3 empresas que están construyendo negocios alrededor de AI
Por Quentin Hardy
Harvard Business Review
Tecnología
No hay discusión sobre si la inteligencia artificial (AI) está viniendo. Es aquí, en automóviles, smartphones, aviones, y mucho más. No menos importante en las habilidades de búsqueda en línea, el habla y las características de traducción, y la tecnología de reconocimiento de imagen de mi empleador, Alphabet.
La pregunta ahora se refiere a la amplitud de la IA que se empleará en la industria y la sociedad, y por qué medios. Muchas otras compañías, incluyendo Microsoft y Amazon, también ofrecen herramientas de AI que, como Google Cloud, donde trabajo, se venderán en línea como servicios de cloud computing. Hay muchos otros productos de IA disponibles para negocios, como Watson de IBM, o software de proveedores emergentes.
Independientemente de lo que digan los hombres de negocios sobre AI - y hay mucho - las intenciones y acciones de tantos jugadores deben alertarles sobre la importancia fundamental de esta nueva tecnología.
Esto no es simple, ya que AI es familiar y extraño. En el fondo, los algoritmos y la computación se dedican a descubrir nuevos patrones, que es lo que la ciencia, la tecnología, los mercados y las artes humanísticas han hecho a lo largo de la historia de la humanidad.
Lo extraño es cómo funciona la IA de hoy, construyendo subrutinas de patrones y bucles de patrones sobre otros patrones, entrenándose a través de múltiples capas que sólo son posibles con cantidades muy grandes de cálculo. Tal vez por primera vez, hemos inventado una máquina que no puede explicarse fácilmente.
Frente a este progreso técnico, la parálisis rara vez es una buena estrategia. La pregunta entonces se convierte en: ¿Cómo debería una empresa que no está involucrada en la construcción de AI pensar en su uso? Incluso en estos primeros días, las prácticas de los primeros adoptantes exitosos ofrecen varias lecciones útiles:
Harvard Business Review
Tecnología
No hay discusión sobre si la inteligencia artificial (AI) está viniendo. Es aquí, en automóviles, smartphones, aviones, y mucho más. No menos importante en las habilidades de búsqueda en línea, el habla y las características de traducción, y la tecnología de reconocimiento de imagen de mi empleador, Alphabet.
La pregunta ahora se refiere a la amplitud de la IA que se empleará en la industria y la sociedad, y por qué medios. Muchas otras compañías, incluyendo Microsoft y Amazon, también ofrecen herramientas de AI que, como Google Cloud, donde trabajo, se venderán en línea como servicios de cloud computing. Hay muchos otros productos de IA disponibles para negocios, como Watson de IBM, o software de proveedores emergentes.
Independientemente de lo que digan los hombres de negocios sobre AI - y hay mucho - las intenciones y acciones de tantos jugadores deben alertarles sobre la importancia fundamental de esta nueva tecnología.
Esto no es simple, ya que AI es familiar y extraño. En el fondo, los algoritmos y la computación se dedican a descubrir nuevos patrones, que es lo que la ciencia, la tecnología, los mercados y las artes humanísticas han hecho a lo largo de la historia de la humanidad.
Lo extraño es cómo funciona la IA de hoy, construyendo subrutinas de patrones y bucles de patrones sobre otros patrones, entrenándose a través de múltiples capas que sólo son posibles con cantidades muy grandes de cálculo. Tal vez por primera vez, hemos inventado una máquina que no puede explicarse fácilmente.
Frente a este progreso técnico, la parálisis rara vez es una buena estrategia. La pregunta entonces se convierte en: ¿Cómo debería una empresa que no está involucrada en la construcción de AI pensar en su uso? Incluso en estos primeros días, las prácticas de los primeros adoptantes exitosos ofrecen varias lecciones útiles:
- Buscar y poseer datos valiosos que nadie más tiene.
- Tome una visión sistémica de su negocio y encuentre adyacencias de datos.
- Paquete AI para la experiencia del cliente.
Captura los datos escasos
CAMP3 es una empresa de 26 personas, con sede en Alpharetta, Georgia, que despliega y gestiona redes de sensores inalámbricos para la agricultura. La compañía también vende productos de colaboración y correo electrónico de G Suite de Google a comisión.
