• Tidak ada hasil yang ditemukan

Penerapan AI dalam Bisnis.cdr - Universitas STEKOM

N/A
N/A
Protected

Academic year: 2023

Membagikan "Penerapan AI dalam Bisnis.cdr - Universitas STEKOM"

Copied!
245
0
0

Teks penuh

Salah satu buktinya adalah manusia berhasil menciptakan kecerdasan buatan atau yang biasa kita sebut dengan AI (Artificial Intelligence). Dari sudut pandang bisnis, buku ini juga membahas tentang kecerdasan yang harus benar-benar berpenampilan akademis.

PENGEMBANGAN AI: HYPER, HYPER

AI SEBAGAI GAME CHANGER

Pekerjaan yang biasanya dilakukan oleh banyak pekerja manusia di perusahaan dan instansi kini diotomatisasi oleh algoritma. Selain itu, mustahil bagi masyarakat untuk menggunakan 70 triliun titik data yang tersedia di Internet atau hubungan tidak terstruktur antara perusahaan dan pelaku ekonomi tanpa alat yang tepat.

AI UNTUK PRAKTIK BISNIS

Sedangkan "lalat" pada kalimat pertama masih menggambarkan kata kerja "terbang", di kalimat kedua "(buah)lalat" menjadi kata benda, dan kata depan "seperti" - "seperti" menjadi kata kerja. Sangat menarik dan penting bagi perusahaan untuk menyimpan data pelanggan, bahkan dari fase pra-akuisisi hingga penutupan hubungan pelanggan — dengan cara membicarakan keseluruhan apa yang disebut perjalanan pelanggan.

Gambar 2.1 Big Data Layer (Gentsch)
Gambar 2.1 Big Data Layer (Gentsch)

PANDUAN BUFFER UNTUK AI, ALGORITMA, DAN BIG DATA

ALGORITMA — PEMASAR BARU?

Akibatnya, istilah algoritma digunakan di satu sisi secara diam-diam dan di sisi lain sebagai pengganti untuk menulis ulang suatu kondisi yang akan menjadi kompleks atau untuk menjelaskan kepada diri sendiri "keajaiban" era digital saat ini. Baik itu feed berita yang awalnya diproduksi secara kronologis dan saat ini berlangganan secara pribadi di Facebook, pencarian Google pribadi yang diluncurkan pada tahun 2009, atau Netflix dan Spotify, semuanya bekerja dengan algoritme yang berfungsi untuk mempersonalisasi konten yang diputar.

KEKUATAN ALGORITMA

Namun, sulit untuk melakukan tugas yang lebih kompleks dan kurang terstruktur dengan aturan yang telah ditentukan sebelumnya. Penerapan AI untuk kecerdasan umum (kecerdasan tingkat manusia) dan kecerdasan super (singularitas) belum ada saat ini.

Gambar 2.2 Korelasi algoritme dan kecerdasan buatan (Gentsch)
Gambar 2.2 Korelasi algoritme dan kecerdasan buatan (Gentsch)

AI, BAKAT ABADI SEDANG BERTUMBUH

Untuk keperluan buku ini, akan diberikan gambaran singkat setiap fase perkembangan kecerdasan buatan dari awal tahun 1950an hingga saat ini (Gambar 2.3). Hingga saat ini, baik upaya gabungan dari berbagai disiplin ilmu maupun pendanaan dalam jumlah besar untuk proyek seperti Proyek Otak Manusia dengan anggaran sebesar 1,2 miliar euro tidak mampu menghasilkan pengembangan kecerdasan buatan yang sebanding dengan manusia.

Gambar 2.3 Sejarah perkembangan AI
Gambar 2.3 Sejarah perkembangan AI

FRAMEWORK DAN MODEL MATURITAS

AI dan algoritme dapat menangkap banyak titik data media aktif dan reaktif yang relevan dan secara otomatis menilainya secara subjektif. Algoritma dan AI membantu menangkap banyak titik data terstruktur dan tidak terstruktur ini secara otomatis dan menganalisisnya secara otomatis untuk prediksi yang akurat.

Gambar 3.2 Kasus penggunaan untuk kerangka kerja AI
Gambar 3.2 Kasus penggunaan untuk kerangka kerja AI

MODEL MATURITAS: MODEL PROSES DENGAN ROADMAP

Konsep model tingkat kematangan tidak hanya dimaksudkan untuk mengklasifikasikan perusahaan ke dalam tingkatan individu, tetapi juga menunjukkan jalur yang harus diambil perusahaan dalam bersaing. Model tingkat kematangan merupakan terobosan ketika menunjukkan apa yang diperlukan untuk mencapai tingkat kematangan di masa depan atau lebih tinggi.

