شما در حال جستجو در فروشگاه اینترنتی مورد علاقه‌تان هستید، و قبل از آنکه حتی چیزی را تایپ کنید، سایت با محصولاتی که انگار دقیقاً برای شما انتخاب شده‌اند به استقبالتان می‌آید. یک چت‌بات ظاهر می‌شود؛ نه با پیام‌های رباتیک، بلکه با پیامی دوستانه که به نظر می‌رسد حال و هوای شما را درک می‌کند. در پشت پرده، الگوریتم‌ها در حال تحلیل داده‌ها هستند تا پیش‌بینی کنند ماه بعد یا حتی سال آینده چه چیزی را می‌خواهید. این دیگر یک داستان علمی- تخیلی نیست؛ بلکه با تشکر از هوش مصنوعی واقعیت امروز است.
اما یک نکته ظریف وجود دارد (همیشه نیست؟) :در حالی که هوش مصنوعی وعده می‌دهد که شیوه فروش و بازاریابی را به گونه‌ای دگرگون کند که تازه شروع به درک آن کرده‌ایم، پرسش‌های دشواری را نیز ایجاد می‌کند.
چگونه می‌توانیم اعتماد مشتریان را حفظ کنیم، وقتی ماشین‌ها ما را بهتر از خودمان می‌شناسند؟ آیا واقعاً یک چت‌بات قادر است تفاوت‌های ظریف فرهنگی در توکیو، تورنتو و تونس را درک کند؟
پارادوکس شخصی‌سازی: وقتی هوش مصنوعی (تقریباً) ذهن را می‌خواند
روزهایی را به یاد دارید که ایمیل‌های عمومی با عنوان «مشتری گرامی» به همه ارسال می‌شد؟ حالا آن نوع تبلیغات به اندازه تلفن‌های تاشو قدیمی به‌نظر می‌رسند. هوش مصنوعی قواعد بازی را بازنویسی کرده و ارتباطات خشک و بی‌روح را به گفت‌وگوهای شخصی‌سازی‌شده تبدیل کرده است. مثلاً کمپین «Wrapped» اسپاتیفای را در نظر بگیرید. این پلتفرم با تحلیل عادات شنیداری کاربران، خلاصه‌های فوق‌العاده شخصی‌شده‌ای از سال گذشته برای آنها تهیه می‌کند که کاربران با اشتیاق آن را به اشتراک می‌گذارند؛ یک فرصت بازاریابی ارزشمند که بر پایه الگوریتم‌هایی بنا شده است که از هر بار رد کردن یا تکرار آهنگ‌ها می‌آموزند—یا دست‌کم به خاطر می‌سپارند.
این جادو بر پایه یکپارچه‌سازی آنی داده‌ها بنا شده است .خرده‌فروشانی مثل استیچ‌فیکس (Stitch Fix) از هوش مصنوعی برای ردیابی همه‌چیز، از الگوهای آب‌وهوایی گرفته تا ترندهای شبکه‌های اجتماعی استفاده می‌کنند و پیشنهادهایی ارائه می‌دهند که کمتر شبیه تبلیغات و بیشتر شبیه توصیه‌های یک دوست آگاه و باتجربه است.
اما همان ابزاری که باعث می‌شود مشتریان احساس کنند دیده و درک شده‌اند، گاهی ممکن است برایشان ترسناک باشد. شرکت تارگت (Target) این درس را به سخت‌ترین شکل ممکن آموخت، وقتی الگوریتم پیش‌بینی بارداری‌اش به طور اتفاقی راز یک نوجوان را برای خانواده‌اش فاش کرد.
درس این ماجرا چیست؟ شخصی‌سازی تا جایی مفید است که مرزهای حریم خصوصی را زیر پا نگذارد. شرکت‌ها حالا باید مانند یک بندباز ماهر عمل کنند و بین شخصی‌سازی و حفظ حریم خصوصی با حفظ تعادل خود راه بروند.
دست نامرئی: چگونه هوش مصنوعی آینده را پیش‌بینی می‌کند
تصور کنید پیش از آنکه رقبایتان حتی فرصت‌ها را تشخیص دهند، شما بدانید کدام محصولات ترند خواهند شد! این همان قدرت تحلیل قابل پیش‌بینی است. نتفلیکس فقط برنامه پیشنهاد نمی‌کند؛ الگوریتم‌های آن پیش‌بینی می‌کنند که کدام ژانرها در فصل آینده غالب خواهند شد و این پیش‌بینی‌ها بر همه چیز، از بودجه تولید محتوا گرفته تا هزینه‌های بازاریابی، تأثیر می‌گذارند. به همین ترتیب، شرکت کوکاکولا از هوش مصنوعی برای تحلیل مکالمات در شبکه‌های اجتماعی استفاده می‌کند تا ترجیحات طعمی جدید را قبل از آنکه در منوهای رایج دیده شوند، مثل افزایش اخیر محبوبیت نوشیدنی‌های تند و ادویه‌ای را شناسایی کند.