El fundador y director ejecutivo Craig Ganssle fue uno de los primeros usuarios de Google Glass. El vidrio falló como un producto de consumo, pero la experiencia de usar una cámara y recoger imágenes en el campo inspiró a Ganssle a pensar en las maneras en que los agricultores podrían usar AI para detectar enfermedades y plagas en las plantas desde el principio.
AI trabaja típicamente crujiendo cantidades muy grandes de datos para calcular patrones reveladores, después probando patrones provisionales contra los datos similares que todavía no ha procesado. Una vez validado, la metodología de búsqueda de patrones se fortalece alimentando más datos.
El desafío inicial de CAMP3 fue asegurar suficientes datos visuales para entrenar su producto de IA. No sólo había relativamente pocas imágenes de cultivos enfermos y plagas de cultivos, sino que estaban dispersas en numerosas instituciones, a menudo sin identificación adecuada.
"Encontrar suficientes imágenes de la niebla del norte de la hoja de maíz [NCLB] tomó 10 meses", dijo Ganssle. "Había muchas fotografías en las grandes universidades agrícolas, pero nadie tenía la información bien etiquetada. Las compañías de semillas también tenían fotos, pero nadie tenía fotos de maíz sano, maíz con NCLB temprano, maíz con NCLB avanzado ".
Recopilaron todo lo que pudieron de cada fuente privada, educativa y gubernamental que pudieron, y luego tomaron muchas fotos. Formación de los datos, en este caso, puede haber sido más fácil que la obtención de los datos en el primer lugar.
Que los datos de formación visual es un bien escaso, y un activo empresarial defendible. El entrenamiento inicial para cosas como el NCLB, el moho de pepino o el gusano de maíz dulce requerían inicialmente "decenas de miles" de imágenes, dijo. Con un sistema entrenado, agregó, ahora requiere mucho menos imágenes para entrenar para una enfermedad.
CAMP3 entrena las imágenes de TensorFlow, un framework de software de AI desarrollado por Google y luego abierto. Para la computación, se basó en Amazon Web Services y Google Compute Engine. "Ahora podemos llevar la máquina desde el jardín de infancia hasta el análisis de estilo doctorado en pocas horas", dijo Ganssle.
El proceso doloroso de adquirir y etiquetar correctamente los datos, incluyendo la información de tiempo y ubicación para las nuevas imágenes que la compañía y los clientes toman, le dio a CAMP3 lo que Ganssle considera un activo estratégico clave. "Capturar algo que otras personas no tienen, y organizarlo con un plan para otros usos en el camino", dijo.
"Con AI, nunca se sabe qué problema tendrá que abordar a continuación. Esto podría ser usado para pensar en los suelos, o cambiar las necesidades de agua. Cuando miramos cosas nuevas, o empezamos a hacer modelos predictivos, estos serán datos que caen del camión, que recogemos y utilizamos ".
CAMP3 es una empresa de 26 personas, con sede en Alpharetta, Georgia, que despliega y gestiona redes de sensores inalámbricos para la agricultura. La compañía también vende productos de colaboración y correo electrónico de G Suite de Google a comisión.
El fundador y director ejecutivo Craig Ganssle fue uno de los primeros usuarios de Google Glass. El vidrio falló como un producto de consumo, pero la experiencia de usar una cámara y recoger imágenes en el campo inspiró a Ganssle a pensar en las maneras en que los agricultores podrían usar AI para detectar enfermedades y plagas en las plantas desde el principio.
AI trabaja típicamente crujiendo cantidades muy grandes de datos para calcular patrones reveladores, después probando patrones provisionales contra los datos similares que todavía no ha procesado. Una vez validado, la metodología de búsqueda de patrones se fortalece alimentando más datos.
El desafío inicial de CAMP3 fue asegurar suficientes datos visuales para entrenar su producto de IA. No sólo había relativamente pocas imágenes de cultivos enfermos y plagas de cultivos, sino que estaban dispersas en numerosas instituciones, a menudo sin identificación adecuada.
"Encontrar suficientes imágenes de la niebla del norte de la hoja de maíz [NCLB] tomó 10 meses", dijo Ganssle. "Había muchas fotografías en las grandes universidades agrícolas, pero nadie tenía la información bien etiquetada. Las compañías de semillas también tenían fotos, pero nadie tenía fotos de maíz sano, maíz con NCLB temprano, maíz con NCLB avanzado ".
