Im Frühjahr dieses Jahres, auf der jährlichen CRM Evolution-Veranstaltung des CRM Magazins, hatte ich das Vergnügen, ein All-Star-Panel darüber zu moderieren, wie künstliche Intelligenz (KI) ist und die Kundenbindung beeinflussen wird. Das Panel bestand aus Führungskräften einiger der führenden Anbieter in der CRM-Branche, darunter:
- Marco Casalaina, Vice President für Produkte bei Salesforce's Einstein Division
- Volker Hildebrand, Global Vice President bei SAP Hybris
- Rajan Krishnan, Group Vice President für Produktentwicklung bei Oracle
- Michael Wu, Chefwissenschaftler bei Lithium Technologies
- Kishan Chetan, leitender PM-Manager von Microsoft CRM Dynamics 365
Unten ist eine bearbeitete Abschrift von nur einem Teil dieser großartigen Podiumsdiskussion, die wirklich in einige fleischige Themen gegraben hat. Um die vollständige Sitzung zu hören, klicken Sie auf den eingebetteten Player unten. Leider konnte ich aufgrund der geringen Lautstärke an seinem Mikrofon keine gute Abschrift von Kishan Chetans wertvollen Beiträgen zum Panel erhalten, aber ich würde Ihnen empfehlen, die Aufnahme anzukurbeln und sie auf der Aufnahme zu überprüfen.
* * * * *
Small Business Trends: Können Sie Ihre allgemeine Definition von AI teilen?
Rajen Krishnan: AI ist seit etwa 20 Jahren im Winterschlaf. Cloud-Zugriff auf Daten, großvolumige Datensätze und unvorstellbare globale Rechenfähigkeiten sind jetzt möglich. Unsere Infrastruktur ist auf 21-Rechenzentren auf der ganzen Welt verteilt. und es öffnet einen Bereich von Möglichkeiten, die nicht existierten.
Ja, es gab One-to-One-Marketing, aber es geht wirklich bis zum N-Grad, wo es möglich ist, das Versprechen zu halten. Aber gleichzeitig müssen wir aufpassen, dass wir nicht vorauseilen, ein wenig zurückwechseln, schauen, welche Möglichkeiten wirklich existieren, wo wir anfangen und wohin wir gehen können. Wir könnten in hundert verschiedene Richtungen gehen. Das sind alles aufregende Sachen. Es ist eine großartige Zeit für KI auf der ganzen Linie und nicht nur im CRM, ich spreche sowohl von einem CRM / CX-Standpunkt als auch von einem breiteren Unternehmenssitz aus.
Marco Casalaina: Wir haben gerade einen Wendepunkt erreicht. Wir haben eine kritische Masse an Daten und Metadaten in der Cloud. Gleichzeitig haben wir eine kritische Massenrechenfähigkeit, so dass wir diese enorme Rechenleistung auf die Daten anwenden können, die wir bereits haben, und wir können die KI viel besser als je zuvor arbeiten lassen. Genau das machen wir mit Salesforce Einstein. es ist KI für das Geschäft
Small Business Trends: Vergleiche und vergleiche Machine Learning vs. Deep Learning
Michael Wu: Maschinelles Lernen ist nur der Prozess der Verwendung von Daten, um mit dem Modell zu arbeiten. Wenn Sie versuchen, Vorhersagen zu treffen, erstellen Sie normalerweise ein Modell. Zusätzlich werden diese Modelle basierend auf unserem Expertenwissen erstellt, und wir glauben, dass diese Dinge auf diese Art und Weise gewichtet werden sollten, so dass Sie ein Modell aus Ihrem Fachwissen erstellen können. Aber maschinelles Lernen ist einfach mehr induktiv. Ich werde nichts annehmen. Ich werde eine Menge Daten anschließen und dann die Daten mein Modell einschränken lassen. Sie verwenden die Daten, um das Modell zu definieren oder zu erstellen.
Deep Learning ist im Grunde eine Klasse von neuronalen Netzwerken. Neuronale Netzwerke haben Schichten von Neuronen und es versucht zu simulieren, was unser Gehirn tut. Unser Gehirn hat eine hierarchische Verarbeitung in der unteren Schicht unseres Gehirns, die im Grunde sehr einfache Funktionen verarbeitet. Und dann, wenn sie nach oben gehen, werden komplexere Funktionen verarbeitet. Traditionelle neuronale Netze können also vielleicht nur zwei oder drei Schichten mit der Rechenleistung, die wir hatten, und den Daten, die wir hatten, verarbeiten.
Aber jetzt können wir in der Größenordnung von zehn bis hunderten von Schichten berechnen. Deshalb werden sie tiefe Netzwerke genannt, weil es viele, viele Ebenen gibt. Es gibt so viele Schichten tief. Deep Learning ist im Wesentlichen tiefe neuronale Netze. Dafür steht es.
