找到人類與機器的組合模式，人工智慧才能迎來「見證奇迹的時刻」

著名作家Malcolm Gladwell曾對「引爆點」作了一個定義。「引爆點」——即一個當想法、趨勢或者社會行為超越了某一臨界值，並像野火般迅速蔓延傳播的神奇時刻。

人工智慧技術用於驅動數字化營銷和客戶體驗的想法和理念已經存在很多年了，但直到最近，似乎所有領先的新聞媒體和科技博客都充斥著關於人工智慧的報道。各大分析公司也預測了即將到來的人工智慧的投資熱潮。

舉個例子來說，IDC公司表示在接下來的四年，其公司用於人工智慧軟體的投資預計銷售增長54%，這也就意味著IDC公司在人工智慧方面的投資額從2016年的3.6億美元增加至2020年的超過20億美元。我們同時還預見了基於人工智慧的機器學習產品的投入增長趨勢，這一增長來自於營銷的雲供應商們競相提供最優的自動化交付經驗。

大量的行為數據和客戶信號在複雜的環境下是很難被準確描述的，但人工智慧具備理解、查明這些數據和信號的潛力。同時，它還能通過衡量消費者的互動，達到比較難以捉摸的一對一互動，這種一對一互動也是所有營銷者一直都希望達到的。但前提是，它必須被用於有意義的客戶數據和個性化任務，否則結果將仍然是毫無價值的。

那麼，最近興起的「人工智慧熱」是否只是一種炒作？我們真的進入了一個人工智慧引領數字化轉型的新時期嗎？

人工智慧創新的最新狀態

首先，我們先來關注一下技術本身，並思考一下近期的技術突破是否可能推動人工智慧的興起。

我們把那些最新且最令人興奮的演算法，稱為「深度學習」。這些演算法促進了「弱人工智慧」（ANI）——人工智慧的最低水準——的發展。最近，通過網路科技使用深度學習的趨勢在不斷加深，伴隨著這一趨勢，我們可以讓機器在速度、準確率和可伸縮性上的性能遠超人類水平。

那些人類操作用時不到30秒的任務對於人工智慧機器人來說是最理想的，儘管這些任務是需要對含大量潛在模式的數據進行分析的。人臉識別、語音識別、唇讀及其他類似的，涉及圖像分析或時間序列的任務活動都是很好的例子。

另外，深度學習進步的組合，以及在模擬環境中實驗框架的實現，正引領著「深度強化學習」領域的進步和發展。

因此，在不久的將來，那些需要人工不斷重複的工作會面臨著大爆炸式的變革，比如說「無人駕駛汽車」或「倉庫包裝機器人」能夠幫你迅速完成那些簡單自動化的任務。在你還未察覺之前，人工智慧的機器人就會幫你快速地疊放好貨架、包裝好雜物，甚至處理好你的飛機行李託運的工作。

人工智慧的創新對數字客戶體驗的影響主要體現在公司用於客戶溝通互動的機制上。在節省時間上，人工智慧創新的潛力就已經十分顯著了。

舉個例子：我們團隊使用機器學習來找出受品牌影響表現不佳的客戶群體，每十個由機器學習引擎找出的、表現不佳的群體將需要大約四五個員工持續工作一個月左右來處理完成。就人工智慧的實際應用來說，「會話商務」——即通訊應用程序和購物應用程序的交集——是其另一利益和經濟增長的領域。

數據泛濫造成的營銷性能差距

人工智慧科技不斷進步，營銷者們利用營銷堆棧提供的數據的能力卻在持續下降，逐漸跟不上時代的腳步。造成這一現象的主要的因素之一就是源源不斷的數據流，以及其帶來的龐大的數據過剩。過於龐大的數據量導致人類決策的效率和準確率越來越低。所以就出現了確定可行性見解的能力。

再想想收益遞減：首先我們能夠實現一些簡單的改變，但是在那些改變之後你必須要對大量的數據進行逐步深入的研究。這就意味著人類大腦在收集信息和識別模式方面面臨的挑戰越來越大。從某種程度上來說，可行性見解的價值是無法與投資成比例地增加的。

