人工知能。 機械学習。 2016年、これらの言葉はベンダーによって最もよく使用される用語の1つでしたが、購入者には誤解されていました。 これらの用語は実際には何を意味しているのでしょうか？ 多くの人がこれら2つの用語を同義に使用していますが、重要な違いがあります。

人工知能

その本質において、AIは人間が考えるような機械を創造することについてです。 今日、それは主に、人間が得意な単純な作業を自動化することができるコンピューターソフトウェアとして具現化されています。 AIは機械学習、深層学習、自然言語処理などのバズワードを含む技術を記述する広い用語です。

機械学習

機械学習は人工知能のサブセットです。 もっとも基本的に、機械学習はデータを解析し、学習し、それから何かについての決定または予測を行う実践です。 重要なのは、アルゴリズムがプログラミングを追加することなく独自に学習し変化させる能力です。

毎年、Gartnerは新たな新興技術のハイプサイクルを発表しています。 曲線の先端にまたは「膨張期待の頂点」に、機械学習があります。 これは2017年に、AIと機械学習が多くの企業が人工知能について話しているかもしれないが、約束を実現できている企業はほんの少しであることに人々がすぐに気付いて、がっかりする「幻滅の谷」に入ることを意味します。

私たちは、SaaSセールスベンダーたちが製品内でAIと機械学習の利用を自慢しているのを見てきました。 だから、あれだけの熱狂の中で何が本物なのかを理解するにはどうすればいいですか？ そして、2017年におけるあなたのセールスチームにAI対応のテクノロジーがもたらす追加価値は何ですか？

AIがセールスチームにビジネス価値を提供することが証明されているユースケース

全能力を活かせば、AIはあなたのセールスリプが働く方法を変え、その効率を向上させる能力を持っています。 そして、統計によると、生産性の向上の機会があることが示されています。 Accentureが実施した調査によると、あなたのリプが販売活動に割く時間の34%しか販売に費やされず、57%のエグゼクティブが次の年のトップ３の目標の1つとして売上効果の増大を挙げています。

AI対応のテクノロジーは、あなたのリプが得意とする本質に集中し、見込み客と最高の会話を行うことが可能になります。 見込み客に対処するためにどの見込み客に取り組むかを特定するような日常的な作業を気にする代わりに、AI対応のテクノロジーは会話に基づいてあなたのリプに自動的に焦点を当てるべき見込み客や関連知識を教えることができます。

まだ新興の技術ではありますが、AIは企業ソフトウェアに組み込まれ、すでに成功を収めているセールスのユースケースが存在します。 AI対応のテクノロジーは、以下の基準を満たせば、セールスチームに価値を追加できる可能性があります：

1. Narrow domain: AIを利用する最高の製品は、特定のビジネス問題を自動化するためにAIを使用しています。 例えば、6senseは、最も閉鎖する可能性の高い新しいリードや機会を提示するためにAIを使用しています。 セールス担当者が新しい見込み客を見つけるのにかかる時間を短縮する特定の問題を解決しています。
2. 独自の独自データ：独自データがないと、最も洗練された機械学習アルゴリズムでさえ役に立ちません。 Gong.ioは、自然言語処理を使用して、貴社の営業担当者の電話会話を分析し、機械学習を利用して、見込み客とのコミュニケーションを改善する洞察を明らかにします。 数百時間にも及ぶ独自の電話会話へのアクセスがあれば、Gongの機械学習アルゴリズムは貴社に提供する洞察を継続的に改善できます。
3. 貴社のチームのワークフローに住んでいます：貴社が導入する最新のAI対応ソフトウェアの利点を享受するには、貴社の営業チームがそれを採用する必要があります。 採用を促進する最も簡単な方法は、チームのワークフローにシームレスに統合されるソフトウェアを購入することです。 X.aiは、AIによって駆動される個人アシスタントです。 必要なアプリやログイン情報はありません。すべてのユーザーが行う必要があるのは、単にボットに会議のスケジュールを立ててもらうために、amy@x.aiにCCするだけです。

AI対応テクノロジーの真のIPはアルゴリズムではなくデータです

AIの核心はデータです。 それは機械学習アルゴリズムの改善を推進するエンジンです。 興味深いことに、アルゴリズム自体にはほとんど独立した価値があるかもしれません。 Google、Microsoft、IBM、Amazonなどの世界最大の企業の一部は、これを認識し、機械学習アルゴリズムをオープンソース化しています。 したがって、先に述べたように、AI対応テクノロジーを使用する企業が競争上の優位性を得る方法は、ユニークで独自のデータにアクセスすることです。

Google、Facebook、Salesforceなどのプラットフォームのように、データ収集は簡単です。 小規模スタートアップがどのようなデータ取得戦略を採用できるのか？ スタンドアロンアプリを持つ企業は、ユーザーが製品とやり取りするときだけデータを取得できるため、データ収集能力が制限されます。 拡張機能はブラウザ上で動作するため、適切な権限が有効になっている場合、ユーザーのWeb上での全体的な進行にデータへのアクセス権を持っています。 ベンダーの虚偽広告を打ち破る

ベンダーの自己満足を打破する

AIについて誰もが話していますが、ベンダーのAIの機能を本当に理解するにはどうすればよいですか？

評価しているベンダーが喫煙しているか、実際にAIが貴社のビジネスにどのように影響するかを理解するために使用できる質問のリストをまとめました。

トレーニングデータの出所はどこか、それをどのように使用するか？

ベンダーがすべての秘密を吐き出すことを期待してはいけませんが、トレーニングデータの収集元を共有することを拒否するベンダーがいる場合、それは警告のサインです。 ベンダーは、アルゴリズムをトレーニングするために使用する内部および外部のシグナルを共有し、それらが他の選択肢よりも優れている理由、およびこれらのシグナルを使用することがどのようにビジネスに価値を追加するかを説明する必要があります。

信頼できる結果を出すためにアルゴリズムにどれだけのトレーニングデータが必要ですか？

この質問をさっさと終わりにしようとするベンダーや、十分なデータを持つことの重要性を無視するベンダーには注意が必要です。 機械学習アルゴリズムは、十分なトレーニングデータがあるときのみ信頼できる結果を提供できます。 例えば、勝敗データに依存する予測リードスコアリングツールについては、アルゴリズムが適切に機能するために、少なくとも1年分のデータが必要となる可能性があります。 AI 対応ソリューションを導入するのは、十分なデータが揃うまで待つことが、チームにとって最善の利益です。

製品がどのようにスケールし、成長とともに改善し、より多くのトレーニングデータを収集していくのかを理解する必要がありますか？

より多くのデータを蓄積し成長するにつれて、ベンダの機械学習アルゴリズムが成長に対応するかを理解することが重要です。 つまり、モデルがどのように更新され、どの頻度で更新されるのかについて学ばなければなりません。 理想的には、これらのモデルは会社固有のニーズに合わせて個別に作成され、必要に応じて再トレーニングされます。 この質問は、ベンダが他の同業他社と協力した経験があるかを理解するのにも役立ちます。

AIを使用することを主張するベンダと、実際にビジネスに価値をもたらすことができるベンダを区別することは難しいです。  このチェックリストを手に入れることで、AI 機能を誇示するベンダを適切に評価し、AI 対応テクノロジーが 2017 年の営業チームにどのような価値をもたらすかを理解できることを願っています。