Artificiell intelligens. Maskininlärning. Under 2016 var dessa buzzwords några av de mest använda termerna av leverantörer, men missförstådda av köpare. Vad betyder dessa termer egentligen? Även om många använder de två termerna omväxlande finns det viktiga skillnader.

Artificiell Intelligens

I grunden handlar AI om att skapa maskiner som tänker som människor gör. Idag har det främst manifesterat sig i datorprogram som kan automatisera enkla uppgifter som människor är bra på. AI är ett brett begrepp för att beskriva tekniken som buzzwords som maskininlärning, djupinlärning och naturlig språkbehandling är en del av.

Maskininlärning

Maskininlärning är en del av AI. I dess mest grundläggande form är maskininlärning att använda algoritmer för att analysera data, lära sig av det och sedan göra en bedömning eller förutsägelse om något. Det centrala här är algoritmens förmåga att lära och förändras på egen hand utan ytterligare programmering.

Varje år släpper Gartner sin hypens cykel för nya framväxande tekniker. På kurvornas spets eller "toppen på uppblåsta förväntningar" ligger maskininlärning. Det betyder att år 2017 kan AI och maskininlärning gå in i "desillusionens svacka" där människor snabbt inser att många företag kanske pratar om artificiell intelligens, men få kan leverera på sina löften.

Vi har också sett en hel del SaaS-försäljningsleverantörer som skryter med sin användning av AI och maskininlärning i sina produkter. Så, hur förstår du vad som är verkligt bland all hype? Och vilket ytterligare värde kan AI-aktiverade teknologier ge för ditt säljteam under 2017?

Användningsfall där AI har visat sig leverera affärsvärde för försäljningsteam

Vid sin fulla potential har AI förmågan att omvandla sättet dina säljare arbetar på och öka deras effektivitet. Och statistiken visar att det finns produktivitetsvinster att göra. Enligt en studie utförd av Accenture spenderas endast 34% av era säljares tid på att sälja och 57% av cheferna listar öka försäljningseffektiviteten som ett av de 3 främsta målen det kommande året.

AI-aktiverade teknologier gör att era säljare kan fokusera på kärnan i vad de är bra på, att ha de bästa samtalen de kan ha med era prospects. Istället för att behöva oroa sig för de tråkiga uppgifterna som att identifiera vilka prospects man ska arbeta med kommer AI-aktiverade teknologier att berätta för era säljare vilka prospects de ska fokusera på eller frambringa relevant kunskap för era säljare automatiskt baserat på de samtal de har.

Även om det fortfarande är en ung teknik har AI integrerats i företagssystem och det finns redan användningsfall inom försäljning där det har sett framgång. AI-aktiverade teknologier kan potentiellt lägga till värde för era säljteam om de uppfyller dessa kriterier:

1. Smalt område: de bästa produkterna som använder AI gör det för att automatisera ett specifikt affärsproblem. Till exempel använder 6sense AI för att frambringa nya leads och möjligheter som är mest sannolika att stängas. De löser ett specifikt problem som minskar tiden det tar för dina representanter att hitta nya potentiella kunder.
2. Egendata: Utan unik data är även de mest sofistikerade maskininlärningsalgoritmerna värdelösa. Gong.io använder sig av naturlig språkbehandling för att analysera dina säljrepresentanters telefonsamtal och maskininlärning för att avslöja insikter som förbättrar hur ditt säljteam kommunicerar med potentiella kunder. Med tillgång till potentiellt hundratals timmar av unika telefonsamtal kan Gongs maskininlärningsalgoritmer kontinuerligt förbättra de insikter de levererar till ditt företag.
3. Ingår i ditt teams arbetsflöde: För att dra nytta av den senaste AI-aktiverade mjukvaran som ditt företag inför, måste den adopteras av ditt säljteam. Det enklaste sättet att driva adoption är att köpa programvara som sömlöst integreras i ditt teams arbetsflöde. X.ai är en personlig assistent som drivs av AI. Det finns ingen app eller inloggningsinformation du behöver, all användare behöver göra är att enkelt CC:a amy@x.ai för att låta botten schemalägga möten åt dig.

Data, inte algoritmer, är den verkliga IP:n för AI-aktiverade teknologier

I hjärtat av AI är data. Det är motorn som driver förbättringar i maskininlärningsalgoritmerna. Intressant nog kan själva algoritmerna ha litet fristående värde. Några av världens största företag som Google, Microsoft, IBM och Amazon inser detta och har open-source-sitt-maskininlärningsalgoritmer. Så, som vi nämnde tidigare, är det genom att ha tillgång till unik, egendomlig data som företag som använder AI-aktiverade teknologier kommer att få en konkurrensfördel.

För plattformar som Google, Facebook eller Salesforce, är det enkelt att samla in data. Vilka slags datainsamlingsstrategier kan mindre start-ups använda? En möjlighet som inte ofta diskuteras är att använda teknologier som webbläsartillägg eller chattbots för att möjliggöra datainsamling utanför din nativa app. Företag med fristående appar begränsar sina datainsamlingmöjligheter eftersom de endast kan samla in data när användare interagerar med deras produkt. Eftersom tillägg finns ovanpå din webbläsare har de tillgång till data (med lämpliga behörigheter aktiverade) över en användares hela resa på webben.

Genom att bryta igenom leverantörens BS

Eftersom alla pratar om AI, hur kan du sålla bort bruset och lära dig vad leverantörens AI-förmågor verkligen är?

Vi har sammanställt en lista med frågor som du kan använda för att förstå om leverantörerna du utvärderar bara blåser rök eller faktiskt förstår hur AI kommer att påverka ditt företag:

Varifrån kommer din träningsdata och hur använder du den?

Medan du inte bör förvänta dig att leverantörer avslöjar alla sina hemligheter, är det en varningsflagg om en leverantör vägrar att dela var de samlar in sin träningsdata från. En leverantör ska vara villig att dela med sig av de interna och externa signaler de använder för att träna sina algoritmer, varför de valde dem framför andra, och hur användningen av dessa signalförstärkningar lägger till värde för ditt företag.

Hur mycket träningsdata behöver din algoritm för att producera pålitliga resultat?

Var försiktig med leverantörer som avfärdar denna fråga eller avfärdar vikten av att ha tillräckligt med data. Maskininlärningsalgoritmer kan endast producera pålitliga resultat när de har tillräckligt med träningsdata. Till exempel, för verktyg för prediktiv blybedömning som förlitar sig på vinn/förlust-data, kan det innebära att du behöver minst ett års data för att algoritmerna ska fungera korrekt. Det är i ditt lags bästa intresse att skjuta upp implementeringen av en AI-aktiverad lösning tills du har tillräckligt med data att arbeta med.

Hur kommer din produkt att skala med vår tillväxt och förbättras när den samlar mer träningsdata?

När du samlar mer data och växer är det viktigt att förstå hur en leverantörs maskininlärningsalgoritmer kommer att skala med din tillväxt. Det innebär att lära sig hur modeller uppdateras och hur ofta de uppdateras. Ideellt sett är dessa modeller anpassade för ditt företags specifika behov och omskolas vid behov. Denna fråga bör också ge dig en bra uppfattning om att förstå om leverantören har arbetat med andra företag inom din vertikala.

Det är svårt att skilja mellan leverantörer som påstår sig använda AI och leverantörer som faktiskt kan tillföra värde till ditt företag med AI.  Beväpnad med denna checklista hoppas vi att du kommer att känna dig redo att korrekt utvärdera leverantörer som skryter med sina AI-förmågor och bättre förstå hur AI-aktiverade teknologier kan tillföra värde till ditt säljteam år 2017.