Katherine é o CEO e Managing Partner da bpm'online , um CRM líder orientada por processos de marketing, vendas e serviços em uma única plataforma.

A Inteligência Artificial (IA) teve um grande ano em 2016, com grandes avanços em deep machine learning, a internet of things, Forecasting Preditivo, processos de negócios mais inteligentes e assistentes pessoais smart. Embora a tecnologia pareça se mover a uma velocidade cada vez maior, IA está aparentemente em todos os lugares e pode vir a ser um dos segmentos de tecnologia de maior crescimento em 2017.

É por isso que as organizações precisam determinar exatamente como eles precisam se preparar para fomentar a IA no próximo ano. Para isso, existem vários aspectos fundamentais que as empresas devem considerar para entender como esta nova tecnologia disruptiva aos modelos de negócios tradicionais e como integrar IA em seus planos estratégicos.

Limpeza e organização dos dados: Se você alimentar AI com dados errados, não pode aprender ou tomar boas decisões (há muito barulho para encontrar o sinal).

Algoritmos de machine learning são a espinha dorsal da IA e necessitam de dados para aprender. Hoje, muitas organizações estão produzindo mais dados do que eles imaginam e até mesmo sabem como usar, dados que encontram-se muitas vezes em silos departamentais, ou não estão estruturados e difíceis de analisar. Para obter insights desses dados, IA analisa os conjuntos de dados para encontrar padrões previsíveis. O problema, porém, é que, se estes algoritmos de machine learning são alimentados com dados ruins, estes sistemas podem encontrar padrões incorretos, criar modelos ruins, ou muitas vezes tornando-se inúteis porque o sistema não pode encontrar valor nos dados.

Um estudo por Xplenty destaca que 30% dos profissionais de business intelligence gastam pelo menos metade do tempo fazendo limpeza dos dados. Enquanto as ferramentas alimentadas por IA pode ajudar analistas a limpar os dados com algoritmos escritos para limpar, classificar e categorizar, algumas empresas (como IBM e Amazon) ainda usam pessoas para fazer rotulagem de dados que o software não faz. Isto significa que é muito cedo para eliminar as pessoas a partir dos processos de fornecimento de ferramentas de AI com os dados certos no momento certo.

IA não é nenhuma bala de prata. Você tem que organizar seus dados antes que a IA possa ser benéfica.

Dados integrados / armazenamento de dados: conecte os dados de diferentes fontes para enriquecer a IA.

As empresas que não podem conectar fontes de dados estão perdendo grandes oportunidades, que têm um impacto direto sobre os resultados. De acordo com EMC (com pesquisa e análise pela IDC ), "em 2020, o universo digital - os dados que serão criados e copiados anualmente - chegarão a 44 zettabytes, ou 44 trilhões de gigabytes."

Os líderes de negócios precisam ter certeza de que todos os dados valiosos do cliente que vem de vários sistemas sejam centralizados e integrados. É por isso que os sistemas de Big Data como Hadoop e Amazon Redshift, que são capazes de unir grandes volumes de dados, continuam a crescer rapidamente. Estas soluções são normalmente construídas com APIs poderosas ou capacidades de integração de dados, especialmente soluções SaaS como a Amazon Redshift, que ajudam as organizações a integrar dados de vários sistemas transacionais da empresa, vendas, marketing e serviços.

Mais dados unificados fornecem melhores análises organizacionais e impulsionam a melhor tomada de decisão e relatórios analíticos. Também são fundamentais para educar os sistemas machine learning e criar IA mais completa. Dados integrados significam análise holística, e mais importante, as recomendações bem fundamentadas.

Identificar o ponto de partida: Os casos de uso são ótimos, mas pense sobre a implantação do IA estrategicamente.

A implantação operacional da IA é um passo essencial para qualquer organização, e como qualquer grande iniciativa digital irá exigir uma estratégia bem pensada. Isso significa avaliar sua infraestrutura de TI, os processos de negócios que podem ser impactados pela IA, e o mais importante, onde IA será capaz de ajudá-lo a impactar mais o negócio.

A estratégia também deve alinhar-se com outras prioridades organizacionais e estratégias para reduzir os inconvenientes e melhorar adoção rapidamente. IA deve ser implementada perfeitamente sem impactar negativamente os clientes - deve melhorar significativamente marketing, vendas, encomendas, atendimento ao cliente, suporte técnico ou operações. Além disso, a estratégia deve ser capaz de trabalhar em conjunto com todos os canais de interação da empresa, incluindo call center, web ou mobile self-service, bem como parceiros de vendas e serviços, a fim de garantir que todos os canais estão entregando uma experiência consistente.

Por exemplo, se os dados de uma fonte ou canal é fundamental para que a IA tome melhores decisões ou recomendações, você vai querer se certificar de que os dados desses pontos de contato podem ser consumidos com rapidez suficiente para informar a sua IA e não interromper a experiência. Você não gostaria que seu sistema faça recomendações “inteligentes” para fazer algo que o cliente já tenha feito.

Em resumo, IA oferece uma grande promessa para melhorar a eficiência e a produtividade das equipes que interagem com os clientes, seja automatizar tarefas rotineiras para equipes de vendas e de serviços ou recomendar melhor conteúdo ou melhores segmentos alvo para marketing. Usando estas três considerações fundamentais, a IA tornar possível para os usuários de negócios encontrar insigths em seus dados sem ser tão dependente de equipes de BI.