Umetni inteligenci manjka ena ključna stvar: kreativnost

Sama po sebi je umetna inteligenca algoritmično posnemanje povezav v naših možganih. Umetna inteligenca je najprej kot poskus učenja jezikov dosegla nekaj uspešnih premikov, vendar je danes že na stopnji, ki lahko avtomatizira določene logične povezave pri našem delu.

S povečevanjem števila podatkovnih baz in vedno večjega števila podatkov, za katere sklepamo da imajo med seboj določeno korelacijo, smo razvili logične enačbe in modele, za katere potrebujemo orodja, ki bodo računske operacije opravila hitreje in bolj zanesljivo kot ljudje. Potreba po uporabi umetne inteligence je narasla s priložnostmi za digitalizacijo. Procesi v podjetjih so se skrajšali, velik del poslovnih komunikacij poteka preko digitalnih medijev in nenazadnje se je tudi del poslovanja preselil na digitalne platforme.

S pojavom internetnega poslovanja so se pojavile tudi nove metrike, ki zahtevajo poglobljeno in računsko zahtevno analitiko, ki nam lahko pojasni določene pojave. Prednost umetne inteligence za uporabo marketinških analiz je v tem, da omogoča kalkuliranje in alokacijo velikih podatkovnih baz, prav tako pa omogoča tudi učenje. Umetna inteligenca deluje podobno kot človek in se uči podobno kot človek. Nekajkrat mu je potrebno opravilo pokazati, nato se ob ponavljanju iste naloge napake odpravljajo. Prednost uporabe umetne inteligence je v tem, da znanje, ki ga umetna inteligenca ustvari, postane dodana vrednost podjetja. S tem se lahko delodajalec zaščiti, da mu znanje ne uhaja iz podjetja. Znanje, ki bi ga v primeru uporabe umetne inteligence v marketingu pridobilo podjetje, je znanje o strankah, ne samo o njihovih preferencah, temveč tudi o njihovem obnašanju, znanje o poslovnem okolju in njegovem spreminjanju in znanje o podjetju, strategijah in željah. Umetna inteligenca je tako postavljena v ospredje celotne baze podjetja, znanja, ki ga ni mogoče nadomestiti. (Paschen et al., 2019)

Umetna inteligenca in družbena omrežja

Velik del prepoznavanje obnašanja potrošnika predstavljajo tudi družbeni mediji, ki imajo veliko podatkov o posamezniku, vendar so ti podatki neurejeni in neprimerni za programsko obdelavo. Vendar kadar ljudje aktivno opazujemo obnašanje na družbenih medijih, prepoznamo določene preference posameznike že iz njegovih objav in iz njegovih slikovnih gradiv. Za razumevanje prave strategije oglaševanja na družbenih omrežjih s pomočjo digitalnega marketinga, lahko umetna inteligenca pripomore k temu, da se izbere prava kreativa oziroma poda predloge glede časovnih zamikov oglaševanja, števila prikazov in impulza, ki bi ga določen oglas ustvaril. Umetna inteligenca s podatki iz družbenih medijev deluje kot osnova za obdelavo. Glavni vnosi, ki jih mora umetna inteligenca imeti, so razumevanje podjetja, ki opravlja določeno storitev ali ponuja produkt, odnos med obnašanjem uporabnikov družbenega omrežja in iz tega razvidnimi preferencami.

Podatke je potrebno nato ustrezno urediti, da bodo kompatibilni z jezikom umetne inteligence in bodo lahko pravilno modelirani. Ko umetna inteligenca izračuna najprimernejši model za pojasnjevanje različnih pojavov na družbenem omrežju in poda rezultat, je potrebna evaluacija, torej se ob napačnem rezultatu celoten krog ponovi. Z več ponavljanji bodo rezultati bolj zanesljivi in tudi manj napak bodo imeli. Takšno modeliranje se uporablja na način algoritmov, ki omogočajo prikazovanje oglasov na družbenih medijih, vendar gre zgolj za algoritem, ki se sam izvaja in se ne uči, torej takšen algoritem v drugačnem okolju oziroma na drugačni platformi ne bi dal željenih rezultatov, čeprav je v obeh primerih enak problem – kje in kdaj postaviti kateri oglas. (Overgoor et al., 2019)

Znanje, ki ga ustvari umetna inteligenca je potrebno prenesti na ljudi

Kljub prednostim, ki jih umetna inteligenca ponuja za opravljanje miselno zahtevnih del, je potrebno evaluacijo investicije v umetno inteligenco ustrezno ovrednotiti. Podjetje lahko začne s programiranjem umetne inteligence, vendar se zatakne pri prenosu tacitnega znanja zaposlenih v programski jezik. Ljudje sami pri sebi ne razumemo različnih pojavov in zaradi tega je otežen prenos določenih sprejetih odločitev v poslovnem svetu na umetno inteligenco, ki bo sicer vse operacije izvajala racionalno. Drug problem je prenos znanja v obratni smeri. Znanje, ki ga ustvari umetna inteligenca je potrebno prenesti na ljudi, kar predstavlja še večji izziv, saj je potrebno podatke predstaviti v vizualni obliki, ki bo omogočala lažji prenos znanja. Poleg tega je potrebno cikel učenja tako kot pri umetni inteligenci ponoviti pri zaposlenih.(De Bruyn et al., 2020)

Prednosti umetne inteligence so vidne v različnih področjih, ne zgolj v trženju, vendar umetna inteligenca, bodisi še tako napredna in hitro se učeča, nima ključne sestavine, ki jo imamo ljudje – kreativnost. Kreativnost je tista, ki ljudi razlikuje od strojev, ne glede na to, da je stroj vedno hitrejši in za naše pojmovanje tudi pametnejši. Še vedno se bo stroj gibal v določenih okvirih, oziroma bomo lahko njegovo vedenje tudi predvideli. Stroji imajo od trenutka, ko smo jih ustvarili, nalogo, da služijo namenu, bodisi gre za avtomatizacijo ali optimizacijo, nikoli pa stroja ne bo možno programirati tako, da bo iz nič naredil nekaj, saj če bi bilo to možno, potem umetna inteligenca ne bi potrebovala začetnega vnosa podatkov. Prihodnost dela z umetno inteligenco je v tem, da se bodo morali različni poklici preoblikovati v programiranje umetne inteligence, kar bo omogočalo hitrejši razvoj, saj vsakič ko je umetna inteligenca razočarala v svojih rezultatih je njena popularnost drastično upadla in je potrebovala daljše časovno obdobje, da je naredila napredek v svojem delovanju.

Avtor članka je Rok Poplatnik, študent magistrskega študija na Fakulteti za management v Kopru

Viri:

De Bruyn, A., Viswanathan, V., Beh, Y. S., Brock, J. K.-U., & von Wangenheim, F. (2020). Artificial Intelligence and Marketing: Pitfalls and Opportunities. Journal of Interactive Marketing, 51, 91–105. https://doi.org/10.1016/j.intmar.2020.04.007

Overgoor, G., Chica, M., Rand, W., & Weishampel, A. (2019). Letting the Computers Take Over: Using AI to Solve Marketing Problems. California Management Review, 61(4), 156–185. https://doi.org/10.1177/0008125619859318

Paschen, J., Kietzmann, J., & Kietzmann, T. C. (2019). Artificial intelligence (AI) and its implications for market knowledge in B2B marketing. Journal of Business & Industrial Marketing, 34(7), 1410–1419. https://doi.org/10.1108/JBIM-10-2018-0295