Gambar 3.3 Model kematangan algoritmik (Gentsch)
Gambar 3.3 Model kematangan algoritmik (Gentsch)

BISNIS ALGORITMA — MENUJU PERUSAHAAN YANG DIMOTORI SENDIRI

Di bidang ini, penerapan kecerdasan buatan dapat mencapai lebih dari sekadar meningkatkan efisiensi. Penelitian berbasis kecerdasan buatan saat ini sedang dilakukan di bidang logistik keluar.

Gambar 3.9 Manfaat Model Kematangan Bisnis Algoritmik
Gambar 3.9 Manfaat Model Kematangan Bisnis Algoritmik

PEMASARAN ALGORITMA

Berdasarkan pelacakan Big Data, “perjalanan pelanggan” dapat diukur secara sistematis melalui berbagai titik kontak seperti pencarian, media sosial, dan periklanan. Dengan cara ini dapat ditentukan titik sentuh mana yang mempunyai fungsi konversi langsung dan mana yang mempunyai fungsi bantu.

Gambar 3.11 Matriks Pemasaran AI
Gambar 3.11 Matriks Pemasaran AI

RISET PASAR ALGORITMA

Pada tahap pertama, riset pasar dengan kecerdasan buatan dapat melengkapi jalur klasik, namun pada tahap kedua, sebagian menggantikannya. Belum tentu karena AI tidak mungkin melakukan riset pasar tanpa manusia di masa depan.

MODEL BISNIS BARU MELALUI ALGORITMA DAN AI

Hal ini tentu saja menghadirkan tantangan baru bagi peneliti pasar, proses otomatis tidak dapat diperkenalkan tanpa perencanaan dan pengujian. Dalam ekonomi data, data juga memainkan peran penting sebagai sumber model bisnis yang diperluas atau baru. Pertimbangan harus diberikan pada apakah data yang tersedia dapat digunakan untuk memperluas model bisnis atau dapat dimonetisasi dengan menjualnya ke perusahaan lain.

SIAPA YANG BERTANGGUNG JAWAB

Oleh karena itu, perusahaan dengan tingkat kematangan yang lebih tinggi menugaskan CDO yang dijelaskan di atas kepada manajemen yang bertanggung jawab atas transformasi digital seluruh perusahaan dan mengoordinasikan antarmuka dengan pemasaran. Selain posisi interdisipliner ini, meningkatnya penggunaan kecerdasan buatan dan Pembelajaran Mesin menimbulkan pertanyaan apakah mempekerjakan CAIO internal – Kepala Kecerdasan Buatan – juga diperlukan untuk bidang teknologi spesifik ini guna memperluas keunggulan kompetitif seseorang. Di tahun-tahun mendatang, perkembangan ini – yang didorong oleh transformasi digital itu sendiri – akan meningkat dalam hal kecepatan dan inovasi, dan pada saat yang sama akan menjadi semakin penting dalam perusahaan.

KESIMPULAN

IMITASI PERCAKAPAN MANUSIA

Bob dan Alice, dua chatbot berbasis AI di laboratorium penelitian kecerdasan buatan Facebook, FAIR, telah menemukan bahasa yang tidak dipahami oleh penemu manusia mereka. Alice : Bola mempunyai nilai 0 untukku untukku untukku untukku untukku. Manusia dapat melakukan penafsiran dan penalaran ini secara intuitif – sistem AI saat ini tidak bisa.

Gambar 4.1 Bot adalah aplikasi berikutnya (Gentsch)
Gambar 4.1 Bot adalah aplikasi berikutnya (Gentsch)

PERDAGANGAN PERCAKAPAN

Paradigma komunikasi baru menghadirkan banyak tren seperti Perdagangan Percakapan (nasihat pelanggan dan pembelian melalui percakapan), pelayan pribadi (asisten pribadi digital yang mengambil alih belanja, pemesanan, dan perencanaan bagi pengguna), pemasaran algoritmik (integrasi bot periklanan algoritmik di semua tahap ). proses pemasaran) dan kantor percakapan (integrasi platform pengiriman pesan yang dikombinasikan dengan bot dalam proses internal perusahaan). Ditambah dengan kemajuan dalam ilmu data, tren ini berpotensi mempersonalisasi interaksi pelanggan di Conversational Commerce serta memprediksi kebutuhan konsumen. Penggunaan chatbots dalam Conversational Commerce tidak hanya bermanfaat bagi banyak konsumen, tetapi juga bagi bisnis.