Recopilaron todo lo que pudieron de cada fuente privada, educativa y gubernamental que pudieron, y luego tomaron muchas fotos. Formación de los datos, en este caso, puede haber sido más fácil que la obtención de los datos en el primer lugar.
Que los datos de formación visual es un bien escaso, y un activo empresarial defendible. El entrenamiento inicial para cosas como el NCLB, el moho de pepino o el gusano de maíz dulce requerían inicialmente "decenas de miles" de imágenes, dijo. Con un sistema entrenado, agregó, ahora requiere mucho menos imágenes para entrenar para una enfermedad.
CAMP3 entrena las imágenes de TensorFlow, un framework de software de AI desarrollado por Google y luego abierto. Para la computación, se basó en Amazon Web Services y Google Compute Engine. "Ahora podemos llevar la máquina desde el jardín de infancia hasta el análisis de estilo doctorado en pocas horas", dijo Ganssle.
El proceso doloroso de adquirir y etiquetar correctamente los datos, incluyendo la información de tiempo y ubicación para las nuevas imágenes que la compañía y los clientes toman, le dio a CAMP3 lo que Ganssle considera un activo estratégico clave. "Capturar algo que otras personas no tienen, y organizarlo con un plan para otros usos en el camino", dijo.
"Con AI, nunca se sabe qué problema tendrá que abordar a continuación. Esto podría ser usado para pensar en los suelos, o cambiar las necesidades de agua. Cuando miramos cosas nuevas, o empezamos a hacer modelos predictivos, estos serán datos que caen del camión, que recogemos y utilizamos ".
Explore sus Datos Adyacentes
TalkIQ es una compañía que monitorea las llamadas telefónicas de ventas y servicio al cliente, convierte la charla en texto y luego escanea las palabras en tiempo real para palabras clave y patrones que predicen si una compañía se encamina hacia un buen resultado: una nueva venta, un cliente feliz .
La compañía tuvo su inicio después de que Jack Abraham, ex ejecutivo de eBay y empresario, fundara ZenReach, una compañía de Phoenix que conecta el comercio online y offline, en parte a través de extensos centros de llamadas.
"Seguí pensando que si pudiera escuchar todo lo que nuestros clientes pedían, captaría el cerebro gigante de la compañía", dijo Abraham. "¿Por qué un representante cierra el 50% de sus llamadas, mientras que el otro obtiene el 25%?"
Los datos de esas llamadas podrían mejorar el rendimiento de ZenReach, se dio cuenta, pero también podría ser el conjunto de formación para un nuevo negocio que sirvió a otras empresas. TalkIQ, con sede en San Francisco, tomó dos años para construir. Los científicos de datos examinaron medio millón de conversaciones conservadas en el sistema telefónico ZenReach de la empresa.
Al igual que con el CAMP3, parte del reto era cartografiar correctamente la información -en este caso, conversaciones en salas llenas de gente, a veces por malas conexiones telefónicas- y marcar cosas como nombres de producto, características y competidores. TalkIQ utiliza reconocimiento de voz automatizado y algoritmos que comprenden el lenguaje natural, entre otras herramientas.
Dado que los productos y las interacciones humanas cambian aún más rápido que la biología, el corpus de entrenamiento para TalkIQ necesita entrenarse casi continuamente para predecir bien, dijo Dan O'Connell, director ejecutivo de la compañía. "Cada predicción depende de información precisa", dijo. "Al mismo tiempo, hay que tener cuidado de" overfitting ", o la construcción de un modelo tan complejo que el ruido está contribuyendo a los resultados tanto como buenos datos.
Construido como una adyacencia a ZenReach, TalkIQ también debe ajustar para el cliente individual y las necesidades de la industria vertical. El producto entró en el lanzamiento comercial en enero, y según Abraham ahora tiene 27 compañías que pagan por el servicio. "Si tenemos razón, así es como funcionarán todas las empresas en el futuro".
