Creare esperienze migliori per i clienti con l'intelligenza artificiale e i dati

Dayle Hall:

Salve, state ascoltando il nostro podcast "Automatizzare l'impresa". Sono il vostro conduttore, Dayle Hall. Questo podcast è stato progettato per fornire alle nostre organizzazioni approfondimenti e best practice su come integrare, automatizzare e trasformare la loro azienda.

Il nostro prossimo ospite è il vicepresidente di Futures and AI per The Integer Group, un'azienda di marketing e attivazione del marchio basata sui dati. Sono molto felice di avere Heidi Bailey nel nostro podcast di oggi. Benvenuta, Heidi.

Heidi Bailey:

Ciao, Dayle. Grazie per avermi invitato. È da un po' di tempo che non vedo l'ora di partecipare a questa conversazione.

Dayle Hall:

Eccellente. Anch'io. In realtà, questo è un tipo di discussione molto diverso da quello che abbiamo avuto in altre occasioni che sono state più... Abbiamo avuto alcune università, alcuni clienti e un paio di organizzazioni non profit, ma questa di oggi mi entusiasma molto proprio per le discussioni sul marketing e sul marchio che faremo.

Grazie per essersi unito a noi. Prima di entrare nel vivo dell'argomento, perché non ci dà una rapida panoramica di chi è lei, di come è entrato in questo tipo di contesto, di chi è The Integer Group e di come sta aiutando le persone?

Heidi Bailey:

Sì, assolutamente. The Integer Group fa parte di Omnicom, la famiglia Omnicom. Siamo una delle più recenti aziende in crescita al mondo e ci concentriamo soprattutto sul commercio e sulla vendita al dettaglio. Siamo entrati a far parte della famiglia Omnicom attraverso Omnicom Commerce Group. Io sono il vicepresidente di Futures and AI, che fa parte del nostro team di growth sciences.

Le scienze della crescita di Integer sono un servizio completo di analisi. Abbiamo una suite che spazia dalla reportistica sulle performance, alla modellazione dei media, alla modellazione dell'attribuzione, e poi il mio team si concentra sull'apprendimento automatico, l'intelligenza artificiale, l'internet delle cose, questo tipo di attività. Sono arrivato al mio ruolo perché sono sempre alla ricerca di ciò che è nuovo, di ciò che è prossimo, di ciò che nessuno sta ancora facendo.

Sono in agenzia da sette anni. Il mio team siede al centro dell'organizzazione, tra i team interni dei clienti, ma anche tra i clienti e organizza riunioni per individuare le lacune, le sfide aziendali che stanno cercando di risolvere, ma anche le aree di opportunità, qualcosa a cui qualcuno potrebbe non aver pensato prima, ad esempio come potremmo risolvere questo problema utilizzando i dati tecnologici e l'intelligenza artificiale.

Abbiamo molti strumenti diversi nel nostro set di strumenti. Lavoriamo su competenze di tipo AI conversazionale, competenze vocali, Alexa, Google Home, questo genere di cose. Ma abbiamo anche capacità di scienza dei dati, dove costruiamo le nostre soluzioni e i nostri prodotti. Quindi è questo che faccio. Sì, è questo il mio lavoro.

Dayle Hall:

Wow. È davvero interessante. Quindi si tratta di vari tipi di tecnologie, ma anche di costruire soluzioni e di fornire consulenza ai clienti, il che credo sia unico.

Quando i clienti o i potenziali clienti si rivolgono a voi, avete appena accennato al tentativo di risolvere le sfide aziendali, come funziona di solito? Vengono da voi e vi dicono: "Abbiamo questa sfida, potete aiutarci con l'intelligenza artificiale a risolverla"? Oppure vengono da voi e dicono: "Abbiamo una cosa più grande che stiamo cercando di far crescere nel nostro mercato, o stiamo cercando di risolvere una sfida di mercato più grande, e poi voi li aiutate a mostrare come l'IA può aiutarli"? Quale ritiene sia l'approccio abituale per voi?

Heidi Bailey:

A volte non si tratta nemmeno di una sfida commerciale. Potremmo semplicemente essere seduti a una riunione con un cliente. Hanno detto: "Se solo potessimo fare questo, o se solo potessimo fare quello", giusto? Ci sono sicuramente casi in cui ci viene chiesto di risolvere sfide e obiettivi aziendali molto specifici. Ma ci sono anche momenti in cui ci vengono semplicemente delle idee. Ci si siede lì e si pensa: "Oh, aspetta un attimo".

Potete farlo se disponete di questo insieme di dati. E se non disponete di questo insieme di dati, abbiamo una tecnologia che può aiutarvi a raccogliere questo insieme di dati in modo da poter affrontare la vostra sfida o costruire qualcosa di proprietario che la affronti.

È così che ci sediamo. Il mio team partecipa a diverse riunioni. I miei scienziati dei dati partecipano a revisioni creative e cose del genere, in modo da individuare alcune aree di opportunità e proporre nuove idee, ma anche per aprire la loro mente alle possibilità di ciò che si può fare.

Dayle Hall:

Sì, no, lo adoro. Mi piace avere scienziati dei dati che partecipano alle riunioni creative. Immagino che sia una prospettiva davvero unica. Parliamo un po' di questo. Parliamo un po' dell'IA che usa i dati per guidare la crescita. Lei ha detto che a volte le idee nascono durante le riunioni. A volte ci sono sfide specifiche che un cliente sta potenzialmente cercando di risolvere.