在IDC和Qubit聯合發表的一份最新的報道中，分析家Gerry Brown和Philip Carnelley表示，我們當前正面臨著一個「營銷性能差距」。

具體而言，傳統的B2C網站營銷方式已經開始死亡，這一營銷方式幾乎沒有改進和發展的空間了。尤其是A/B測試——一項基於用戶反饋的實驗，實驗中將提供給用戶兩個或兩個以上網頁和完善情況變數——已經無法達到B2C企業所需的性能了。

另外，網站營銷消亡的影響在傳統的、用於歷史數據分析和報告的分析工具上表現得非常明顯。「預測性客戶分析」對於那些希望超越傳統數據的營銷性能來說，幾乎是沒有影響的，因為營銷者們已經無法從他們給出的分析性見解中獲得金錢收益了。

持續下降的客戶數據收集質量實際上給很多企業帶來了消極的影響，造成了客戶分析與盈利營銷行為間的「營銷性能差距」。

人工智慧戰略將如何幫助企業保持競爭力？

人工智慧技術如今已經取得了長足的進步，它能解決不斷擴大的營銷性能差距，還能通過將公司轉型為一個「有型人格」——一個比現在更具真實意義的、活生生的品牌，從而顯著地提高客戶的參與度。

對於品牌來說，這意味著具備高度的、與客戶進行實時溝通互動的能力；對於消費者來說，這意味著通過一種更加人格化的方式來認識一個品牌，不僅僅是消費，更是根據消費者本身的體驗參與、融入到這一品牌中。

公司高管們不需要對這些轉型感到恐慌，相反地，他們可以通過自我學習了解基本的人工智慧應用程序和當前其局限性，來充分接受這一轉型。這有利於他們對其內部那些受人工智慧技術驅動影響最大的行業領域進行評估。

企業到底應該如何使用人工智慧技術？他們可以試著通過對自身提出以下問題來找到使用人工智慧的方向：我們對當前正在努力解決的問題是否足夠明確？人工智慧將接觸到我們日常工作流程中的哪些部分？人類團隊將如何跨組織地支持人工智慧？

之後，企業或公司就能對合適的技術進行評估了。以客戶體驗交付為例，在後端系統和經驗傳遞機制之間是否存在一個無縫集成？是否存在一個用於促進從對話到收集、見解、動作和測量的迭代互動的快速的反饋機制？客戶參與的優勢是什麼？測試和監控這些人工智慧技術在價值增加以及與人類操作者交流互動上的能力的最佳方式是什麼？

最後，企業或者公司必須要投資人工智慧關閉裝置。所有事情都不可能萬無一失，一旦出現了差錯，有足夠的冗餘用於降低人工智慧技術出現的失誤造成的影響是非常重要的。談到人工智慧技術的失誤，我們首先會想到微軟的聊天機器人遇到的挑戰；谷歌公司自動人臉識別系統的分類錯誤；還有「騎士資本集團」的迅速崩盤。

一切都關乎於人類與機器人的共存

那麼現在，我們是不是必須要在機器和人類中做出選擇了？

不！因為人工智慧憑藉其高效率會在每一場與人類的角逐中勝出。但是，就其自身來說，人工智慧在抽象推理和直觀理解的能力上仍然是比較差的。如果接收到了錯誤的數據或者工具，那麼未經訓練的人工智慧就會失去其優越性。機器人是需要人類指導的。

隨著人工智慧技術的不斷成熟，人類將會更多地關注於開發人類潛能的任務，比如說開發人類在無形的水平條件下進行模式偵測的能力，或者是制定關於一對象或想法本質的理論的能力。

我們不應該把這一人工智慧的新時期看作是一場人類與機器的戰爭，我們應該思考如何讓人類和機器協同合作，創造出優勢最大化的組合模式。如此，人類將有更大的機會釋放人類的時間，將其用於其他需要人類的領域。只有當我們掌握了這兩種力量的組合方法，我們才能見證一個真正的、人工智慧在數字化營銷上的轉型。