Подавляющее большинство компаний, занимающихся электронной коммерцией, расценивает результаты проектов внедрения технологий искусственного интеллекта как успешные или очень успешные. Три четверти компаний, участвовавших в опросе, проведенном аналитиками Gartner, сообщают о росте показателей удовлетворенности клиентов, выручки и снижении расходов на 19%, 15% и 15%, соответственно. К 2020 году, полагают аналитики, технологии искусственного интеллекта будет использовать по крайней мере 60% компаний, занимающихся электронной коммерцией, и с ними будет связано 30% роста выручки.
Тремя основными областями применения искусственного интеллекта оказались сегментация клиентов, категоризация продуктов и выявление фрода. Но при реализации проектов компании сталкиваются со значительными трудностями. Чаще всего опрошенные говорят об отсутствии качественных данных для обучения (29%) и недостатке квалифицированных специалистов (27%). Компаниям приходится привлекать сторонних специалистов и партнеров. 63% компаний используют готовые коммерческие системы искусственного интеллекта, а 43% разрабатывает собственные системы самостоятельно или на заказ. В среднем на разработку одного проекта уходит 1,3 млн долл., но среди более успешных компаний 52% потратили на разработку меньше миллиона, 20% — от 1 млн до 2 млн долл., а 9% — больше 5 млн.
Аналитики рекомендуют компаниям, занимающихся электронной коммерцией, придерживаться нескольких принципов.
- Оценить наличие кадров. Если собственных специалистов мало, лучше обратиться к проверенному коммерческому решению.
- Следить за тем, чтобы проект не занимал больше года. Более крупные проекты следует делить на этапы и стремиться довести первый этап до запуска в течение года.
- Обеспечить достаточное финансирование. Основной бюджет следует направить на привлечение специалистов, управление данными и их обработку, а также интеграцию с имеющейся инфраструктурой и процессами.
- Использовать метод создания минимального жизнеспособного продукта (MVP). Сложные проблемы следует разбивать на отдельные задачи и создавать решения, нацеленные на конкретные результаты. Лучше использовать искусственный интеллект для оптимизации имеющихся процессов, чем пытаться создать радикально новые системы, считают аналитики.