Non dovete fare nomi, ma fatemi qualche esempio di come vedete certe tecnologie che state usando per identificare potenzialmente le tendenze o sviluppare intuizioni che vi aiutino a dare consigli migliori al team. Esaminiamo innanzitutto la parte tecnologica. Cosa state usando e come lo fate?

Heidi Bailey:

Ci sono diversi tipi di tecnologie che utilizziamo, ovviamente AWS, Snowflake, tutti questi tipi di cose, per automatizzare i dati in tempo reale. Ma oltre a questo, lavoriamo a stretto contatto con DataRobot.

Per fare una breve introduzione su chi è DataRobot, si tratta di un fornitore di AI cloud che ci ha permesso di democratizzare l'AI per i nostri team e clienti. E ciò che ci piace davvero di loro, il motivo per cui stiamo lavorando con loro, è che sono davvero uno strumento di automazione end-to-end quando si tratta di scienza dei dati. Hanno automatizzato tutto, a partire dal lavoro di sviluppo. Hanno uno strumento di preparazione automatica dei dati, che una volta preparati i dati - e come sapete, i data scientist passano circa l'80% del loro tempo a preparare i dati.

Hanno quindi automatizzato questo aspetto. In pratica si preme un pulsante e si passa alla funzione ML automatica, alle serie temporali automatiche, dove si può iniziare immediatamente a costruire questi modelli, fino al monitoraggio e alla gestione del deployment di questi modelli.

Quello che abbiamo riscontrato con grande successo è l'utilizzo delle loro applicazioni no-code. Se si pensa a un progetto di intelligenza artificiale, ci vogliono mesi. E poi si spendono tutti questi soldi nello sviluppo per arrivare a una sorta di applicazione per far funzionare l'IA. E poi si inizia a capire che c'è qualcosa di sbagliato nel codice, qualcosa di sbagliato nel modello. Bisogna tornare indietro e rifare tutto da capo. E così, a questo punto, si è speso tutto questo tempo per costruire qualcosa e spendere tutti questi soldi senza ottenere alcun tipo di guadagno per l'azienda.

Con le applicazioni no-code, è possibile distribuire immediatamente i modelli e sperimentare in pochi giorni. Questo ci permette di scalare la nostra produzione di IA, ma anche di liberare molto tempo per i data scientist, che possono partecipare a riunioni creative e altre cose del genere.

Questo è uno strumento che usiamo spesso. L'altro strumento interessante è quello chiamato Q. Questo strumento è stato costruito da una delle nostre agenzie sorelle, la Sparks & Honey. Hanno stretto una partnership con sei o forse sette editori e raccolgono circa 90 miliardi di segnali al giorno provenienti da trend, tendenze culturali e altre cose del genere. E si basano su una tonnellata di dati storici.

E così hanno costruito una piattaforma che non solo mostra - se si pensa al social listening o a cose del genere - non solo le tendenze a breve termine o le cose che stanno accadendo nel mercato oggi, ma si può anche - perché hanno esaminato la velocità delle tendenze, si può effettivamente prevedere due anni dopo.

Quando mettiamo a punto le strategie di crescita per i clienti, utilizziamo strumenti come questo insieme a DataRobot e ad altri strumenti che abbiamo per capire su cosa concentrarsi oggi, ma anche qual è la forza duratura del mercato tra due anni.

Dayle Hall:

Già. Sono interessanti. Quello che vediamo nella nostra attività, nei potenziali clienti e negli approcci dei clienti, è che stanno cercando di fare qualcosa di simile utilizzando il nostro strumento per ottenere un migliore accesso ai dati. È molto simile in termini di locale. Quindi di solito stanno risolvendo una sfida immediata.

E hai appena accennato al fatto di mostrare loro cose che sono potenzialmente lontane un paio d'anni, come la prendono? Perché di solito pensano: "Beh, sappiamo che dobbiamo risolvere questo problema adesso". Quando gli mostri cosa è possibile fare o gli mostri qualche intuizione per qualche anno nel futuro, senza offesa, se la bevono? Pensano che sia tutto inventato? Come si fa a fare in modo che possano davvero apprezzare o accettare alcune delle proiezioni che mostrate?

Heidi Bailey:

In verità, è molto più facile con alcuni clienti che con altri, perché alcuni sono più aperti di altri. Ma ho sempre constatato che se si è molto trasparenti su come vengono costruiti questi strumenti, piuttosto che dire semplicemente: "Ecco un altro strumento di intelligenza artificiale da acquistare o da usare", il modo in cui lo impostiamo è super trasparente su come vengono costruiti tutti i prodotti nel back end, sui dati utilizzati, sulla tecnologia impiegata.

Quando lo spieghiamo in questo modo, diventa molto più facile dire: "Oh, ok, ora capisco come potete prevedere questo trend tra due anni o come potete prevedere i miei budget tra due anni". Questo è il nostro approccio.

Dayle Hall:

Già. In uno degli altri podcast che ho realizzato per questa serie, una delle discussioni che abbiamo affrontato è stata quella di non fidarsi necessariamente di un fornitore o di un'organizzazione di servizi, o di qualsiasi altra cosa, se non vi dicono come stanno usando l'IA, come è stata costruita e i dati che vengono inseriti.

Se la chiamano salsa segreta, in genere non riuscirete a convincere i clienti o i committenti dei dati che state mostrando, perché possono fidarsi del fatto che la vostra scatola nera sia effettivamente l'output giusto? Mi piace quindi la trasparenza dell'IA. Penso che questo sia un aspetto che alcune delle aziende con cui ho lavorato e per le quali ho utilizzato questo tipo di strumento, più sono trasparenti, più è facile che i clienti si convincano e che seguano effettivamente i risultati. Sono sicuro che troverete qualcosa di simile.

