آیا هوش مصنوعی شغل تحلیلگر داده‌ها را از بین می‌برد؟

ویویِن تِی[۱] در خصوص این حوزه جدید از فن‌آوری و تأثیر آن بر تحلیلگران داده‌ها جستجو می‌کند.

تحلیل اخبار

اخیراً شرکت خودروسازی فورد[۲] با خبر سرمایه‌گذاری یک میلیارد دلار در پنج سال بعدی، در شرکت هوش مصنوعی آرگو[۳]، در تیتر خبرها قرار گرفت. با اطمینان می‌توان گفت که هوش مصنوعی بر تمام وجوه بازاریابی امروز تسلط می‌یابد، از فرایندهای کارآمدسازی[۴] تا تزریق خلاقیت، رمزگشایی رفتار مشتری و البته رمزگشایی داده‌ها.

در حالی که فقط همین چند سال پیش، قرار بود که سردمداران، دانشمندان داده‌ها باشند، امروزه شاهد جایگزینی سریع آن‌ها هستیم. امروز هنوز در میان ما برندهایی هستند که متحمل تلاش بسیار زیادی برای جمع‌آوری داده‌ها هستند و هنوز نمی‌دانند که قدم بعدی چیست. آن‌ها دلیل این مشکل را ناکافی بودن تحلیلگران داده‌ها به‌منظور رمزگشایی داده‌ها و صحبت به زبان بازاریابی می‌دانند.

آیا ممکن است که پاسخ به این مشکل آن‌ها، به جایگزینی نقش تحلیلگران داده‌ها با یادگیری ماشین بیانجامد؟

بر خلاف ترس و وحشتی که در فیلم‌های فرا ماشین‌ها[۵] و «من، روبات[۶]» وجود دارد، امروزه AI معمولاً بسیار لطیف‌تر است؛ این توضیحات جیسون جرسینوویک[۷] مدیر جهانی ابتکارات بازاریابی در هاواس[۸] است.

این را می‌توان در الگوریتم‌های جستجو و ردیابی دید که ترجیحات مصرف‌کننده را می‌آموزد و سپس انواع مرتبط محتوا و علایق فردی را کندوکاو می‌کند. او اضافه می‌کند که هوش مصنوعی راهی برای بازگشایی چشم‌اندازها از طریق داده‌ها است.

احتمالاً هوش مصنوعی بهتر از یک انسان دانشمند برای ترجمه داده‌ها به شیوه‌های ساده‌تر مجهز است.

او می‌گوید: «هوش مصنوعی رابطه بین افراد و داده‌ها را ممکن می‌سازد؛ با نشان دادن اینکه ما از لحاظ فردی که هستیم، از ما بشرهای بهتری می‌سازد؛ بدین ترتیب برای مشتریان امکان تجربه رودررو را فراهم می‌کند».

او پیروی این چشم‌انداز است که در زمانی که بازاریابان در میانه یک انقلاب اطلاعاتی هستند، هوش مصنوعی برندها را قادر به خلق نوینی از تجربه مشتری می‌سازد. او اظهار می‌کند که در حال حاضر برندها فقط قادر به درک یک‌پنجم از داده‌های ساختاریافته و جمع‌آوری شده هستند.

هوش مصنوعی نور را بر تاریکی داده‌ها می‌تاباند

جرسینوویک اظهار می‌کند: «سیستم‌ها در AI برندها را قادر می‌سازند که درک عمیق‌تری از مشتریان بیابند و برای آن‌ها تجربیات باارزش و شخصی‌شده ای را فراهم آورند؛ این تجربیات نشانگر این است که مشتری و اینکه چه کسی است درک می‌شود».

AI نه‌تنها به تشخیص پروفایل‌های خطرپذیر مصرف‌کننده کمک می‌کند، بلکه هر مشتری را به تعامل با برند وامی‌دارد و می‌آموزد که مشتری چه چیز را دوست داشته یا دوست نداشته است. این آموزش بر این مبنا است که آن‌ها در سفر مشتری از عملکرد ساده‌ای مثل ضربه بر کلیک و چپ و راست رفتن بر صفحه، چگونه به نقاط تماس مختلف پاسخ دادند.