Gambar 4.2 Ledakan Komunikasi Sepanjang Waktu
Gambar 4.2 Ledakan Komunikasi Sepanjang Waktu

CONVERSATIONAL OFFICE

Hal ini juga dapat mengurangi rasa frustrasi yang dialami banyak karyawan ketika mereka harus berinteraksi dengan perangkat lunak yang tidak ramah pengguna dalam proses panjang dalam meminta cuti atau mengirimkan faktur. Ben Brown (2015), salah satu pendiri perusahaan perangkat lunak XOXCO, menggunakan perpaduan pesan, perangkat lunak otomatis, dan kecerdasan buatan dalam bentuk karyawan digital cerdas bernama Howdy. Perangkat lunak ini dapat memberikan informasi yang dibutuhkan anggota dewan untuk membuat keputusan investasi yang lebih baik.

CONVERSATIONAL HOME

Visi otomatisasi penuh dalam layanan pelanggan terdiri dari beberapa langkah implementasi (Gambar 5.7), yang harus dilakukan secara bertahap. Seperti digambarkan pada Gambar 5.8, Cetak Biru Platform Tenaga Kerja Digital Mercedes-Benz Consulting terdiri dari empat lapisan berbeda: (1) Hub Konektor, (2) Hub Konten, (3) Hub Layanan, dan (4) Hub Data. Ini adalah matriks perturbasi nilai yang disajikan oleh Price dan Jaffe (2008), yang ditunjukkan pada gambar 5.10.

Penyedia manajemen media sosial BIG Social Media dalam solusi BIG CONNECT membedakan lebih lanjut jenis bot berdasarkan skenario penggunaan tertentu dan menawarkan perpustakaan bot yang dapat dikonfigurasi (lihat Gambar 5.13). Pepatah yang mengatakan "layanan adalah pemasaran baru" telah ada selama bertahun-tahun - dengan adanya bot, kini ada cara yang menarik secara ekonomi untuk benar-benar mengembangkannya menjadi pilar bauran pemasaran yang signifikan dan berkelanjutan. Untuk melakukan hal ini, pertama-tama kita perlu memahami cara kerja Alex dan apa yang disebut antarmuka pengguna percakapan (CUI) (Gambar 5.17).

Selain itu, dimungkinkan untuk melakukan simulasi hasil distribusi anggaran yang ada dan membandingkan skenario yang berbeda (gambar 5.21 dan 5.22).

Tabel 4.1 Kategori pertanyaan untuk menguji berbagai fungsi asisten pribadi  Pertanyaan   Classis  General  Pengetahuan  Commerce  Untypical  Fungsi   Asisten
Tabel 4.1 Kategori pertanyaan untuk menguji berbagai fungsi asisten pribadi Pertanyaan Classis General Pengetahuan Commerce Untypical Fungsi Asisten

PERDAGANGAN AI DALAM EKONOMI PLATFORM GAFA

BOT DALAM LINGKUP SISTEM CRM PERUSAHAAN

Lufthansa mengenali tanda-tanda zaman dengan avatarnya yang membantu "Mildred" (mildred.lh.com) dan merilis bot untuk menemukan tarif terbaik pada akhir tahun 2016, yang awalnya merupakan versi pembelajaran beta. Contoh bergengsi pemasaran kreatif yang bersimbiosis dengan bot AI dan Facebook Messenger menunjukkan betapa suksesnya koneksi ini dapat digunakan. Banyak teman Mazurenko yang berbicara dengan bot tersebut terkejut dengan ekspresi unik Mazurenko yang ditiru dengan sempurna oleh botnya di banyak tempat. Kadang-kadang bahkan humornya terpancar.

TINGKAT MATURITAS DAN CONTOH BOT DAN SISTEM AI

Tingkat berikutnya dan ketiga diwakili oleh bot yang memiliki akses tambahan ke informasi konteks sejarah. Implikasi perlindungan data dari aplikasi harus dipertimbangkan dan dipertimbangkan, karena pengumpulan data pelanggan dapat menimbulkan masalah. Dalam kasus terburuk, kepercayaan terhadap merek dapat hancur dan spiral ulasan pelanggan yang negatif dapat tercipta.