Heidi Bailey:

Già. E con alcuni clienti, soprattutto quelli che sono ancora un po' scettici, li coinvolgiamo nel processo di costruzione dei modelli se stiamo costruendo qualcosa noi stessi. Mettiamo davanti a loro il set di dati di addestramento, lo esaminano, capiscono le dimensioni che contiene, in modo che alla fine capiscano anche ciò che l'IA fornisce alla fine. È stato molto efficace.

Dayle Hall:

Con The Integer Group e l'attenzione al marketing, al branding, all'esperienza del cliente e a questo genere di cose, che tipo di lavoro state svolgendo? Che tipo di considerazioni dovrebbe fare un responsabile del marketing o dell'esperienza del cliente quando pensa di utilizzare l'automazione o l'IA, l'apprendimento automatico per risolvere le sfide principali?

So che ne abbiamo parlato un po' all'inizio, a proposito del modo in cui le persone si avvicinano a voi, ma di solito, quando siete seduti con, non so, un CMO o qualcuno che è responsabile dell'esperienza del cliente, quale linea di base stabilite con loro? Quali sono le linee guida o i ruoli per cui dici: "Ok, questo è il modo in cui inizieremo". Come si inizia questa conversazione?

Heidi Bailey:

Tutto dipende dal cliente e ovviamente da ciò che sta cercando di vendere. Ma in termini di utilizzo dell'IA e dell'automazione, il modo in cui ci rivolgiamo ai clienti su come dovrebbero iniziare a pensare alle cose - e se ci pensate bene, l'automazione, l'IA, l'apprendimento automatico e la tecnologia utilizzata nel settore del marketing sono sempre stati piuttosto avanzati.

Pensate ai media programmatici. Si impostano i parametri all'istante e gli annunci vengono serviti ai consumatori ovunque essi si trovino. Non è una novità poter utilizzare alcune di queste tecnologie nel settore del marketing, ma lo è nel modo in cui si sta iniziando a pensarci anche dal punto di vista della personalizzazione, se ci pensate.

Non è una novità, non è un concetto nuovo. Richiede molti dati. E la personalizzazione esiste da molto tempo. Se ci pensate, dovete ancora segmentare i clienti, dovete ancora capire chi è il vostro pubblico di riferimento, in modo da poter andare su scala e targettizzarlo. E poi si possono usare piattaforme di ottimizzazione creativa dinamica per fornire ai clienti tutti questi banner pubblicitari personalizzati.

Tuttavia, il nostro approccio è diverso, perché diciamo che, invece di lasciare che siano le macchine a prendere le decisioni per voi, una volta eseguite, dovreste già sapere cosa porterà al successo prima di eseguirle.

Quindi, invece di lasciare che una piattaforma di ottimizzazione creativa dinamica prenda tutte le decisioni al posto vostro, dovreste già avere un'ottima conoscenza del fatto che se vi rivolgete a questo pubblico, questi sono i tipi di conversioni che otterrete. E se li colpisci con questo tipo di creatività, se cambi il colore dal rosso al blu, ad esempio, in che modo questo porterà a conversioni aggiuntive, oppure no? Stiamo cercando di anticipare le cose, prima ancora di raggiungere le piattaforme, per avere un'ottima comprensione di ciò che è necessario eseguire.

Dayle Hall:

Questo è interessante, perché mi fa pensare che l'uso di queste tecnologie aiuti ad aumentare ciò che il marketing sta facendo e ciò che dovrebbe fare, e non necessariamente a sostituire ciò che sta facendo. E credo che questo sia un punto fondamentale. Ma quando faccio questi podcast, cerco di fare in modo che tutti possano trarre qualcosa e non solo dire: "Beh, è stato interessante, ma non so cosa farne".

Ma credo che questo sia un punto davvero fondamentale: se lavorate nel marketing, dovreste sapere quali sono le cose che volete servire, che tipo di conversioni aspettarvi. E poi utilizzare l'intelligenza artificiale per aiutarvi a scalare, a diventare più efficienti o altro, ma non partire con l'idea che, se abbiamo un problema, l'intelligenza artificiale lo risolverà per noi, il che credo sia una differenza fondamentale.

Come me, avete visto il grafico: quanti strumenti MarTech ci sono oggi? 7.000, 8.000, giusto? L'avete visto. Quanti di questi pensi che parlino di IA? Probabilmente molti.

Heidi Bailey:

Tutti.

Dayle Hall:

Tutti, giusto?

Heidi Bailey:

Sì. Dicono se lo stanno facendo o meno. Lo dicono di sicuro.

Dayle Hall:

Si'... Si', si', si'. Certo. Certo. Ma mi piace questa differenziazione, che consiste nel comprendere i propri processi e poi usare l'intelligenza artificiale per potenzialmente aumentarli. So che lavorate con molti clienti, e sono certo che i rivenditori sono davvero impressionanti. Ha qualche esempio di come questi utilizzino l'intelligenza artificiale in tandem con il lavoro che stanno svolgendo per sviluppare potenzialmente alcune intuizioni o migliori opportunità di coinvolgimento per aumentare ciò che stanno facendo nel loro processo?

Heidi Bailey:

Un ottimo esempio è, e stiamo solo riprendendo quello di cui parlavamo prima, come usare l'IA per aumentare quello che già si fa. Io la vedo come un'IA che combatte l'IA, se vogliamo.

