來認識一下Lucy，這是一個由Equals 3創建的人工智能助手，它可以回答你對組織知識的所有問題。
露西處理你們公司所有的文件和數據。然後，你和你的同事可以向她提問。她會根據你的數據給出正確的答案，幫助你做出最好的決定。
(她現在甚至可以了搜索視頻.）
結果呢?財富1000強企業和大型機構實際上能夠使用鎖定在其組織中的關鍵業務數據。
我們采訪了Equals 3的執行合夥人斯科特·利特曼(Scott Litman)（LinkedIn)和AI顧問拉胡爾辛格爾(LinkedIn來揭露露西的能力。
在一個句子或陳述中，描述等於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專有引擎，使我們能夠構建知識圖譜，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)上訓練的。當他們提出的問題不是特定領域的問題時，他們往往會做得相當好。然而，傳統的NLP模型無法理解遊擊營銷、付費廣告、品牌意識等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Lucy理解營銷人員的語言。
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。理解問題的意圖以及哪個源是找到答案的最佳位置，要求我們的團隊構建跨結構化和非結構化數據源的意圖本體。現在，當有人提出問題時，露西有一種內在的知識，知道在哪裏可以找到答案，並將要回答的問題引導到最好的存儲庫中。
她旨在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。
你認為人工智能在營銷和銷售領域的未來潛力如何?
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為營銷人員迅速發展。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，人工智能將需要跟上不斷增長的數據量，營銷人員負責完成他們的工作，無論是在研究、營銷自動化、媒體購買還是所有形式的受眾參與方麵。
是什麼讓Equals 3與競爭對手或傳統解決方案不同?
大公司擁有大量的數據。沒有辦法有效地利用這一切。特別是，它們在內部係統上有成千上萬甚至更多的文件。它隻是有太多的數據和信息要跟蹤。我們甚至遇到過這樣的情況，試圖查找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記或依賴於文件結構，效率非常低。每個人的想法都不一樣，所以事情會根據個人偏好進行分類。當您在這些係統中進行搜索時，您通常會收到一長串可能的來源，現在需要打開和閱讀這些來源，以找到您正在尋找的特定答案在多頁文檔中存在的位置。
露西可以連接到客戶的文件係統，她可以閱讀每一個ppt、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，她提供的是答案而不是文件(例如，露西不會說，“這是一堆文件，去尋找你的答案吧。”她提供了她認為可以回答問題的文檔中的特定內容)。
與其他解決方案(包括人工智能競爭對手)相比，Lucy之所以具有如此大的變革性，是因為它的部署成本更低，與其他選擇相比，客戶的時間和負擔微不足道，而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，誰是你的原型客戶?
如今，在所有大型廣告代理控股公司和許多財富1000強組織中都有露西的身影。Lucy並不局限於某一領域，她正在幫助眾多行業的B2B和B2C研究和洞察團隊，包括汽車、包裝消費品、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:擁有大量的信息，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。
通過處理、讀取和記憶非結構化數據，Lucy帶來了以前難以想象的效率水平，其效率是人類團隊多年來無法完成的。
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，並立即在源文檔中獲得答案。
露西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重複前人的工作。
合並/收購:在公司合並或贏得新客戶的快速變化時期，團隊需要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數據方麵是不夠的。
你認為人工智能目前存在的局限性是什麼?
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。缺乏經過訓練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。當前的係統嚴重依賴於標記數據和訓練係統的能力——這往往非常耗時，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領域，它將推動人工智能係統/領域的巨大變化。
對於人工智能在市場營銷中的應用，或者對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，將事實與虛構區分開來。人工智能的所有投資和進步也創造了一個場景，任何人和每個人都在給產品貼上“機器學習”和“人工智能”的標簽，不管它們是否值得。為此，你必須確保自己真正理解AI是如何運作的，以及它是否合法。
其次，為了AI而購買AI也沒有任何意義。當你開始使用人工智能產品時，要確保你清楚地了解需要解決的業務問題，人工智能將如何解決它，以及解決這個問題的價值是什麼。
最後，將人工智能引入組織將是一段旅程。從人工智能可以提供好處的用例/業務問題的最容易實現的成果開始。此外，要知道，從長遠來看，這段旅程有機會創造顯著的競爭優勢，而不是采用較慢的技術落後者。