PANDUAN AI KONVERSASIONAL

Sebaliknya, yang penting adalah memutuskan tingkat otomatisasi mana yang sesuai untuk titik kontak mana (Gambar 4.10 dan 4.11). Aspek penting lainnya yang perlu diperhatikan secara matang adalah bagaimana kepribadian merek suatu perusahaan dapat dipertahankan dan dipromosikan melalui Conversational Commerce. Artinya terdapat kepribadian merek yang konsisten; jika ada keraguan, kepribadian merek harus diciptakan secepat mungkin sebelum menggunakan Conversational Commerce.

Gambar 4.8 Transformasi digital dalam e-commerce: Jalan kematangan menuju  Percakapan Perdagangan
Gambar 4.8 Transformasi digital dalam e-commerce: Jalan kematangan menuju Percakapan Perdagangan

KESIMPULAN DAN PANDANGAN

Satu-satunya perbedaan adalah bahwa perusahaan dan konsumen tidak lagi bertemu di pasar tradisional, namun penyedia layanan dalam arti tertentu menginternalisasi pasar tersebut. Diperkirakan pada tahun 2017 akan terjadi perubahan besar dalam Perdagangan Percakapan di Jerman – mengikuti contoh yang terjadi di Tiongkok dan Amerika Serikat. Alih-alih memisahkan aktivitas individu, katalog tindakan yang selaras dan diprioritaskan dibuat untuk kesuksesan Conversational Commerce – kesuksesan digital dengan sistem.

PENJUALAN DAN PEMASARAN

Dibandingkan dengan asumsi sederhana tentang produk mana yang cocok untuk sebuah perusahaan, perkiraan prospek mempelajari informasi baru dari setiap pelanggan baru untuk memprediksi pelanggan yang lebih baik. Berkat identifikasi dinamis topik situs web, dibandingkan dengan sektor komersial, perkiraan prospek mencapai klasifikasi tematik dan pelokalan bisnis yang sangat akurat. Evaluasi prospek secara manual berdasarkan prediksi prospek terbukti sulit, jadi kami memutuskan untuk memilih pengujian A/B.

Gambar 5.1 Analogi platform Kencan
Gambar 5.1 Analogi platform Kencan

TENAGA KERJA DIGITAL

Karyawan Digital Workforce mungkin awalnya bertanya kepada pelanggan apakah informasi perlindungan data tambahan perlu diberikan. Kami terus menambahkan fitur-fitur baru pada tenaga kerja digital kami untuk meningkatkan kegunaan bagi pelanggan kami. Salah satu contoh di sektor otomotif yang menggunakan tenaga kerja digital adalah meja layanan virtual (Gambar 5.9).

Gambar 5.6 Fat Head - Long Tail (Sumber penulis diadaptasi dari Martur 2017)  Saat  Machine  Learning,  pemrosesan  bahasa  alami  (NLP),  dan  otomatisasi  proses  robotik  berkembang,  Tenaga  Kerja  Digital  juga  akan  dapat  melakukan  tugas  yang  se
Gambar 5.6 Fat Head - Long Tail (Sumber penulis diadaptasi dari Martur 2017) Saat Machine Learning, pemrosesan bahasa alami (NLP), dan otomatisasi proses robotik berkembang, Tenaga Kerja Digital juga akan dapat melakukan tugas yang se

KECERDASAN BUATAN DAN BIG DATA DALAM LAYANAN PELANGGAN

Dalam hal ini, kontak pemberitahuan pelanggan yang diperlukan, seperti untuk check-in atau kontak sebagian, harus disederhanakan. Dalam kasus seperti itu, bot tidak dapat menjawab, atau jawabannya tidak memuaskan pelanggan yang bertanya. Hal ini terutama dimungkinkan oleh fakta bahwa tidak hanya data dan informasi internal perusahaan dari dialog pelanggan – seperti yang ditunjukkan dalam Bab 2 dan 3 artikel ini – tetapi juga data lingkungan eksternal digunakan untuk pemodelan.

Gambar 5.10 Value Irritant Matrix
Gambar 5.10 Value Irritant Matrix

PELANGGAN DAN CHATBOTS - COLLABORATION BOTS

Pada model kedua, bot meneruskan dialog ke anggota staf jika kemungkinan jawaban yang ditawarkan bot tidak memuaskan pelanggan. Dalam kebanyakan kasus, 70% dari seluruh pertanyaan dapat berhasil diotomatisasi dengan model yang lebih sederhana - 30% kasus yang tidak dapat diselesaikan oleh bot kemudian ditangani oleh anggota staf. Dalam kedua kasus tersebut, pelanggan dapat diteruskan ke anggota staf pada tahap ini, yang kemudian mengambil alih dialog.