Per fare un esempio, ci sono tutti i grandi colossi dei media, come Google, Facebook, Amazon, Walmart.com e potrei continuare. Ma tutte queste piattaforme hanno i loro strumenti di intelligenza artificiale proprietari che utilizzano per l'esecuzione dei media. E vi danno pochissime informazioni su come funzionano. Per fare un esempio, una settimana si esegue una campagna social che va benissimo. Il tasso di coinvolgimento è davvero elevato. Avete un sacco di condivisioni. Avete molti "mi piace" e tutto questo genere di cose.

Magari, un paio di mesi dopo, si esegue una campagna molto simile, con un pubblico simile, un tipo di unità creativa molto simile, e la campagna va a rotoli. E fa un risultato orrendo. E probabilmente avete speso più soldi per quella che per la precedente, perché vi aspettavate un successo. Non si capisce perché questo accada.

Quello che abbiamo fatto è stato dire: "Ok, stiamo eseguendo campagne sui social media di Facebook da anni e anni e anni, possiamo usare i nostri dati storici per far sì che un'intelligenza artificiale trovi i modelli di ciò che potrebbe potenzialmente accadere in modo da poter prevedere il successo dei post futuri? È esattamente quello che abbiamo fatto.

Non disponendo di una comprensione fondamentale o di un calcolo dei loro algoritmi o di una comprensione del modo in cui lo fanno, possiamo ora far sì che l'IA esamini i futuri post che verranno pubblicati e ci fornisca un punteggio di previsione sul successo o meno di un post. Ecco come stiamo cercando di usare l'IA per combattere l'IA.

Dayle Hall:

Sono sicuro che potremmo avere un intero podcast separato sull'IA che combatte l'IA. Mi piace. Mi piace questa terminologia.

Heidi Bailey:

E di solito lo si vede nei servizi IT e di sicurezza, perché sta diventando così sofisticato che è quasi necessario eseguire l'IA, per combattere tutte le persone che cercano di entrare. Ma non ho mai sentito parlare di un uso simile nel marketing. Quindi è davvero divertente.

Dayle Hall:

Già. Quindi, mentre andiamo avanti a pensare a... Questo è davvero un buon esempio. E, ovviamente, ci sono molte cose che possono essere automatizzate, sia nel marketing che nell'esperienza del cliente, ma credo che tutto ciò che ha un flusso di lavoro o un processo possa essere automatizzato.

Se sono seduto lì, penso: "Ok, questa è un'ottima discussione che stanno facendo quei due". Ma come faccio a tornare alla mia organizzazione e dire: come faccio a identificare questi processi? Come li applico? Come faccio a identificare quali attività possono essere automatizzate o dove l'IA può essere utile? Se doveste consigliare a qualcuno appena arrivato, da dove dovrebbe iniziare? Iniziare dal marketing? Iniziare con qualsiasi processo? Qual è un buon primo progetto?

Heidi Bailey:

Si tratta di capire bene con chi parlare all'interno dell'organizzazione per capire da dove iniziare. E questo significa essenzialmente avere conversazioni con i principali stakeholder all'interno di ciascuno dei diversi dipartimenti.

E poi si inizia a intervistarli. È solo una conversazione naturale, del tipo: "Ehi, cos'è che devi fare ogni giorno e che ti fa impazzire, e che vorresti non dover fare e poter dedicare più tempo a qualcosa di più prezioso? Si tratta di questo tipo di conversazioni.

Per fare un esempio, ne abbiamo avuta una, che in realtà è nata da sola. Non stavamo cercando di intervistare persone diverse all'interno dell'organizzazione, ma mi è capitato di far parte di quello che chiamiamo il nostro dipartimento di risorse umane, ma il nostro team di persone all'interno di Integer. E ho partecipato a una telefonata con loro. E la persona mi ha detto: "Vorrei avere più tempo da dedicare alle conversazioni emotive, quelle che contano davvero". E io ho chiesto: "Cosa intendi dire?". E lei: "Tutto il giorno non faccio altro che rispondere alle stesse domande, in continuazione, come ad esempio dove posso trovare questo modulo, dove posso trovare la mia busta paga e cose del genere".

Quindi una soluzione semplice è: "Ok, queste sono tutte domande non sensibili, possiamo creare rapidamente una sorta di chatbot per le risorse umane o una chatbot per le persone? Si può semplicemente chiedergli e dire: "Ehi, dove posso trovare questo modulo? E lui risponde automaticamente con il link. Questo è l'esempio più semplice che posso fare.

Ma sono questi i tipi di cose che ora liberano il loro tempo, circa cinque ore alla settimana, e che permettono loro di passare più tempo prezioso con le persone, di capirle davvero, di dedicare più tempo alla gestione delle e-mail sensibili e di altre cose del genere. Si tratta quindi di un grande guadagno di efficienza.

Dayle Hall:

In uno degli altri podcast di questa serie, ho parlato con una persona che si occupa di analisi delle persone. Mi ha stupito il numero di persone che stanno guardando all'IA, all'automazione e all'analisi dei dati. Proveniva da una delle nostre organizzazioni clienti e si è appena unito a un'enorme società di eventi chiamata Freeman. Hanno migliaia e migliaia di persone.

E come stanno usando i dati per capire se le persone rispondono ai sondaggi interni. Si stanno impegnando di più online? Cosa stanno facendo? Per cercare di identificare cose come: è probabile che abbandonino l'azienda e quanto potremmo risparmiare se riuscissimo a identificare e fermare l'abbandono?