Centrarse en la experiencia del cliente
En marzo pasado, la compañía con sede en Denver, Blinker, lanzó una aplicación móvil para comprar y vender autos en el estado de Colorado. Se pide a los clientes que fotografíen la parte trasera de su vehículo, y en momentos de subir la imagen se identifican el año del automóvil, el modelo y el valor de la reventa. A partir de ahí es un asunto relativamente simple para ofrecer el coche, o buscar refinanciación y seguros.
La IA que identifica el coche tan fácilmente parece mágica. De hecho, el proceso se realiza utilizando TensorFlow, junto con la API de Google Visión, para identificar el vehículo. Blinker tiene acuerdos con terceros proveedores de datos de vehículos de motor, y una vez que identifica el número de placa, puede obtener la otra información de los archivos (en la medida de lo posible, la máquina también comprueba los datos de imagen disponibles).
Blinker ha solicitado patentes en varias de las cosas que hace, pero el fundador y director ejecutivo de la compañía piensa que su verdadera ventaja son sus 44 años en el negocio de concesionarios de automóviles.
"Hagas lo que hagas, sigues vendiendo autos", dijo Rod Buscher. "La gente olvida que la forma en que se siente, y los puntos de dolor de comprar un coche, todavía están ahí".
Señaló que Beepi, un anterior peer-to-peer intento de vender coches en línea, "recaudó $ 150 millones, con un gran concepto y los chicos inteligentes. Ellos todavía lo perdieron todo. La clave de nuestro éxito es el conocimiento del dominio: Tengo un equipo de expertos del negocio de venta de autos. "
Eso significa sacar los anuncios intrusivos y los procesos de varios clics generalmente asociados con la venta de autos en línea y dar a los clientes una sensación de acción rápida y sensible. Si el coche está a la venta, el número de licencia está cubierto con un logotipo Blinker, ofreciendo al vendedor un sentido de privacidad (y Blinker algunos publicidad gratuita).
Blinker, que espera ser nacional en los próximos años, tiene especialistas en IA, que han entrenado un sistema con más de 70.000 imágenes de automóviles. Incluso estos tenían el toque humano - los resultados fueron verificados en Amazon Mechanical Turk, un servicio donde los seres humanos realizan tareas baratas en línea.
Mientras que el trabajo de AI continúa, Buscher pasó más de un año reuniendo grupos de enfoque para ver qué funcionaba y luego observó cómo interactuaban los compradores y vendedores (con frecuencia, hacían sus ventas lejos de Blinker, algo que la compañía tenía que arreglar).
"Nunca he estado en tecnología, pero estoy aprendiendo eso en el camino", dijo. "Aún tienes que saber lo que es una buena y mala experiencia al cliente."
Ninguna herramienta, incluso una tan poderosa como la IA, determina el destino de un negocio. Tanto como el mundo cambia, las verdades profundas - alrededor desenterrar conocimiento del cliente, capturar mercancías escasas, y encontrar adyacencias provechosas - importará grandemente. Como siempre, la tecnología funciona en la medida en que sus propietarios saben lo que puede hacer, y conocer su mercado.
Quentin Hardy es Director de Editorial de Google Cloud.
TalkIQ es una compañía que monitorea las llamadas telefónicas de ventas y servicio al cliente, convierte la charla en texto y luego escanea las palabras en tiempo real para palabras clave y patrones que predicen si una compañía se encamina hacia un buen resultado: una nueva venta, un cliente feliz .
La compañía tuvo su inicio después de que Jack Abraham, ex ejecutivo de eBay y empresario, fundara ZenReach, una compañía de Phoenix que conecta el comercio online y offline, en parte a través de extensos centros de llamadas.
"Seguí pensando que si pudiera escuchar todo lo que nuestros clientes pedían, captaría el cerebro gigante de la compañía", dijo Abraham. "¿Por qué un representante cierra el 50% de sus llamadas, mientras que el otro obtiene el 25%?"
Los datos de esas llamadas podrían mejorar el rendimiento de ZenReach, se dio cuenta, pero también podría ser el conjunto de formación para un nuevo negocio que sirvió a otras empresas. TalkIQ, con sede en San Francisco, tomó dos años para construir. Los científicos de datos examinaron medio millón de conversaciones conservadas en el sistema telefónico ZenReach de la empresa.