اما پیش‌بینی همیشه بی‌نقص نیست. وقتی شرکت لورئال سیستم‌های مبتنی بر هوش مصنوعی برای مدیریت موجودی محصولاتش را راه‌اندازی کرد، توانست مازاد موجودی انبار را تا ۳۵٪ کاهش دهد. با این حال، در بحران زنجیره تأمین سال ۲۰۲۱، حتی هوشمندترین مدل‌ها نیز نتوانستند گره‌های حمل‌ونقل دریایی را پیش‌بینی کنند. بنابراین درس مهم این است که هوش مصنوعی در تشخیص الگوها عالی عمل می‌کند، اما رویدادهای نادر و غیر قابل پیش‌بینی (رویدادهای قوی سیاه) همچنان به شهود و قضاوت انسانی نیاز دارند.
معادله همدلی: آیا ماشین‌ها می‌توانند به چیزی اهمیت دهند؟
چت‌بات خوش‌برخورد می‌پرسد: «امروز چطور می‌توانم به شما کمک کنم؟» شما مشکلتان را توضیح می‌دهید… اما چت‌بات کاملاً موضوع را اشتباه متوجه می‌شود. همه ما چنین تجربه‌ای داشته‌ایم. اکنون شرکت‌ها برای رفع این شکاف ارتباطی رقابت می‌کنند. چت‌بات «اِریکا» (Erica) متعلق به بانک آمریکا که با میلیون‌ها تعامل مشتری آموزش دیده، حالا قادر است ناراحتی یا نارضایتی را در گفتار مشتریان تشخیص داده و مسائل را برای رسیدگی به انسان‌ها ارجاع دهد؛ ترکیبی از بهره‌وری و هوش هیجانی.
اما همچنان شکاف‌های فرهنگی وجود دارند. زمانی که یک شرکت بزرگ هواپیمایی یک چت‌بات برای پشتیبانی مشتریان در ژاپن راه‌اندازی کرد، در ابتدا شکست خورد. چرا؟ چون هوش مصنوعی به طور غیررسمی از نام کوچک مشتریان استفاده می‌کرد؛ اشتباهی بزرگ در فرهنگ رسمی کسب‌وکار ژاپن. راه‌حل چه بود؟ آموزش مجدد مدل‌ها با راهنماهای آداب معاشرت منطقه‌ای. این یادآور آن است که همدلی در همه‌جا یکسان نیست. هوش مصنوعی باید «شخصیت» خود را با هنجارهای محلی تطبیق دهد.
بندبازی بر طناب حریم خصوصی: اعتماد در مقابل راحتی
جریمه‌های ۱.۳ میلیارد دلاری اتحادیه اروپا در سال ۲۰۲۳ به دلیل نقض مقررات GDPR نشان می‌دهد که نهادهای نظارتی با سوءاستفاده از داده‌ها شوخی ندارند. قابلیت «شفافیت ردیابی اپلیکیشن» اپل، که به کاربران اجازه می‌دهد اشتراک‌گذاری داده‌هایشان را مسدود کنند، حدود ۱۶ میلیارد دلار زیان به درآمد تبلیغاتی شبکه‌های اجتماعی وارد کرد. اما زمانی که استارباکس پیشنهادهای شخصی‌سازی‌شده با رضایت کاربر ارائه داد، نرخ استفاده مشتریان از این پیشنهادها ۱۵۰٪ افزایش یافت. تفاوت در تبادل ارزش واضح بود.
تکنیک‌های جدید هوش مصنوعی برای حفاظت از حریم خصوصی حالا به عنوان راه نجات ظاهر شده‌اند. سیستم جدید والمارت داده‌های خرید مشتریان را پیش از تحلیل به‌طور ناشناس درمی‌آورد و این امکان را می‌دهد که الگوریتم‌ها روندهای کلی را بدون آنکه عادات افراد را افشا کنند، تشخیص دهند. این تعادلی ظریف و پیچیده است: اگر به مشتریان قدرت کنترل بدهید، آنها اطلاعات بیشتری به اشتراک خواهند گذاشت؛ اما اگر زیاده‌روی کنید، مشتریان از شما فاصله خواهند گرفت.