E tutto questo è proprio come hai sottolineato tu, cioè guardando ai processi, alle cose che ti fanno impazzire. E questo si ricollega a quanto hai detto all'inizio. Forse non è una sfida aziendale, ma è sicuramente una sfida di ruolo. È qualcosa che qualcuno deve affrontare ogni giorno e che lo fa impazzire.

Heidi Bailey:

Sì. Perché se ci pensi, la maggior parte delle persone se ne va perché fa un lavoro poco interessante. Perché se ci pensi, la maggior parte delle persone se ne va perché fa un lavoro poco interessante. Se non si fa più un lavoro interessante, si tende ad andarsene. E cosa si intende per lavoro interessante? Dipende dal ruolo che si ricopre, ovviamente, ma tutti vorrebbero non stare seduti lì a fare la stessa cosa ogni giorno ed essere ripetitivi.

Dayle Hall:

Mi chiedo se in futuro, quando farete un colloquio per un nuovo lavoro, chiederete che tipo di IA hanno o di automazioni nella loro organizzazione per permettervi di fare meglio il vostro lavoro. Questo potrebbe determinare l'ingresso o meno in quell'azienda. Fate tutto manualmente? Oppure dispongono di queste tecnologie per aiutarvi?

Permettetemi di farvi una domanda, perché, ovviamente, quando vediamo le persone con cui lavoriamo, i profili dei clienti sono diversi, ma di solito sono o all'interno dell'IT o all'interno della line of business. Quindi o stanno cercando di risolvere le sfide IT più grandi e stanno cercando di scalare, o c'è un processo, un ruolo o qualcosa all'interno di una linea di business, HR, marketing, vendite, finanza, qualunque cosa sia. E poi si rivolgono a noi dicendo: "Stiamo cercando di ottenere un accesso migliore a questi dati".

Secondo la sua esperienza, per il lavoro che sta svolgendo, trova che sia la linea di business ad avvicinarsi a lei? E l'IT? E poi, quando iniziate i vostri progetti con loro, entrano in gioco entrambi i gruppi? Sta diventando una sfida più grande in cui più persone dell'organizzazione sono coinvolte nella risoluzione di queste sfide? Oppure di solito inizia e finisce all'interno di un gruppo specifico?

Heidi Bailey:

No, si tratta di più persone, soprattutto dal punto di vista del marketing. Soprattutto perché siamo un'agenzia globale, con sede centrale a Denver, vediamo arrivare da noi persone diverse, provenienti da clienti e contesti diversi. Non si parte dal livello IT. Soprattutto perché il nostro sistema informatico è centralizzato a livello di Omnicom, ci sono funzioni diverse che arrivano da noi.

Quindi un giorno potrei parlare con il nostro team di persone. Il giorno dopo, parlo con il nostro team di account. Il giorno dopo parlo con i nostri creativi. Il giorno dopo potrei parlare con il team dei media. Quindi, le cose variano decisamente. E poi ci sono tutti i vari progetti che si presentano, e poi si ha anche la disponibilità di avere molti dati diversi da persone diverse, il che è interessante.

Dayle Hall:

È interessante. Abbiamo parlato di come utilizzarlo, di potenziali processi. Ci avete fornito alcuni buoni esempi. Parliamo di come implementate queste cose e di come guidate i clienti nell'implementazione.

Perché qualche anno fa, forse da più tempo, ma c'è sempre stata questa tendenza a pontificare o a pensare che l'utilizzo dell'IA avrebbe tolto il lavoro alle persone. Come lei ha descritto pochi minuti fa, in realtà l'IA libera le persone dalla routine, permette loro di essere più creative nel loro ruolo, ma non significa necessariamente che il loro ruolo venga meno. Anzi, possono lavorare a compiti più grandi e creativi.

Quando iniziate a lavorare con alcuni dei vostri clienti, come affrontate queste sfide e come vi approcciate a cose come la gestione del cambiamento? Perché la gestione del cambiamento non è una parola sporca quando si parla di clienti, ma spesso non ci si pensa prima. Quindi come lo affrontate?

Heidi Bailey:

Sì, assolutamente. Penso che la prima cosa da fare sia avere una buona strategia. Perché molti dei progetti di IA hanno una visione di massa. Le persone pensano: "Oh mio Dio, ecco, avrò questo chatbot AI, farò queste cose e così via". E ci vuole molto tempo per realizzare questo tipo di progetti.

Come si fa ad aggiungere valore molto rapidamente? Come creare uno scenario del tipo "striscia, cammina, corri" per i clienti e dire: "Ok, nella fase di strisciamento, queste sono le cose che forniremo"? Ma assicuratevi che... e quello che guardiamo è quali sono le cose che possono portare il massimo impatto subito e che sono appariscenti e divertenti? Perché la gente si eccita davvero. È così che si guida. È quasi come raccontare una storia con i vostri prodotti.

Lo facciamo in questo modo, ma, come ho detto prima, li coinvolgiamo anche nell'intero processo, in modo che capiscano bene come vengono addestrati i modelli, quali saranno i risultati, e poi anche come possono lavorarci e come li aiuterà.

E poiché sono coinvolti, tanto per fare un esempio del caso d'uso social che vi ho presentato prima, il team social è stato coinvolto nell'intera costruzione di quel processo. Abbiamo preso spunto dai loro suggerimenti per aiutarli a svolgere meglio il loro lavoro e il risultato finale è stato uno strumento che li ha aiutati a capire in quale giorno dovremmo inserire i nostri contenuti social, su quale piattaforma dovremmo inserirli, quale dovrebbe essere l'immagine, quale il testo. Ottimizza tutto questo. Quindi, anche se continuano a scrivere il testo e le immagini, ora hanno uno strumento che permette loro di apparire davvero molto intelligenti di fronte ai clienti.