او می‌گوید: «هر تعاملی اهمیت دارد. هوش مصنوعی شما را قادر می‌سازد که سفر را کوتاه کنید و بدین ترتیب به مشتریان امکان افزایش فروششان یا دستیابی به اهداف تجاری‌شان را می‌دهد».

دیوید ساندرسون[۹]، مؤسس و مدیرعامل ناگیت[۱۰] اظهار می‌کند که هوش مصنوعی کلیدی برای شخصی‌سازی تا حد نیاز است. او می‌افزاید: «تصور کنید که یک بازاریاب دارید که همه چیز را در مورد هر کدام از مشتریان شما می‌داند. دستیابی به چنین چیزی با انسان‌ها غیرممکن است، اما با هوش مصنوعی می‌توانید. می‌توانید به‌جای اتخاذ رویکرد «یک چیز، مناسب برای همه چیز»، هزاران پیام هدف‌گیری شده‌ی دقیق ایجاد کنید».

او اضافه می‌کند که هم برندها که می‌توانند از حفظ هزینه به دلیل بازدهی در بازاریابی منفعت ببرند و هم مشتریان که می‌توانند از یک تجربه مرتبط و بهینه‌شده برای خود برخوردار باشند، در این بازی برد-برد، برنده خواهند بود.

او توضیح می‌دهد: «برای دستیابی به تجربه سفارشی‌شده ایدئال، یک منحنی یادگیری وجود دارد اما این از آینده بازاریابی خیلی دور نیست و هوش مصنوعی نقشی کلیدی در انجام آن خواهد داشت».

صرفه‌جویی در زمان، دقت و مقیاس‌گذاری

ساندرسون قابلیت به‌کارگیری هوش مصنوعی را در فرایند کل تحلیل داده‌ها توضیح می‌دهد. هوش مصنوعی در این کار، قادر به تحویل ارزش از لحاظ صرفه‌جویی در زمان، زمان برگشت[۱۱]، دقت و مقیاس‌گذاری، به بازاریابان خواهد بود.

او ادامه می‌دهد که از لحاظ صرفه‌جویی زمانی، هوش مصنوعی می‌تواند از طریق پاک‌سازی موفق داده‌ها، پردازش و نقشه‌کشی، ۵۰ تا ۸۰ درصد از زمان تحلیلگران را آزاد کند تا بر تحلیل‌ها با ارزش بالاتر تمرکز کنند.

به دلیل اینکه هوش مصنوعی میزان دخالت فرایندهای انسانی را کمتر می‌کند، زمان برگشت را نیز کمتر می‌کند.

او می‌گوید: «هوش مصنوعی این پتانسیل را دارد که به‌جای صبر کردن برای یک تیم تحلیلگر به مدت یک هفته تا پاسخ‌های را کندوکاو کند، پاسخ‌های فوری فراهم آورد».

او اضافه می‌کند که هوش مصنوعی دقت را نیز فراهم می‌کند زیرا در آن هیچ تعصبی نیست، پس از لحاظ تحلیل داده‌ها و خودکارسازی شفافیت بیشتری را ایجاد می‌کند. قادر است که داده‌ها را به‌طور مستقل و بدون جهت‌گیری‌ها انسانی یا خطاهای دستی یا اهداف پنهانی پردازش کند.

هوش مصنوعی در پردازش داده‌ها نامحدود است؛ بدین معنا که تحلیل‌ها را می‌توان به ‌محض و بر حساب نیاز افزایش داد.

ساندرسون اظهار می‌کند: «با پیشرفت هوش مصنوعی، اتخاذ هوش مصنوعی بر مبنای پروژه، یک مدل تجاری است که می‌توانیم انتظار آن را داشته باشیم؛ درست مثل مشاورها. امروزه هوش مصنوعی نه‌تنها قادر به پردازش زبان طبیعی برای دریافت عاطفه مشتری نسبت به برند است، بلکه حتی قادر است که پیام‌های زبانی طبیعی شخصی‌شده و تولیدشده با ماشین را برای حفظ یک مکالمه انسانی ایجاد کند».

[۱] Vivienne Tay

[۲] Ford

[۳] Argo

[۴] Streamlining process

[۵] Ex Machina, 2015

[۶] I, Robot, 2004

[۷] Jason Jercinovic

[۸] Havas

[۹] David Sanderson

[۱۰] Nugit

[۱۱] turnaround time