معمای فرهنگی: یک نسخه برای همه جواب نمی‌دهد
منوهای مک‌دونالد در شیکاگو که با هوش مصنوعی طراحی می‌شوند، صبحانه‌های پر از بیکن پیشنهاد می‌کنند. در مقابل، در بمبئی، پیشنهادها به سمت گزینه‌های گیاهی می‌روند. این انعطاف فرهنگی نه یک انتخاب، بلکه رمز بقاست. با این حال بسیاری از شرکت‌ها هنوز بازار جهانی را یکپارچه و یکدست در نظر می‌گیرند.
زمانی که شرکت پراکتر اند گمبل کمپین «Bare Skin Project» برند SK-II را در چین اجرا کرد، هوش مصنوعی، انجمن‌های محلی مراقبت از پوست را تحلیل کرد تا تبلیغاتی با محوریت شفافیت پوست طراحی کند؛ مفهومی که عمیقاً با بازار حساس به مراقبت‌های پوستی چین هماهنگ بود. نتیجه چه بود؟ افزایش ۳۰ درصدی در فروش. این را با خرده‌فروشی آمریکایی که، تبلیغات جهانی «مدرن و ساده» طراحی‌شده توسط هوش مصنوعی را بدون تغییر در تمام دنیا استفاده کرد و در مناطقی که تصاویر گرم و خانوادگی را ترجیح می‌دهند شکست خورد، مقایسه کنید.
پادشاهان قلمرو وحشی (هوش مصنوعی)
۱. سازگاری همزمان:
بیلبوردهایی را تصور کنید که پیامشان را بسته به مخاطبی که به آن نگاه می‌کند تغییر می‌دهد. شرکت هیوندای در پروژه آزمایشی خود در سئول دقیقاً همین کار را انجام می‌دهد و با استفاده از دوربین‌ها (با محو کردن چهره‌ها)، تبلیغات را بر اساس سن و جنسیت مخاطبان شخصی‌سازی می‌کند.
۲. خلق مشترک با هوش مصنوعی:
شرکت لوکسیتان (L’Occitane) به مشتریان این امکان را می‌دهد که از طریق آزمون‌های هوش مصنوعی محصولات مراقبت از پوست خود را طراحی کنند و به این ترتیب تکنولوژی را با میل طبیعی انسان به خاص بودن و شخصی‌سازی مطلق، ترکیب می‌کند.
۳. رقابت اخلاقی:
ابزار جدید شرکت IBM به نام «Fairness 360»، الگوریتم‌ها را برای تشخیص تعصبات بررسی می‌کند؛ این پاسخی به شکست معروف آمازون در الگوریتم بررسی رزومه‌ها که تعصب‌های ناخواسته داشت است.
انتخاب شما: پیشتازی یا عقب ماندن؟
شرکت‌هایی که امروز موفق‌اند فقط از هوش مصنوعی استفاده نمی‌کنند؛ بلکه آن را در DNA خود تنیده‌اند. آنها همان نایکی‌هایی هستند که با یادگیری ماشین، روند محبوبیت کفش‌های ورزشی را سال‌ها پیش‌بینی می‌کنند و همان سفوراهایی هستند که تست‌های مجازی آرایش را به ابزاری قدرتمند برای حفظ وفاداری مشتری تبدیل کرده‌اند.
اما بحث فقط استفاده از تکنولوژی‌های جدید و جذاب نیست. موضوع اصلی ایجاد روابطی است که مشتریان در آن احساس کنند درک می‌شوند، نه اینکه تحت نظارت هستند. بحث درباره پیش‌بینی‌هایی است که به تیم‌ها قدرت می‌بخشند، نه اینکه جایگزین آنها می شوند. و بیش از هر چیز، درک این واقعیت است که قدرت واقعی هوش مصنوعی در الگوریتم‌ها نیست؛ بلکه در این است که چگونه آنها را انسانی‌تر می‌کنیم.
چگونه استراتژی خود را برای آینده آماده کنیم؟
انقلاب هوش مصنوعی منتظر کسی نمی‌ماند. ما در PreEmpt.Lifeبه شما کمک می‌کنیم که از میان هیاهوها عبور کرده و با تصمیم‌های هوشمندانه، نشانه‌های ضعیف را قبل از تبدیل‌شدن به ترند تشخیص دهید. پلتفرم ما، از پیش‌بینی تغییرات بازار تا چارچوب‌های اخلاقی هوش مصنوعی، عدم قطعیت‌ها را به مزیت رقابتی شما تبدیل می‌کند.
به‌جای پیروی از دیگران و صرفا سازگاری با آینده، آینده را طوری شکل دهید که به نفع شما باشد، نه رقبایتان.
بدون دیدگاه