Small Business Trends: Welche Ziele werden für KI im Rahmen des Kundenengagements gesetzt?
Volker Hildebrand: Es gibt viel Fokus auf die Automatisierung von Dingen. Ich denke, das ist nur das halbe Bild. Ja, AI kann dabei helfen, eine sich sehr wiederholende Aufgabe vollständig zu automatisieren, ganz gleich, ob es einfache Dinge wie die Überprüfung der Reise- und Spesenabrechnung oder die Richtigkeit von Rechnungen oder die Beantwortung von vergleichsweise einfachen Fragen sind. Bis zu einem gewissen Grad können Sie es automatisieren und auch skalieren.
Ja, ich möchte automatisieren, ich möchte die Kosten senken. Ja, seien wir ehrlich, Sie können Menschen durch Maschinen ersetzen und Menschen andere Dinge tun lassen. Ich denke, was in diesem Zusammenhang wichtig ist, ist das Geschäftsergebnis.
Wenn es um Dinge wie Kundenservice geht, denke ich, wenn Sie den Ansatz von, ja, nehmen wir Dinge automatisieren und versuchen, Kosten zu senken und eingehende Kundendienstanrufe an den virtuellen Agenten abzulenken; aber das ist eigentlich die falsche Herangehensweise. Sie müssen darüber nachdenken, wie Sie das Kundenerlebnis verbessern können, das sollte das Ziel sein.
Wird das für meine Kunden bequemer? Wird es eine schnellere Antwort geben? Wird es eine zuverlässigere und genauere Antwort geben? Sich zu sehr auf Automatisierung und Effizienz zu konzentrieren, ist das Falsche. Tatsächlich glaube ich, dass das größte Potenzial des maschinellen Lernens oder der künstlichen Intelligenz nicht in der Automatisierung liegt, sondern darin, Menschen völlig neue Denkweisen beizubringen. Ich denke, das ist das echte Potenzial, das weit über die intelligente Automatisierung hinausgeht.
Small Business Trends: Was sind Missverständnisse der KI?
Rajen Krishnan: Wir sehen Kunden wirklich überall auf der ganzen Bandbreite, wenn es um KI geht. Den ganzen Weg von Kunden, die meinen, dass KI etwas bedeutet wie ein Roboter, der Operationen für sie ausführt, für Kunden, die etwas Erfahrung und wahrscheinlich etwas mehr Raffinesse in Bezug auf die Daten haben.
Wir haben fünf Milliarden Profile, ungefähr drei Billionen Dollar an Transaktionsdaten, über 750 Billionen Datenpunkte, die monatlich hinzugefügt werden, und über 110 Millionen US-Haushalte werden von diesen Daten erfasst.
Kunden, die an datenintensive Prozesse gewöhnt sind, sei es Marketing, Targeting usw., die mit Daten, Datenschildern, maschinellem Lernen und Entscheidungszeichen zur nächsten Phase übergehen, um diese Angebote oder Aktionen weiter zu automatisieren und vorherzusagen, sind eine Kundengruppe.
Die andere Gruppe von Kunden, die wahrscheinlich nicht so viel Erfahrung mit Daten und damit auch mit Datenschildern haben, sind die Erwartungen an AI. Aber fair zu sagen, dass, während wir diesen Weg gehen, wir von einem Rückblick mit nur den OLTP (Online Transactional Processing) -Systemen zu einem einblicksgesteuerten Modell mit Analytik kommen, und wo AI gehen kann, ist ein Vorausschau-Modell. So wird die Reise quer durch den Vorstand sagen, aus dem Nachhinein betrachtet, zu einer Einsicht, die letztlich Voraussicht ist.
Marco Casalaina: Eines der größten Missverständnisse heute ist, dass Chatbots einfach out of the box funktionieren. Training ist die neue Codierung. Um diese KIs nun zum Laufen zu bringen, brauchen wir sie, um die Daten zu haben. Und um einen Chatbot zur Arbeit zu bringen, müssen Sie im Grunde erfolgreiche Gespräche führen, in denen Sie über die gleichen Dinge sprechen, über die Ihre Agenten mit Ihren Kunden sprechen würden. Und diese sind schwer zu bekommen. Oftmals werden Sie nicht aufgezeichnet. Sie sind nicht wirklich Textformat. Und auch, wer sie als erfolgreich bezeichnet. Woher weißt du, dass dieser Agent keine völlig falsche Antwort gegeben hat? Das Etikettieren und Trainieren von Datensätzen ist jetzt einer der schwierigsten Teile der KI; in der Lage sein, deine KI zu trainieren, um das zu tun, was du willst.