Al igual que con el CAMP3, parte del reto era cartografiar correctamente la información -en este caso, conversaciones en salas llenas de gente, a veces por malas conexiones telefónicas- y marcar cosas como nombres de producto, características y competidores. TalkIQ utiliza reconocimiento de voz automatizado y algoritmos que comprenden el lenguaje natural, entre otras herramientas.
Dado que los productos y las interacciones humanas cambian aún más rápido que la biología, el corpus de entrenamiento para TalkIQ necesita entrenarse casi continuamente para predecir bien, dijo Dan O'Connell, director ejecutivo de la compañía. "Cada predicción depende de información precisa", dijo. "Al mismo tiempo, hay que tener cuidado de" overfitting ", o la construcción de un modelo tan complejo que el ruido está contribuyendo a los resultados tanto como buenos datos.
Construido como una adyacencia a ZenReach, TalkIQ también debe ajustar para el cliente individual y las necesidades de la industria vertical. El producto entró en el lanzamiento comercial en enero, y según Abraham ahora tiene 27 compañías que pagan por el servicio. "Si tenemos razón, así es como funcionarán todas las empresas en el futuro".
Centrarse en la experiencia del cliente
En marzo pasado, la compañía con sede en Denver, Blinker, lanzó una aplicación móvil para comprar y vender autos en el estado de Colorado. Se pide a los clientes que fotografíen la parte trasera de su vehículo, y en momentos de subir la imagen se identifican el año del automóvil, el modelo y el valor de la reventa. A partir de ahí es un asunto relativamente simple para ofrecer el coche, o buscar refinanciación y seguros.
La IA que identifica el coche tan fácilmente parece mágica. De hecho, el proceso se realiza utilizando TensorFlow, junto con la API de Google Visión, para identificar el vehículo. Blinker tiene acuerdos con terceros proveedores de datos de vehículos de motor, y una vez que identifica el número de placa, puede obtener la otra información de los archivos (en la medida de lo posible, la máquina también comprueba los datos de imagen disponibles).
Blinker ha solicitado patentes en varias de las cosas que hace, pero el fundador y director ejecutivo de la compañía piensa que su verdadera ventaja son sus 44 años en el negocio de concesionarios de automóviles.
"Hagas lo que hagas, sigues vendiendo autos", dijo Rod Buscher. "La gente olvida que la forma en que se siente, y los puntos de dolor de comprar un coche, todavía están ahí".
Señaló que Beepi, un anterior peer-to-peer intento de vender coches en línea, "recaudó $ 150 millones, con un gran concepto y los chicos inteligentes. Ellos todavía lo perdieron todo. La clave de nuestro éxito es el conocimiento del dominio: Tengo un equipo de expertos del negocio de venta de autos. "
Eso significa sacar los anuncios intrusivos y los procesos de varios clics generalmente asociados con la venta de autos en línea y dar a los clientes una sensación de acción rápida y sensible. Si el coche está a la venta, el número de licencia está cubierto con un logotipo Blinker, ofreciendo al vendedor un sentido de privacidad (y Blinker algunos publicidad gratuita).
Blinker, que espera ser nacional en los próximos años, tiene especialistas en IA, que han entrenado un sistema con más de 70.000 imágenes de automóviles. Incluso estos tenían el toque humano - los resultados fueron verificados en Amazon Mechanical Turk, un servicio donde los seres humanos realizan tareas baratas en línea.
Mientras que el trabajo de AI continúa, Buscher pasó más de un año reuniendo grupos de enfoque para ver qué funcionaba y luego observó cómo interactuaban los compradores y vendedores (con frecuencia, hacían sus ventas lejos de Blinker, algo que la compañía tenía que arreglar).
"Nunca he estado en tecnología, pero estoy aprendiendo eso en el camino", dijo. "Aún tienes que saber lo que es una buena y mala experiencia al cliente."
Ninguna herramienta, incluso una tan poderosa como la IA, determina el destino de un negocio. Tanto como el mundo cambia, las verdades profundas - alrededor desenterrar conocimiento del cliente, capturar mercancías escasas, y encontrar adyacencias provechosas - importará grandemente. Como siempre, la tecnología funciona en la medida en que sus propietarios saben lo que puede hacer, y conocer su mercado.
Quentin Hardy es Director de Editorial de Google Cloud.
No hay comentarios:
Publicar un comentario