entwickelt, abfragt. Und ich denke, das fängt schon am Anfang an, wenn man sich den Trainingsdatensatz ansieht und genau versteht, was in diesem Trainingsdatensatz enthalten ist.

Und das ist ein sehr interessantes Gespräch. Ich hatte das vor ein paar Wochen mit einer internen Person. Aber es geht auch darum, zu verstehen, wenn man ein Zielsegment hat, sagen wir mal, man macht eine Werbekampagne und sagt, ich will dieses Zielsegment erreichen. Aber alles, was Sie darunter wissen, ist, dass Sie eine Taxonomie von Leuten erstellt haben, die möglicherweise gerne Kaffee kaufen, diese Art von Auto fahren, diese Art von Haus haben, ein bestimmtes Einkommen haben, diese Art von Dingen.

Aber wissen Sie wirklich, wie diese Leute zusammengesetzt sind? Manchmal ist diese Transparenz nicht gegeben. Wir haben also versucht, herauszufinden - wir sind noch nicht ganz so weit, aber wir versuchen herauszufinden, ob man die prozentuale Aufteilung der Zielgruppen wirklich aufschlüsseln und verstehen kann. Sie sprechen vielleicht Leute an, die Kaffee mögen und all diese verschiedenen Eigenschaften haben, aber erreichen Sie wirklich die Leute, die Sie wirklich brauchen?

Es beginnt mit einem Trainingsdatensatz. Man muss vollständig transparent machen, wie die Modelle aufgebaut sind, damit man auch versteht, was das Ergebnis sein wird. Man muss also in der Lage sein, zurück zu gehen und zu erklären, was passiert.

Dayle Hall:

Genau. Ja. Ich bin mir sicher, dass "erklärbare KI" ein guter Begriff dafür ist, denn ich denke, dass man auf diese Weise - wir haben vorhin darüber gesprochen - die Leute dazu bringt, es zu glauben. Die Leute glauben daran, und seien wir ehrlich: Wir versuchen, dies zu tun, um erfolgreicher zu sein, nicht nur, um unser Leben und unsere Prozesse zu verbessern, sondern auch, um in unseren Rollen erfolgreicher zu sein. Wenn man versteht, wie diese Datensätze aufgebaut sind und wie die KI eingesetzt wird, ist es viel einfacher, im gesamten Unternehmen Akzeptanz zu finden.

Heidi Bailey:

Ja, genau. Und darüber hinaus muss man natürlich vielfältige Teams haben und sie in die Gespräche einbeziehen. Und das gilt nicht nur für Ihr Team, sondern auch für den Raum, in dem Sie sich befinden, wenn Sie beginnen, einen Anwendungsfall zu entwickeln oder herauszufinden, wie Sie ein Problem lösen können, müssen Sie sicherstellen, dass auch verschiedene Funktionen in diesem Raum vertreten sind. Es ist also unglaublich wichtig, dass verschiedene Leute und verschiedene Funktionen mit unterschiedlichen Perspektiven zusammenarbeiten.

Dayle Hall:

Ja, das stimmt. Zum Abschluss habe ich noch eine letzte Frage an Sie, und ich bin sicher, dass Sie in den letzten Jahren eine Menge Entwicklungen erlebt haben. Ich bin mir sicher, dass es viele Dinge gibt, über die Sie sich sehr freuen. Aber wenn es ein paar Dinge oder eine Sache gäbe, auf die Sie sich in den nächsten 12 Monaten oder 10 Jahren freuen, was ist die eine Sache, die Sie in diesem Bereich der KI und der Automatisierung, der Nutzung von Daten und des maschinellen Lernens mit großer Spannung erwarten, die sich in den nächsten 12, zwei Jahren oder wie auch immer entwickeln wird?

Heidi Bailey:

Das ist interessant, denn wenn man über Marketing und Werbung nachdenkt, geht es seit jeher darum, das Verhalten der Verbraucher zu ändern. Ich gebe Ihnen einen Coupon, damit Sie mein Produkt kaufen, während Sie es ohne Coupon nicht gekauft hätten, oder ich schalte diese Anzeige, um Sie davon zu überzeugen, dass mein Produkt besser ist als das eines anderen.

Und so haben wir die Idee erforscht, was wäre, wenn - man nicht versucht, das Verhalten von jemandem zu ändern, weil das sehr ineffektiv und überhaupt nicht effizient ist, weil man jemanden mit 11-maliger Frequenz bombardieren muss, damit er schließlich seine Meinung ändert. Aber was wäre, wenn Sie KI und Technologie nutzen könnten, um ein wirklich gutes Verständnis dafür zu bekommen, wer Ihr Kunde tatsächlich ist, Ihr Verbraucher? Anstatt zu versuchen, ihn zu einer Verhaltensänderung zu bewegen, können Sie mit diesem Verständnis Produkte entwickeln, um ihn zu unterstützen.