E poi, allo stesso tempo, forniamo loro il materiale di marketing per poterlo prendere e dire: "Ehi, cliente, guarda cosa abbiamo fatto". E questo rende tutto molto più semplice. Sì, è così.

Dayle Hall:

Mi piace il concetto che stiamo cercando di risolvere un problema per un certo gruppo di persone, ovviamente coinvolgendole in tutto il processo. Sembra una cosa elementare, ma sono sicuro che a volte le persone più in alto nell'organizzazione pensano che dobbiamo fare in modo che questo accada a prescindere.

E in realtà mi piace molto quello che hai detto, ovvero i successi rapidi, i successi eclatanti. Potrebbe non essere il caso d'uso finale o non essere il piano più grande, ma ottenere quelle vittorie immediate, non voglio dire appariscenti, ma ottenere quelle vittorie rapide che potenzialmente hanno una grande visibilità, mentre potrebbe non essere la cosa più complessa che state risolvendo, ma posso immaginare che porterebbe le persone in quel viaggio. E lei stesso l'ha menzionato, le vittorie rapide, il "crawl, walk, run". Otterremo alcune vittorie nella fase di strisciamento, poi scoprirete che l'organizzazione lo supporta.

Heidi Bailey:

È così che abbiamo visto anche persone che inizialmente non volevano lavorare con noi. Siamo un po' scettici sull'IA. Con il passare del tempo, quando lo si fa in questo modo, si inizia a vedere che acquistano interesse, proprio perché pensano: "Oh, aspetta un attimo, non è quello che pensavo che sarebbe stato".

Perché di solito, a pensarci bene, i dati non sono l'argomento più interessante. Le persone pensano a fogli di calcolo Excel e a un altro dashboard. Quando si possono mostrare cose appariscenti, o farli partecipare al processo, e vedere effettivamente la potenza dei dati al di fuori del numero in sé, allora li si interessa davvero.

E poi, tornando alla gestione del cambiamento, l'altra cosa che questo fa - e questo in realtà è successo naturalmente, non l'ho nemmeno fatto - la prima volta che l'abbiamo fatto, non era intenzionale. Ma alla fine è successo che, mentre portavamo avanti questi team, li abbiamo effettivamente qualificati. Abbiamo iniziato a parlare di intelligenza artificiale, di apprendimento automatico. Ovviamente non sono esperti, ma ora hanno il vocabolario necessario per affrontare altre conversazioni con persone che non possono essere presenti nella stanza o cose del genere. Ma poi hanno una comprensione fondamentale, possono ancora rispondere a tutte quelle domande. In questo modo, è quasi come se steste aggiornando i membri del vostro team, il vostro personale e gli altri.

Dayle Hall:

Già. Quando parliamo dell'esempio dei social media, ho parlato di linee di business, e poi ci sono i tipi più complessi di IA e di apprendimento automatico che si utilizzano, che, in una certa misura, richiedono un po' più di competenza, ad esempio i data scientist, perché vogliono fare qualcosa di più complesso.

Ritiene che con l'AI, l'apprendimento automatico e l'automazione non abbiamo più bisogno di data scientist nelle organizzazioni? O ne abbiamo meno bisogno, o si concentrano su altre cose? Cosa vede nei clienti? Per che cosa utilizzano i data scientist, se voi state aiutando a risolvere alcuni di questi problemi di business?

Heidi Bailey:

Forse non tutte le persone la pensano così, ma se si pensa all'IA si migliora ciò che facciamo, fondamentalmente. Ogni strumento che costruisco, ogni strumento che il mio team costruisce, mi assicuro che ci sia sempre una sorta di aspetto umano.

Quindi, se si affronta la questione in questo modo, ciò che accade a un data scientist - e di recente sono state diffuse molte storie secondo cui tra 10 anni i data scientist e gli analisti di dati saranno obsoleti. Perché si guarda a strumenti come DataRobot, che hanno automatizzato il processo e sono facilissimi da usare. Si vedono anche cose come ThoughtSpot, che è uno strumento più analitico, ma con dati ricercabili. Avete ancora bisogno di un analista se un'intelligenza artificiale crea automaticamente i grafici e le analisi per voi, semplicemente cercando qualcosa?

Ma il fatto è che le mansioni si sposteranno. Ci sono ancora gli scienziati dei dati, ma invece di scrivere il codice e creare le applicazioni e tutto il resto, diventano interpreti o persone che si assicurano che l'IA sia corretta da un punto di vista etico. Qual è l'output dell'IA? È il risultato giusto che vogliamo? Perché prende questo tipo di decisioni? Possiamo tornare indietro e controllare? Così si inizia a passare al ruolo di spiegatore di uno scienziato dei dati, perché sono ancora necessarie quelle competenze per interrogare i modelli. Anche se c'è una piattaforma di automazione che lo fa, qualcuno che può andare dietro al codice e guardarlo deve avere queste competenze.

Si tratta quindi di un cambiamento, come se una persona creativa continuasse a essere una persona creativa, ma avesse a disposizione strumenti di intelligenza artificiale per migliorare ciò che deve fare. Per fare un esempio, basta guardare lo strumento GLIDE di OpenAI. In sostanza, si può prendere un testo e scrivere: "Ho bisogno di un'immagine, un divano seduto davanti a un caminetto, e ho bisogno che il divano sia rosso, e che abbia un tavolino, e magari una lampada, e tutte queste cose diverse, e libri o altro". Traduce il tutto e fornisce automaticamente molte immagini tra cui scegliere.

