Готовы ли ритейлеры использовать искусственный интеллект и machine learning в своих бизнес-процессах

От редакции: в основу статьи лег доклад партнера компании Data Insight Федора Вирина на конференции "Электронная торговля" в 2019 году. 

Искусственный интеллект – то есть машинное обучение и работа с большими данными – уже сейчас становится серьезным конкурентным преимуществом ритейлера. Эксперты считают, что машинное обучение следуют внедрять в процессы ритейла уже сегодня, а уже через 1-3 года технология достигнет массового использования на рынке.

Большинство крупных и средних eсommerce-компаний используют AI & ML в бизнес-процессах уже не первый год

70 процентов компаний, с которыми мы поговорили, либо уже внедрили AI, либо внедряют технологию сейчас.

У большинства крупных компаний есть своя лаборатория для разработки и тестирования искусственного интеллекта. Они пользуются готовыми решениями, которых на рынке на данный момент не очень много. Но есть и те, которые готовы эти решения подключать. При этом на самом деле у средних компаний довольно ограниченный спектр внимания.

Подходы компаний к AI & ML отличаются

Сфера применения искусственного интеллекта и machine learning

Сфера применения сегодня – это маркетинг. Более того, в маркетинге есть много инструментов и кейсов, которые используют те самые новаторы и крупные компании. Средние компании взяли чужие решения. Например, это могут быть рекомендации или поиск на сайте, а также системы динамического контента. На сегодняшний день это 80 процентов всех решений на рынке.

Типичный клиент AI & ML

Первый тип компаний, которые заинтересованы в интеграции искусственного интеллекта и machine learning, – это крупное предприятие, имеющее собственного технологическое решение. Второй тип – средняя фирма, которая пользуется несколькими сторонними сервисами.

Самое интересное то, что нет вообще ни одной компании, которая использует только одно стороннее решение. Причина в том, что на рынке мало фирм, предлагающих широкий спектр решений. Поэтому средние компании выбирают сразу нескольких поставщиков услуг. И в большинстве случаев выбор представляет собой эксперимент.

Разработка собственного решения требует выделения целого отдела из нескольких человек. В крупных компаниях размер R&D-отдела могут доходить до 20 человек. Сотрудники, занимающиеся ML, могут составлять как отдельное подразделение data-science, так и быть частью отдела аналитики. Компании часто (но не всегда) предпочитают универсальных специалистов. Аналитиков с компетенциями в ML или специалистов, способных выполнить все задачи в рамках ML.

Аргументация делать свое решение

Первый страх, подталкивающий компании к внедрению своего решения, – это нежелание делиться своими данными. Этот страх неаргументированный. Его причина –  недоразвитый рынок.

Второй страх – необходимость решать специфические задачи. Такие, под которые нет готового сервиса. Этот страх тоже не всегда реальный, поскольку большинство решений на рынке достаточно гибкие и гибкость этих решений позволяет внедрять все что угодно.

Также, как правило, компании выбирают свой продукт из-за дешевизны и отсутствия технологической зависимости от кого-либо.

Аргументация использовать внешнее решение

• Нет достаточных ресурсов во внутренней разработке.
• В некоторых типах решений на рынке существует уровень уже обученных приложений, которого невозможно достичь своими силами – это требует огромной размеченной выборки.
• Экономия времени и своих ресурсов.
• Работа с готовыми внешними решениями не в ключевых системах (нет риска потери данных).
• Использование внешних open-source решений в качестве базы для своей разработки.
• Эксперименты с внешними решениями, чтобы понять, насколько сложно решаема задача, как это работает в реальной жизни и как сделать это самостоятельно.
• Сложности в поиске квалифицированных специалистов.

Каждый год на конференции "Электронная Торговля" делятся опытом руководители крупнейших ecommerce- и мультиканальных компаний. Содержание докладов по большей части остается коммерческой тайной.  Небольшая часть материалов публикуется на Oborot.ru спустя год.

Хотите знать все о последних трендах? Регистрируйтесь!