فصل القمح عن القشر:
3 أسئلة لطرح البائع المحتمل آلة التعلم

مع كثرة بيانات العملاء المتاحة للشركات هذه الأيام ، ليس سراً أن الشركات تريد الاستفادة من منتجات التكنولوجيا لاستخراج "بياناتها الضخمة" أو العثور على الأحجار الكريمة الإستراتيجية المخفية في "بياناتها الداكنة." تدعي الشركات الأخرى تقديم حلول البيانات في شكل منتجات "التعلم الآلي" أو "الذكاء الاصطناعي". لذلك ، كيف يمكن للمرء تحديد تعلم الآلة الحسنة أو عرض الذكاء الاصطناعي من عملية تسويقية تمثل منتجًا؟

الحقيقة هي أن التطبيقات التجارية للتعلم الآلي وأدوات الذكاء الاصطناعي لا تزال في مهدها لجميع الشركات باستثناء عدد قليل منها. قد يكون من الصعب على الوافد الجديد التمييز بين المصطلحات مثل "التعلم العميق" و "التعلم الآلي" و "الذكاء الاصطناعي". نحن في Relativity6 نفخر بتطبيق أدوات التعلم الآلي والذكاء الاصطناعي في عالم صناعي وتجاري بسيط وحقيقي مشاكل ، مثل الاحتفاظ بالعملاء وإعادة اكتساب العملاء. لا يحتاج المرء إلى أن يكون عالم رياضيات لتحديد ما إذا كان منتج التعلم الآلي يضيف قيمة ؛ يجب أن يكون الدليل في الحلوى. في محاولة للتمييز بيننا وبين الشركات الأخرى العاملة في مجالنا ، كنا نظن أننا سنقدم ثلاثة أسئلة لتلك الشركات التي تستكشف منتجًا للتعلم الآلي.

1) هل الشركة التي تتحدث مع الإجابة على سؤال محدد؟

التعلم الآلي هو تقنية دقيقة وفعالة بشكل لا يصدق عند الإجابة على أسئلة محددة. ومع ذلك ، يمكن أن يكون التعلم الآلي إجابة بحثًا عن مشكلة. عند استكشاف منتج تعلم الآلة ، ابحث عن تلك الشركات التي تركز على الصناعة أو على حالة الاستخدام. وجود حالة استخدام واضحة ، أو سؤال للإجابة ، يمكن أن تسفر عن نتائج لا تصدق. من ناحية أخرى ، تواجه خوارزميات التعلم الآلي مشكلة في الإجابة على الأسئلة المفتوحة ، لذا كن حذرًا عندما تدعي الشركة أنها قادرة على حل "أي مشكلة".

2) هل تركز الشركة بشكل كبير على الخوارزميات "المسجلة الملكية" الخاصة بهم؟

هناك قيمة في إنشاء خوارزميات التعلم الآلي من الألف إلى الياء. ومع ذلك ، لا يلزم إعادة اختراع التطبيقات التجارية مع كل عميل. يعد العثور على شركة نشرت خوارزمياتها بالفعل ، وأظهرت قيمة هذه الخوارزميات مع مرور الوقت ، طريقة جيدة لتحديد ما إذا كانت منتجات الشركة ستقوم بما يجب عليها أم لا. تصبح خوارزميات التعلم الآلي أقوى بطبيعتها بمرور الوقت ، لذا فإن العمل مع البائع الذي قام بالتحقق من صحة الخوارزميات باستخدام بيانات العميل الفعلية هو أكثر قيمة بكثير من البائع الذي لديه خوارزميات ملكية متطورة يتم نشرها لأول مرة.

3) هل الشركة مستعدة لإجراء إثبات للمفهوم؟

نظرًا لوجود العديد من الحلول الممكنة والكثير من الادعاءات بوجود معدلات دقة عالية في التنبؤات ، فإن إثبات المفهوم ذو الأهداف الواضحة يعد وسيلة رائعة لتحديد ما إذا كان حل التعلم الآلي يمكن أن يحل مشكلتك بالفعل ويزود شركتك برؤى قيمة لك تبحث عنه. عادة في إطار زمني محدد مسبقًا (نحن في Relativity6 تبادل لاطلاق النار لمدة 4 إلى 8 أسابيع) ، يجب أن يكون البائع قادرًا على أن يثبت لك بشكل مباشر أنه قام بتصميم نموذج ، أو إعادة تصميم نموذج موجود ، ينتج عنه تنبؤات قابلة للتنفيذ. وحذر من البائعين الذين يروجون لمعدلات دقة عالية للغاية في دليل مرحلة المفهوم. تحتاج الخوارزميات إلى وقت للتنبؤ والتحقق من الصحة وإعادة تدريبها. هذا ليس سحريًا ، إنه رياضيات.

يقول وارن بافيت "الوقت صديق لأعمال رائعة ، عدو المتوسط". لا يمكن أن يكون هذا الاقتباس أكثر ملاءمة في مساحة التعلم الآلي. نحن في Relativity6 نحب آفاق منتجاتنا على المدى الطويل ونركز على إمكانات تعلم الآلة لتزويد الشركات باستمرار برؤى جديدة لعملائها - وليس مجرد عائد ربع سنوي للمبيعات.

نحن في Relativity6 نحب بيانات العملاء. إنه حرفيا الوقود الذي يغذينا
محرك. إذا كنت ترغب في معرفة المزيد حول عملائك ، فقم بإرسال بريد إلكتروني إلينا على
hello@relativity6.com.

إذا أعجبك المنشور ، فيرجى إظهار تقديرك عن طريق الضغط باستمرار على زر التصفيق لمدة 10 ثوانٍ أو المشاركة على FB أو twitter!الثناء لدينا عضلات منظمة العفو الدولية