Ma se sei una persona creativa, questo potrebbe spaventarti perché pensi: "Oh mio Dio, questa cosa ha appena automatizzato il mio lavoro". Non avrò più bisogno di creare nulla. Ma avete ancora bisogno della comprensione fondamentale di ciò che volevate creare. Perché non si può avere una persona seduta lì che dice: "Oh, non so se ho bisogno di un tavolino da caffè o no". Non so se voglio dei libri lì. Perché c'è ancora bisogno del design e dell'aspetto artistico. Quindi diventano solo strumenti per migliorare ciò che si fa, invece di sostituirsi a ciò che si fa. Ma è sicuramente un cambiamento nel modo di pensare. E credo che questa sia la parte difficile.

Dayle Hall:

Sì. E mi piace quello che hai detto, cioè che c'è sempre un aspetto umano in tutto questo. Mi piace quello che hai detto, cioè che c'è sempre un aspetto umano in tutto questo. E abbiamo parlato di IA, che sta aumentando il nostro lavoro. Ne vedo sempre più esempi nel lavoro che svolgiamo, nei partner e nei fornitori con cui collaboriamo. Ma ha notato qualche reticenza in questo senso?

Ancora una volta, ne parliamo come se fosse facile da capire. È solo un aumento. Non ti sostituisce. Ma avete visto aziende che hanno notato una certa reticenza o una sorta di "non ho bisogno di questo supporto da parte della mia azienda"? E come vi approcciate a questo? O le persone lo abbracciano?

Heidi Bailey:

No, è sicuramente difficile convincere alcune persone ad accettarlo, ma penso che più si parla con loro - e di nuovo, penso che sia anche una questione di coinvolgimento, perché si entusiasmano. Li si educa su ciò che può o non può fare.

Perché al momento, fondamentalmente, l'IA è costruita e addestrata per svolgere compiti specifici. Certo, ci sono aziende che stanno studiando l'IA cognitiva e altre cose del genere, che le darebbero una capacità più personale rispetto a ciò che la maggior parte delle IA è destinata a fare oggi. Se si guarda a Hollywood e a tutte le cose che hanno fatto per creare esperienze simili a quelle di Terminator, in cui l'IA prende il sopravvento su tutto, in fondo è quello che stanno pensando.

Quindi bisogna superare questo problema. Penso che, ancora una volta, si tratti solo di coinvolgimento, educazione, trasparenza e di come vengono costruite le cose, per poi trovare il modo di entusiasmarli.

Dayle Hall:

Non lasciare mai che la realtà intralci una buona storia. Credo che questa sia la risposta di Hollywood. Ha appena accennato a qualcosa, mentre ci avviamo alla conclusione, ma ha menzionato qualcosa di specifico sull'IA e sulla sua etica. Potremmo parlare dell'etica dell'IA, dei pregiudizi e così via. Potrebbe essere un podcast a parte. Ma sarebbe interessante conoscere il suo punto di vista. Si tratta di un problema che riguarda i clienti? È una preoccupazione? E come gestite potenzialmente la questione se hanno il timore che ci possano essere dei pregiudizi all'interno di questa tecnologia e dei dati?

Heidi Bailey:

Ritengo che sia così importante arrivare a un'IA spiegabile. Questo si ricollega a come si traducono i modelli o a come si interroga l'IA che si sta costruendo. E credo che questo cominci fin dall'inizio, dando un'occhiata al set di dati di addestramento, comprendendo esattamente cosa c'è in quel set di dati di addestramento.

È una conversazione molto interessante. L'ho affrontata con una persona interna un paio di settimane fa. Ma si tratta anche di capire, se si ha un segmento target, diciamo che si sta facendo una campagna pubblicitaria e si dice: voglio colpire questo segmento target. Ma sotto sotto, tutto ciò che sapete è che avete costruito una tassonomia di persone che potenzialmente amano comprare il caffè, guidare questo tipo di auto, avere questo tipo di casa, di reddito, questo tipo di cose.

Ma sapete davvero qual è la composizione di queste persone? A volte non c'è questo livello di trasparenza. Per questo abbiamo cercato di capire - non ci siamo ancora arrivati, ma stiamo cercando di capire: è possibile approfondire e comprendere davvero bene la ripartizione percentuale delle persone a cui ci si rivolge? Magari vi rivolgete a persone che amano il caffè e hanno tutte queste caratteristiche, ma state davvero raggiungendo le persone di cui avete bisogno.

Inizia con un set di dati di addestramento. Si inizia con la piena trasparenza di come vengono costruiti i modelli, in modo da comprendere anche quale sarà l'output. Quindi, credo che sia necessario essere in grado di tornare indietro e spiegarlo.

Dayle Hall:

Giusto. Sì. Sono sicuro che l'IA spiegabile sia una buona terminologia, perché penso che in questo modo, ne abbiamo parlato prima, si riesca a convincere le persone. Le persone ci credono, e cioè, ammettiamolo, stiamo cercando di fare questo per avere più successo, non solo per aiutare le nostre vite e i nostri processi, ma stiamo cercando di avere più successo nei nostri ruoli. Se c'è una comprensione di come vengono costruiti questi set di dati e di come viene utilizzata l'IA, sarà molto più facile ottenere il consenso di tutta l'organizzazione.

