Touched by AI: l’intelligenza competitiva raccoglie nuove informazioni sui dati
Man mano che gli strumenti di intelligenza artificiale (AI) trovano un uso più ampio, gli approcci basati sui dati alle pratiche di intelligenza competitiva stanno rapidamente guadagnando terreno. Di conseguenza, una nuova generazione di decisori può sondare i mercati in evoluzione e affrontare le crescenti sfide in vari settori.
Il cambiamento è guidato da un diluvio di dati dei clienti ora generati dall’attività del sito web, dai sondaggi e dai social media. Nel frattempo, le aziende sono pronte a utilizzare la potenza dei nuovi strumenti di intelligenza artificiale per monitorare continuamente le tendenze del mercato e adeguare il posizionamento, le offerte e le strategie di prezzo al fine di massimizzare le opportunità di guadagno.
Come per tante cose oggi, i modelli AI/ML sono visti come un punto di svolta che aiuterà a trovare approfondimenti sui dati. L’arrivo di modelli linguistici di grandi dimensioni come GPT presenta interessanti opportunità per l’intelligenza competitiva, secondo Kurt Muehmel, che detiene il titolo di consulente strategico AI quotidiano presso il fornitore di piattaforme AI Dataiku .
Il difficile compito di raccogliere informazioni su concorrenti e clienti può essere semplificato tramite tali tecniche, ha affermato.
“Questi modelli sono molto bravi a riassumere e sintetizzare il testo. Pertanto, possono essere utili per riassumere, ad esempio, le trascrizioni delle chiamate sugli utili o per arricchire i documenti di posizionamento competitivo se vengono forniti dati accurati per il loro input “, ha affermato Muehmel.
Questo è importante perché, con la sua vasta gamma di approcci e fonti, la raccolta di dati come parte delle pratiche di intelligence competitiva può essere scoraggiante. Le fonti di dati vanno dai blog o dalle presentazioni degli esperti del settore, ai rapporti finanziari, agli articoli dei media, alle fonti di dati pubblici e altro ancora.
Gli strumenti, i modelli e i processi di intelligenza artificiale sono sempre più fattori essenziali per il vantaggio competitivo, consentendo l’estrazione continua di informazioni che guidano il supporto decisionale strategico.
I moderni algoritmi di intelligenza competitiva ora combinano dati storici e in tempo reale con l’apprendimento automatico, consentendo alle aziende di prevedere le tendenze del mercato e ottimizzare le strategie di prezzo con notevole precisione. Ciò offre alle organizzazioni un vantaggio competitivo e consente loro di rispondere alle mutevoli tendenze del mercato e alle preferenze dei consumatori in tempo reale.
Le aziende possono elaborare grandi quantità di dati per identificare modelli e fare previsioni accurate sulle tendenze future del mercato. Queste informazioni possono quindi essere utilizzate per prendere decisioni informate, come lo sviluppo del prodotto e le strategie di marketing, offrendo alle aziende un vantaggio tanto necessario in un mercato affollato.
Secondo Muehmel, l’analisi dei dati, l’intelligenza artificiale e l’automazione hanno consentito ai fornitori di tutte le dimensioni di monitorare una gamma più ampia di concorrenti.
“Molte piattaforme SaaS oggi disponibili consentono il monitoraggio automatizzato delle attività dei concorrenti in diverse regioni e lingue. Questo è un grande vantaggio, soprattutto per le aziende che stanno appena iniziando ad avviare le loro pratiche di intelligence competitiva”, ha detto Muehmel a VentureBeat.
Ha spiegato che lo sviluppo di capacità interne per creare analisi e intelligenza artificiale che soddisfino le esigenze di una particolare organizzazione è uno dei principali modi in cui le aziende al di fuori dello spazio tecnologico possono ottenere vantaggi significativi.
“L’utilizzo di analisi e intelligenza artificiale consente alle organizzazioni di migliorare ogni processo nella loro catena del valore. Le aziende che riusciranno a interiorizzare l’analisi avanzata e le capacità di intelligenza artificiale saranno le vincitrici nei loro settori nei prossimi anni”, ha affermato Muehmel.
Passi verso un framework di intelligence competitiva
Al centro di una strategia di intelligenza competitiva di successo c’è un ciclo ben orchestrato che comprende quattro fasi critiche: pianificazione e definizione degli obiettivi di ricerca, raccolta di dati rilevanti, elaborazione e analisi dei dati e infine azione sulle intuizioni acquisite.