Gambar 5.11 Potensi Penghematan Dengan Digitalisasi Dan Otomatisasi Dalam  Layanan
Gambar 5.11 Potensi Penghematan Dengan Digitalisasi Dan Otomatisasi Dalam Layanan

REVOLUSI BOT MENGUBAH PEMASARAN KONTEN

AI juga akan memainkan peran penting dalam pemasaran konten dalam hal menggabungkan konten satu sama lain dan mempromosikannya. Idealnya, kita akan menerima informasi yang lebih sedikit dan lebih baik dengan cara ini, sehingga menghindari kejutan konten. Dengan cara ini, bot mengelola jangkauan organik yang luas tanpa menggunakan media berbayar apa pun.

CHATBOTS: PENGUJIAN DI TEMPAT BARU

Pengalaman pertama kami dengan chatbots adalah membuat permainan iklan seputar film Rogue One: A Star Wars Story. Ini adalah cara lain untuk mendorong minat dan kesukaan terhadap pengalaman tersebut, namun juga merupakan alat daya tarik yang hebat bagi penggemar inti Star Wars kami. Misalnya, Chatbot Star Wars sebenarnya merupakan turunan dari Rebellion, jadi.

ALEXA MENJADI RELAXA DI PERUSAHAAN ASURANSI

Di Jerman sendiri, saat melakukan penelitian (Source Splendid Research, Digital Virtual Assistants, 2017), Splendid Research mampu memastikan bahwa lebih dari sepertiga masyarakat Jerman sudah menggunakan asisten virtual, lebih dari sepertiganya memiliki smart speaker seperti Amazon's Echo. (Gambar 5.12) . Sebuah survei yang dilakukan oleh Statista dan Norstat (Gambar 5.13) menghasilkan tingkat kepuasan yang tinggi terhadap suara semua asisten virtual yang disurvei. Selain itu, sebagian besar keterampilan Alexa saat ini tidak memberikan nilai tambah yang nyata, tetapi berada di area "trik bagus", yang tercermin dalam deskripsi penggunaan oleh pengguna (Gambar 5.14).

Gambar 5.12 Asisten virtual digital di Jerman
Gambar 5.12 Asisten virtual digital di Jerman

MASA DEPAN PERENCANAAN MEDIA

Dan kemungkinan-kemungkinan baru apa yang ditawarkannya untuk perencanaan media – baik bagi agensi maupun pengiklan. Selama ini pengiklan belum mempunyai kepastian dalam perencanaan media dan hanya mampu menjelaskan masa lalu. Wawasan baru ini pada gilirannya akan menghasilkan peningkatan efisiensi yang signifikan dalam perencanaan media.

Gambar 5.20 Ilustrasi Blackwood Seven Dari "Lompatan Raksasa Dalam  Pemodelan"
Gambar 5.20 Ilustrasi Blackwood Seven Dari "Lompatan Raksasa Dalam Pemodelan"

KEAMANAN PERUSAHAAN

Dengan permintaan pertemanan digital, setiap ketergesaan untuk terhubung akan memperkuat identitas palsu boneka kaus kaki tersebut dan memberikan hasil jaringan yang positif. Peningkatan digitalisasi menawarkan peluang baru untuk menyebarkan berita palsu, namun strategi ini hanya berhasil bagi penyerang yang ingin melibatkan boneka kaus kaki dalam jumlah besar. Tes Turing telah menjadi usang: manusia tidak lagi melihat masalah dalam berbicara dengan algoritma.

Gambar 5.23 Segitiga disinformasi
Gambar 5.23 Segitiga disinformasi

TINDAKAN TERBAIK BERIKUTNYA

KECERDASAN BUATAN DAN INDUSTRI MUSIK

AI: 11 TREN TERATAS 2018 DAN SETERUSNYA

IMPLIKASI UNTUK PERUSAHAAN DAN SOSIAL

Gambar

Gambar 1.1 Kecepatan Inovasi Hiper Digital
Gambar 2.3 Sejarah perkembangan AI
Gambar 2.4 Langkah Evolusi Menuju Kecerdasan Buatan
Gambar 3.3 Model kematangan algoritmik (Gentsch)
+7

Referensi

Dokumen terkait

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa Allah SWT yang telah melimpahkan rahmat, taufik serta hidayah-Nya sehingga kami dapat melaksanakan Laporan Kerja