Heidi Bailey:

Sì, esattamente. E oltre a questo, ovviamente, bisogna avere team diversi e farli partecipare alla conversazione. E questo non riguarda solo il vostro team, ma anche quando siete nella stanza, quando iniziate a costruire un caso d'uso o a capire come risolvere un problema, dovete assicurarvi che ci siano diverse funzioni all'interno della stanza. Quindi, avere diversi tipi di persone e diversi tipi di funzioni con diversi tipi di prospettive è incredibilmente importante.

Dayle Hall:

Sì, è vero. Beh, senta, mentre concludiamo, ho un'ultima domanda da farle, e sono sicuro che negli ultimi anni ha assistito a molti sviluppi. Sono sicuro che ci sono molte cose di cui è entusiasta. Ma se ci fossero un paio di cose o una cosa che la entusiasmano nei prossimi, potrebbero essere 12 mesi o 10 anni, qual è la cosa che, nell'ambito dell'IA e dell'automazione, dell'utilizzo dei dati e dell'apprendimento automatico, è super entusiasta di vedere nascere o verificarsi nei prossimi 12, due anni o altro?

Heidi Bailey:

È interessante perché se si pensa al marketing e alla pubblicità, fin dall'inizio dei tempi, si è sempre trattato di cambiare il comportamento dei consumatori. Ti darò un coupon in modo che tu acquisti il mio prodotto, mentre non l'avresti comprato senza il coupon, o ti metterò davanti questo annuncio per farti cambiare idea sul fatto che il mio prodotto è migliore di quello di qualcun altro.

Abbiamo quindi esplorato l'idea di non cercare di cambiare il comportamento di qualcuno, perché questo è molto inefficace e non è affatto efficiente, perché bisogna bombardare qualcuno con una frequenza di 11 volte per fargli cambiare idea. E se invece si potessero usare l'intelligenza artificiale e la tecnologia per capire davvero bene chi è il cliente, il consumatore? E poi, invece di cercare di fargli cambiare comportamento, creereste dei prodotti grazie a questa comprensione per supportarli.

A questo proposito, una delle tecnologie che stiamo esaminando o una delle IA è l'IA emozionale, che è molto interessante se si considerano le ricerche e altre cose del genere. Le emozioni di solito guidano un acquisto di qualche tipo e quasi tutto ciò che facciamo nella vita è guidato dalle emozioni. Quindi, se si ha un'ottima comprensione dell'aspetto emotivo del cliente o del consumatore, ma anche del tipo di emozione che effettivamente guida un'azione, si può iniziare a giocare in quello spazio.

Abbiamo collaborato con un'azienda chiamata Cognovi Labs, che sta facendo cose molto interessanti in questo settore. Non si tratta solo di capire le emozioni dal punto di vista dell'ascolto sociale, come il sentiment netto e l'intensità della passione. Ma si tratta di capire se la rabbia è il luogo in cui possiamo effettivamente promuovere la maggior parte delle azioni. Ma è una rabbia buona, non una rabbia cattiva. Oppure è l'attesa o l'eccitazione? Non si tratta solo di amore per il marchio. Non si tratta di essere sempre - perché se si è soddisfatti di qualcosa, non si cambierà nulla.

E questo è davvero interessante. E poi, come si fa a quantificare tutto ciò? Come si quantifica l'emozione e come questa influisce sulle inversioni e sui ricavi è qualcosa che ci entusiasma molto. E credo che avrà un impatto notevole nel prossimo anno o due.

Dayle Hall:

Sì, no, è interessante. Sicuramente, come hai detto, l'emozione è generalmente alla base di molte decisioni di acquisto, del nostro comportamento d'acquisto, e come si può fare leva su di essa a fin di bene, non detto in modo negativo, ma per aiutarci. Perché in fin dei conti, quando prendiamo queste decisioni, non compriamo cose che non vogliamo. Ma se c'è un modo per incoraggiarci a farlo, siamo già lì, ma a volte abbiamo solo bisogno di vederlo in un certo modo. È molto interessante.

Beh, sentite, ne ho ricavato molto. Abbiamo parlato di assicurarsi di avere delle buone sfide commerciali. Mi piace l'idea di avere alcuni di questi scienziati dei dati, alcune parti delle revisioni creative.

Abbiamo parlato molto dell'IA come un potenziamento, e credo che questo sia uno degli aspetti critici di cui abbiamo discusso oggi, ovvero che non sostituisce nulla. Non significa che se non capite chi è il vostro cliente o il profilo che state cercando o cosa vuole, se non lo capite, l'IA non lo risolverà. Ma l'IA può aiutarvi ad automatizzare e a ottenere di più.

Mi piace il concetto di AI che combatte l'AI. È un'espressione che credo sentirò sempre più spesso in futuro. E una delle cose che mi sono piaciute di più di quello che hai detto riguarda l'aumento, ma anche il fatto che c'è sempre un aspetto umano in tutto questo. L'uso dell'intelligenza artificiale e dei dati può aiutarci ad avere più successo. Non vedo l'ora di vedere cosa pubblicherete sull'IA emozionale nei prossimi anni.

È stata una grande, grande discussione. Sono sicuro che potremmo... quando avrai qualcos'altro da dire sull'IA emotiva, forse ci riconnetteremo e ci dedicheremo un intero podcast. Ma Heidi, grazie per il tuo tempo oggi.

Heidi Bailey:

Sì, è vero. Grazie per avermi ospitato.

Dayle Hall:

Ok. È tutto. Grazie a tutti per l'ascolto. Ci vediamo nel prossimo episodio di Automatizzare l'impresa.