Michael Fagan, capo scienziato dei dati presso la società di realtà virtuale aziendale Mesmerise , ritiene che l’ingrediente più cruciale per qualsiasi analisi competitiva siano le sue fonti di dati, poiché un singolo set di dati dal punto di vista può spesso portare a un’interpretazione errata dell’output. Per ovviare a questo, suggerisce di utilizzare più fonti di dati, ma ha avvertito che ognuna ha i propri pregiudizi.
Nel corso della sua esperienza nel settore, le tipiche fonti di dati includevano mercati esterni, social media e tracciamento di siti web. Il primo passo, ovviamente, è stabilire una base per la comprensione. Rimane un prerequisito vitale per un’utile elaborazione dell’IA.
“Per prima cosa dovevamo allineare i set di dati comprendendo le distribuzioni naturali e applicando pesi. Questi dati ci hanno permesso di prevedere la quota di ricerca abbastanza accuratamente su base settimanale. Ha anche mostrato la nostra quota di mercato, quali termini e argomenti erano standard e cosa stava arrivando. Avere queste informazioni inizialmente può far riflettere, ma questa è una linea di base “, ha affermato.
“L’aggiunta dell’apprendimento automatico al mix consente inoltre di interpretare i modelli registrati e creare processi automatizzati in modo che l’intelligence acquisita sia sufficientemente tempestiva per agire e avere un impatto positivo sulla tua attività rispetto ai tuoi concorrenti”, ha dichiarato Fagan a VentureBeat. “Per stare al passo con i tempi, devi concentrarti sui tuoi dati di base e assicurarti di disporre di una solida struttura di governance e di tecniche standard per compensare i pregiudizi. Una volta ottenuto questo, puoi sempre essere sicuro che il livello di intelligence aggiungerà valore.
Allo stesso modo, Jo Ramos, illustre ingegnere e direttore di IBM Expert Labs , ha sottolineato l’importanza di addestrare un modello di intelligenza artificiale competitiva utilizzando un set di dati ampio e ben etichettato per l’attività specifica per cui è progettato.
“I modelli di intelligenza artificiale richiedono una formazione approfondita per acquisire o rappresentare accuratamente i modelli nel set di dati prima che possano essere applicati a casi d’uso reali. Oggi, pochissime organizzazioni hanno le competenze, il software e l’infrastruttura necessari per creare e innovare con modelli all’avanguardia come GPT-3″, ha affermato Ramos. “Le organizzazioni che hanno aperto la strada a questo spazio hanno mantenuto molti degli strumenti e delle tecnologie abilitanti proprietari o interni”.
Ramos afferma che mentre si stabilisce il proprio framework di intelligence competitiva, le aziende devono comprendere l’importanza della governance dell’IA, definendo le politiche e stabilendo la responsabilità durante l’intero ciclo di vita dell’IA.
“In IBM, abbiamo un AI Ethics Board che supporta un processo centralizzato di governance, revisione e decisionale per le politiche, le pratiche, le comunicazioni, la ricerca, i prodotti e i servizi etici di IBM”, ha affermato Ramos. “In questo modo aiuta i tuoi modelli ad aderire ai principi di equità, spiegabilità, robustezza, trasparenza e privacy.”
Quali sono le prospettive per l’intelligenza competitiva basata sull’intelligenza artificiale?
Da parte sua, Muehmel di Dataiku ha affermato che la cosa più importante che le aziende possono fare è assicurarsi di avere una solida strategia per applicare l’analisi e l’intelligenza artificiale alle applicazioni in tutta la loro attività, inclusa, ma non solo, l’intelligenza competitiva.
“Concentrandosi sull’intelligenza competitiva, le aziende non dovrebbero esitare a sperimentare modelli di linguaggio di grandi dimensioni per vedere se possono produrre suggerimenti rilevanti in termini di posizionamento competitivo o se possono altrimenti accelerare la raccolta e l’analisi dei dati di intelligenza competitiva”, ha aggiunto.
Se i modelli di intelligenza artificiale riescono a raccogliere informazioni e ad assistere nella visualizzazione dei dati, i team possono prendere decisioni più attuabili e risparmiare tempo nella raccolta delle informazioni. È presto per molti settori, ma alcuni sono ora su un nuovo percorso verso decisioni informate in tempo reale che promettono un vantaggio più competitivo.
Victor Dey da Venturebeat.com