Volker Hildebrand: Nun, ich denke, es kommt darauf an. Es gibt eine Reihe von Kunden, die sich wie hey fühlen, wir haben keine Ahnung, was es ist, aber jeder macht es, also müssen wir es auch tun. Es gibt definitiv diese Art von Kategorie. Es gibt andere mit sehr sehr hohen Erwartungen, und ich denke, das ist wirklich der Punkt, an dem wir im Gespräch mit unseren Kunden darüber reden, wie viel Sie tatsächlich können. Möchten Sie einen bestimmten Prozess oder andere Dinge tatsächlich automatisieren? Weil es auf jeden Fall viele Anwendungsfälle gibt, und es ist nicht unbedingt der Fall, dass, was AI als Ergebnis liefert, 100% genau ist. Und so gibt es ein gewisses Konfidenzniveau, dass das vorhergesagte Ergebnis, wenn Sie so wollen, das richtige Ergebnis ist.
Wenn dies im Bereich von 70 oder 80% liegt, könnte das gut klingen. Oder selbst wenn es 90% ist, klingt das vielleicht großartig. Aber dann müssen Sie sich den Anwendungsfall ansehen. Wenn Sie es zum Beispiel nutzen, um Leads oder Opportunities zu punkten, 90% Genauigkeit, auf die Sie sich als Vertriebsmitarbeiter konzentrieren sollten, ist das ein ziemlich gutes Ergebnis und Sie machen wahrscheinlich einen besseren Job als zuvor.
Nun, wenn Sie einen Anwendungsfall haben, wo es sich unmittelbar auf die Kundenerfahrung auswirkt, wie in einem Serviceszenario, wenn die Antwort eines virtuellen Agenten mit künstlicher Intelligenz, zum Beispiel, eine 90% Genauigkeit ist, ist es wahrscheinlich ziemlich schlecht, weil es das bedeutet von zehn Kunden werden ziemlich sauer sein, weil sie die ganze Zeit die falsche Antwort bekommen.
Also ich denke, das ist wirklich wichtig zu verstehen. Was ist der Anwendungsfall? Was versuche ich zu erreichen?
Small Business Trends: Wie wirkt sich AI auf CRM aus?
Volker Hildebrand: Ich bin auch froh, dass wir uns ein bisschen von der Konzentration auf den Service und den Chatbot-Anwendungsfall entfernt haben, denn das ist der sexy Anwendungsfall, über den alle gerne reden. Aber sie sind potenziell so viel größer, und Sie haben schon einige davon gehört. Predictive Maintenance ist übrigens schon riesig. Es geht also um Verkauf, Service, Marketing, Handel.
Teil ist Automatisierung, Teil ist Vorhersage, Teil ist nur bessere Entscheidungsfindung. Empfehlungen abgeben ... ungenutzte Chancen erkennen.
Eine weitere zunehmend wichtige Datenquelle wird der gesamte IoT-Bereich sein. Das hängt auch mit vorausschauender Wartung zusammen, daher denke ich, dass es Möglichkeiten in diesem Bereich gibt, denn es wird eine Menge Daten geben und plötzlich werden Sie nicht nur Kundenattribute oder Verhaltensklicken im Web haben, oder wo sie schwebten Über? Was haben sie dort gemacht? Durch die Kombination mit Transaktionsdaten erhalten Sie auf einen Blick Informationen darüber, wie Ihre Kunden ihre Produkte verwenden. Dies macht einen großen Unterschied und wird sich erheblich auf die Qualität des Lernens und der Ergebnisse auswirken.
Marco Casalaina: Ich sage immer wieder, dass es bei einer kritischen Cloud-Masse nicht nur um CRM selbst geht. Es geht auch darum, dass Unternehmen zu Office 365 zu G-Mail wechseln und mehr und mehr ihrer Daten in Cloud- und Cloud-zugängliche Bereiche fließen. Und das erlaubt uns, einen Großteil der Dateneingabe zu automatisieren, die sonst manuell erledigt werden müsste. Sie werden also mehr von der automatischen Erstellung von Kontakten aus Ihrer E-Mail sehen. oder das Erkennen von Kaufschildern und solchen Dingen aus E-Mails, was wir als Chanceneinblicke bezeichnen. Sie sehen mehr Informationen ausgefüllt. Sie werden mehr vorhersagende Vorhersage-Sachen sehen. Viele dieser Dinge, die traditionell von einer ganzen Reihe von Edit-Boxen auf dem Bildschirm manuell gesteuert wurden, werden plötzlich automatisch von anderen Datenquellen ausgefüllt, die Sie auch in der Cloud haben, die Sie gerade miteinander verbunden haben. Und das ist eine Art, wie ich denke, dass KI das CRM subtil verändern wird. Aber schnell.
Dies ist Teil der One-on-One-Interview-Reihe mit Vordenkern. Das Transkript wurde zur Veröffentlichung bearbeitet. Wenn es sich um ein Audio- oder Videointerview handelt, klicken Sie oben auf den eingebetteten Player oder abonnieren Sie ihn über iTunes oder über Stitcher.
