Wdrożenie przynajmniej pojedynczej funkcji wspieranej przez AI, potwierdza 56% uczestników badania, w porównaniu do 50% rok wcześniej. Szczególny wzrost widać w krajach rozwijających się — tam użycie AI wzrosło o 12 p. p. z 45% w 2020 do 57% w 2021.
Wskazując korzyści z użycia AI, aż 74% ankietowanych wymienia wzrost sprzedaży dzięki użyciu rozwiązań bazujących na AI, w funkcjach związanych ze sprzedażą. 27% respondentów odpowiedziało, iż użycie AI wygenerowało przynajmniej 5% ich EBIT.
Raport wskazuje ogólne trendy w wykorzystaniu AI, we wszystkich funkcjach organizacji - od Produkcji, poprzez HR, Rozwój Produktu, Logistykę, Finanse aż do Operacji. Ze względu na obszar AI, jakim się zajmujemy, skoncentruję się na obszarze Marketingu i Sprzedaży.
Poniżej, wymieniam 4 najciekawsze, wg mnie, elementy raportu, wraz z kluczowymi, moimi tezami ich dotyczącymi. Jako, że wszystkie wskazane elementy są bardzo obszerne, pozwoliłem sobie na ich rozwinięty opis, w 4 kolejnych artykułach. Linki do nich będą udostępniane w kolejnych wpisach. Oczywiście na całość patrzyłem z perspektywy najbliższej mojemu działaniu, a mianowicie zastosowania AI napędzającego Image Recognition, we wsparciu procesów w handlu detalicznym, czyli szeroko rozumianym Retail.
Dlaczego właśnie te 4 elementy raportu są wg mnie takie interesujące ?
Otóż z 2 głównych powodów. Pierwszym z nich jest skoncentrowanie się na obszarze Marketingu i Sprzedaży. Wiele informacji zawartych w raporcie, pokrywa się z naszymi własnymi doświadczeniami z wdrażania projektów AI oraz z komentarzami naszych klientów. Wybrałem z nich te, które mają największy wpływ na powodzenie i efektywność w praktyce. I to jest drugi powód.
Dodatkowo warto zwrócić uwagę, że w każdym obszarze, raport wskazuje 2 najczęściej spotykane zastosowania AI. W obszarze sprzedaży i marketingu są to analityka obsługi klienta i segmentacja klientów. W pierwszym przypadku mogą to być wszelkie zadania związane z obsługą klienta, w tym np. chat/video/audio boty, i cała analityka połączona z nimi. W drugim działania związane z gromadzeniem danych o klientach, w tym te, które wspierają CRM, czy też inteligentne podpowiedzi zakupów online, które na bazie zachowań klientów sugerują zakupy (jednym z pionierów w tym obszarze był Amazon).
Te sposoby wykorzystywania AI, nie zmieniły się zresztą mocno, jeżeli porównać je z wcześniej opublikowanym raportem opracowanym przez Capgemini. Więcej informacji o tym raporcie znajdziecie tutaj.
Co istotne, w obszarze Marketingu i Sprzedaży, Image Recognition nie pojawia się wśród 2 kluczowych zastosowań AI, co jest dość symptomatyczne. Nadal AI rozwija się najszybciej w obszarze sprzedaży online. Tam najprzyjemniej buduje się modele AI, ponieważ można je oprzeć o odpowiednią ilość łatwo dostępnych danych. W sklepach fizycznych, gdzie bardzo ważną rolę odgrywa jakość ekspozycji i fizyczna dostępność produktów, o takie dane, szczególnie na potrzeby Image Recognition dużo trudniej, dostępność i złożoność budowy takich modeli jest dużo trudniejsza. Samo AI wspierające Image Recognition w handlu, to jednak temat na inną opowieść. Mimo tych w/w różnic w zakresie dostępności danych oraz ich jakości, poniżej wskazane 4 elementy wyłowione z raportu są również bardzo symptomatyczne dla Image Recognition.
Oczywiście zachęcam do zapoznania się z ogólnodostępnymi informacjami, jakie opublikował McKinsey na swojej stronie.
W najbliższych dniach opublikujemy kolejne części artykułu:
Część I. Sama budowa nie wystarczy.
Część II. Podwójny wzrost spadku.
Część III. Doświadczeni użytkownicy lepiej szacują koszty AI.
Część IV. Warto angażować użytkowników.
👉 Zapraszamy do śledzenia naszej aktywności w mediach społecznościowych, aby być na bieżąco: