导语:成功不仅仅是理解AI,而是在整个组织中工作以创建用例并识别共性点。必须赋予CSP组织的领导者权力,使其成为首席信息官或首席数据官。人工智能只有在整个公司全面考虑时才有效。
为了获得预算,针对特定用例开发了许多AI计划。这可以带来许多好处,因为可以监控和评估投资和影响。然而,纯粹的用例方法有可能产生AI孤岛,这意味着一遍又一遍地学习相同的课程,但不能在传统的业务孤岛中实现,这将产生一些最大的好处。随着时间的推移,某种形式的集中发展和协调将变得至关重要,但是要避免过早地对这种集中化的确切形式和程度过于规范。
许多CSP现在拥有多年的分析经验,特别是在客户群和价值管理方面。使用AI的机会中有三分之二用于提高现有分析用例的性能。然而,CSP面临的最大问题之一是他们的数据经常被孤立,因此一个部门的见解不会与公司的其他领域共享。一个例子是CSP在他们的渠道上的重点是如何让他们错过了对整个客户的看法。在分析和人工智能方面,运营商需要从渠道优先心态转变为客户至上的理念。
CSP还必须采用和实施战略,使他们能够大规模收集和整合数据。即使使用大型数据集,他们也必须防止“过度拟合”,即模型与训练集的“嘈杂”或随机特征过于匹配,导致未来性能相对缺乏准确性,并且“不合适”。模型无法捕获所有相关功能,因此有用性有限。在客户群和渠道之间链接数据,而不是让数据在孤岛中萎缩,对于创造价值尤为重要。AI自动化流程以从大量数据创建可扩展的洞察力。
如果它对人类来说是一个破碎的过程,它将被打破机器。CSP不应该引入人工智能作为覆盖,并期待奇迹;相反,他们需要识别问题,并重新设计客户流程,使其从端到端数字化,并适合自动化。只有这样,他们才能了解AI在哪里以及如何最有效地实现价值。重要的是要理解人工智能不能解决所有问题,尽管人工智能和分析之间的协同作用要大于差异。
领取专属 10元无门槛券
私享最新 技术干货