In diesem Zusammenhang ist eine der Technologien, die wir untersucht haben, die emotionale KI, die sehr interessant ist, wenn man sich die Forschung und andere Dinge ansieht. Emotionen sind in der Regel der Auslöser für einen Kauf, und fast alles, was wir im Leben tun, wird von Emotionen gesteuert. Wenn Sie also den emotionalen Aspekt Ihres Kunden oder Verbrauchers wirklich gut verstehen, aber auch wissen, welche Art von Emotion tatsächlich eine Handlung auslöst, dann können Sie beginnen, in diesem Bereich zu spielen.

Deshalb haben wir mit einem Unternehmen namens Cognovi Labs zusammengearbeitet, das in diesem Bereich einige sehr interessante Dinge tut. Es geht also nicht nur darum, Emotionen vom Standpunkt des sozialen Zuhörens aus zu verstehen, wie etwa die Netto-Stimmung und die Intensität der Leidenschaft. Es geht auch darum zu verstehen, ob Wut der Ort ist, an dem wir die meisten Aktionen auslösen können. Aber es ist eine gute Wut, es ist keine schlechte Wut. Oder ist es Vorfreude, oder ist es Aufregung? Es geht nicht nur um Markenliebe. Es geht nicht darum, dass man immer - denn wenn man mit etwas zufrieden ist, wird man nichts ändern.

Das ist also wirklich interessant. Und wie lässt sich das dann quantifizieren? Wie man Emotionen quantifiziert und wie sie sich auf Umkehrungen und Einnahmen auswirken, ist etwas, das uns wirklich begeistert. Und ich glaube, das wird in den nächsten ein oder zwei Jahren einen ziemlich großen Einfluss haben.

Dayle Hall:

Ja, nein, das ist interessant. Wie Sie schon sagten, stecken im Allgemeinen Emotionen hinter vielen Kaufentscheidungen, unserem Kaufverhalten, und wie kann man das zum Guten nutzen, nicht zum Schlechten, sondern um uns zu helfen. Denn wenn wir diese Entscheidungen treffen, kaufen wir schließlich nichts, was wir nicht wirklich wollen. Aber wenn es einen Weg gibt, uns dazu zu ermutigen, dann sind wir schon dabei, aber manchmal müssen wir es nur auf eine bestimmte Art und Weise sehen. Das ist sehr interessant.

Nun, sehen Sie, ich habe eine Menge daraus gelernt. Wir haben darüber gesprochen, wie man sicherstellen kann, dass man einige gute geschäftliche Herausforderungen hat. Mir gefällt die Idee, einige dieser Datenwissenschaftler für bestimmte Teile der kreativen Überprüfungen einzusetzen.

Wir haben viel über KI als Ergänzung gesprochen, was meiner Meinung nach eines der wichtigsten Dinge war, die wir heute besprochen haben, nämlich dass sie nichts ersetzt. Das heißt, wenn Sie nicht verstehen, wer Ihr Kunde ist oder welches Profil Sie anstreben oder was er will, wenn Sie das nicht verstehen, dann wird KI das nicht beheben. Aber KI kann Ihnen helfen, zu automatisieren und mehr daraus zu machen.

Ich liebe das Konzept der KI, die gegen KI kämpft. Das ist ein Begriff, den ich in Zukunft wohl noch öfter hören werde. Was Sie gesagt haben, hat mir besonders gut gefallen: Es geht um die Erweiterung, aber auch um die Tatsache, dass es immer einen menschlichen Aspekt gibt. Der Einsatz von KI und Daten kann uns tatsächlich helfen, erfolgreicher zu sein. Und ich bin gespannt, was Sie in den nächsten Jahren zum Thema emotionale KI veröffentlichen werden.

Das war also eine großartige, großartige Diskussion. Ich bin mir sicher, dass wir - wenn Sie noch etwas zum Thema emotionale KI zu sagen haben - uns vielleicht wieder zusammensetzen und einen ganzen Podcast darüber machen können. Aber Heidi, ich danke Ihnen für Ihre Zeit heute.

Heidi Bailey:

Ja, das stimmt. Danke, dass ich dabei sein durfte.

Dayle Hall:

Ja, gut. Das war's. Vielen Dank an alle, die zugehört haben. Wir sehen uns in der nächsten Folge von Automating the Enterprise.