來認識一下Equals 3創建的人工智能助手Lucy,它可以回答你對組織知識的所有問題。
露西處理您公司擁有的所有文件和數據。然後,你和你的同事可以向她提問。她將根據你的數據提供正確的答案,幫助你做出最好的決定。
(她現在還能搜索視頻)。
結果呢?財富1000強企業和大型機構實際上能夠使用隱藏在其組織中的關鍵業務數據。
我們采訪了Equals 3的執行合夥人Scott Litman(LinkedIn)和人工智能顧問拉胡爾辛格爾(LinkedIn揭露露西所能做的一切。
用一個句子或語句描述= 3。
Equals 3如何使用人工智能(即機器學習、自然語言生成、自然語言處理、深度學習等)?
Equals 3使用廣泛的自然語言處理技術、機器學習算法、視覺識別技術和自然語言生成來構建一個專有引擎,使我們能夠構建一個知識圖,從結構化或非結構化數據中找到答案。
大多數開箱即用的技術都是在公開可用的數據集(即維基百科或其他公共資源)上進行訓練的。他們往往在問不屬於特定領域的問題時做得相當不錯。然而,傳統的NLP模型無法理解不同的概念,如遊擊營銷、付費廣告、品牌意識和其他常見的營銷研究概念。我們創建了自己的領域特定模型來訓練露西理解營銷人員的方言。
與大多數人工智能引擎不同,我們結合了深度學習模型和特定領域的主題專家來幫助我們創建知識。為了理解問題的意圖以及哪個數據源是找到答案的最佳位置,我們的團隊需要跨結構化和非結構化數據源構建意圖本體。現在,當提出一個問題時,Lucy有一種內在的知識,可以了解找到答案的最佳位置,並將問題的答案引導到可能的最佳存儲庫。
她被設計成通過用戶反饋不斷學習和改進。通過機器學習的力量,隨著時間的推移,她的答案會越來越好。
你認為未來人工智能在營銷和銷售方麵的潛力是什麼?
隨著技術的進步和對該領域投資的增加,我們將看到人工智能技術對營銷人員的快速發展。好處將包括自動化,這將使營銷人員在更短的時間內完成更多的工作。此外,人工智能將被要求跟上不斷爆炸的數據量,無論是在研究、營銷自動化、媒體購買還是所有形式的觀眾參與中,營銷人員都要負責完成他們的工作。
Equals 3與競爭或傳統解決方案有什麼不同?
大公司有大量的數據。沒有辦法有效地利用這一切。特別是,它們在內部係統中有成千上萬甚至更多的文件。這實在是太多的數據和信息了。我們甚至見過這樣的情況,試圖找到信息是如此具有挑戰性,以至於客戶實際上是在為已經完成的工作委托項目,因為他們甚至沒有意識到工作已經存在。
傳統的解決方案需要創建標簽或依賴於文件結構,效率非常低。每個人的想法都不一樣,所以事情會根據個人喜好進行分類。當您在這些係統中進行搜索時,通常會收到一長串可能的資源列表,現在需要打開並閱讀這些資源,以便在多頁的文檔中找到您要尋找的特定答案。
Lucy可以連接到客戶的文件係統,她可以閱讀每一個PowerPoint、PDF、Word文檔、Keynote、視頻和html——一個字一個字、一頁一頁、一張幻燈片——並永遠記住這些內容。她可以回答人們今天對這些數據提出的問題,並為明天變得越來越聰明。在回答問題時,她提供了答案和文件(例如,Lucy不會說,“這是一組文件,去找你的答案。”她從文件中提供了她認為能回答問題的具體內容)。
與其他解決方案(包括人工智能競爭對手)相比,Lucy如此具有變革性的原因在於,她的部署成本更低,與其他選項相比,客戶的時間和負擔微不足道,並且在尋找特定答案方麵的有效性是獨一無二的。
就公司規模和行業而言,你們的原型客戶是誰?
今天,在所有主要的廣告代理控股公司和許多財富1000強企業中,都有露西的例子。Lucy不是特定領域,她正在幫助B2B和B2C的研究和洞察團隊在各種行業,包括汽車、消費品包裝、零售、醫療保健、製藥、美容、奢侈品、娛樂、金融服務等。
對於營銷人員和銷售人員來說,Equals 3的主要用例是什麼?
許多團隊都麵臨著這樣的問題:掌握了大量的信息,卻無法有效地搜索和發現所有ppt、pdf、視頻、音頻、圖表、數據集和文檔中的有價值的見解。
Lucy通過處理、讀取和記憶非結構化數據帶來了以前無法想象的效率水平,這是任何一個人類團隊多年都無法完成的。
團隊可以在整個組織中詢問報告、手冊、戰略甲板、RFP響應、計劃、研究文檔和業務視頻的問題,並立即在源文檔中得到答案。
Lucy幫助團隊解決的常見情況:
員工的轉變:有人開始、離開或更換團隊,以前的知識就會丟失。尋找答案意味著深入的探索過程或前人工作的重複。
合並/收購:在公司合並或贏得新客戶的快速變化時代,團隊正努力跟上新湧入的數據。
數據集中:信息已經從硬盤轉移到數據湖、數字資產管理係統或新的IT供應商,但事實證明,這些工具在尋找所需的數據方麵是不夠的。
你認為目前人工智能的局限性是什麼?
人工智能技術需要大量的數據來訓練和理解給定的市場或領域。缺乏訓練過的數據和係統無法理解上下文是重要的限製。
構建特定於領域的係統需要機器理解本體。目前的係統嚴重依賴於標記數據和訓練係統的能力——這往往是非常耗時的,而且不是一個可擴展的模型。係統構建自動化本體的能力是深度學習的下一個前沿,它將推動人工智能係統/領域發生巨大變化。
關於人工智能在營銷中的應用,還有什麼其他想法嗎?或者對那些剛剛開始探索人工智能可能性的營銷人員有什麼建議嗎?
一些事情:
首先,區分事實和虛構。人工智能領域的所有投資和進步也造成了這樣一種情況:每個人都在給產品加上“機器學習”和“人工智能”的標簽,不管他們是否配得上。為此,確保你真正理解AI是如何工作的,以及它是否合法。
其次,為了AI而購買AI也沒有任何意義。確保在開始使用人工智能產品時,對需要解決的業務問題、人工智能將如何解決問題以及解決這個問題的價值有清晰的理解。
最後,將人工智能引入一個組織將是一個過程。從人工智能可以帶來好處的用例/業務問題開始。此外,要知道,從長遠來看,這段旅程有機會在技術落後的情況下創造顯著的競爭優勢。
保羅Roetzer
本文作者Paul Roetzer是Marketing AI InstiBETVlCTOR1946伟德tute的創始人兼首席執行官。他是《營銷人工智能》(Matt Holt Books, 2022)《營銷績效藍圖》(Wiley, 2014)和《營銷機構藍圖》(Wiley, 2012)的作者;也是營銷人工智能大會(MAICON)的創始人。