为将人工智能用于企业迈出第一步

学习目标

完成本单元后，您将能够：

描述清晰定义的结果如何影响 AI 解决方案的成功。
确定哪些数据源对训练 AI 帮助最大。
确定 AI 做出预测后的后续步骤。

从 AI 开始

现在您已经对人工智能解决方案的构成有了一定的了解，您可能迫不及待地想使用 AI 来优化业务。即使您对人工智能的功能有一些了解，您可能不知道使用 AI 以使其为公司创造真正的价值所需的条件。刚开始使用 AI 时似乎困难重重，但将其分解为四个步骤则会使事情变得更容易。

确定预测什么。
整理历史数据。
将预测转化为行动。
增强您的操作。

为了说明这些步骤，让我们看看美国储蓄合作银行 (ASC) 的客户流失情况。客户流失预测和客户保留是任何企业最常见的 AI 用例之一。让我们看看 ASC 如何使用 AI 业务工具来保留客户。

确定预测什么

有效使用 AI 的第一步是弄清楚如何告诉它您真正想要实现的目标。您可以通过以可衡量的术语清楚地定义您试图预测的内容来实现这一点。

考虑一下 ASC 的客户流失情况——失去一个客户实际上意味着什么？假设一位客户同时开立支票账户和储蓄账户，并关闭了储蓄账户。这算是流失吗？如果客户在该银行只有一个账户，但他们刚刚将 90% 的资产转移出去，这又怎么算？算流失客户吗？

在 ASC 使用 AI 来预测和减少客户流失情况之前，他们首先必须对客户流失对其业务意味着什么给出一个具体的定义。他们应能够查看其数据，并清楚地回答客户是否流失。

整理历史数据

有效使用 AI 的第二步是整理历史数据。俗话说，“对未来行为最好的预测就是看他过去的行为”，对人工智能来说也是如此。

在 ASC 的案例中，他们已经拥有大量关于客户流失的历史数据。他们还对客户流失有一个具体的定义，并且可以自信地回答客户是否流失。这些信息正是 AI 训练自身所需的数据。事实上，关于 AI 的一个真理是，如果您不能对其进行报告，就不能对其进行预测。

有些公司可能需要整合分布在多个不同系统中的数据，需要通过集成技术将所有数据汇总到一个地方。这可能是一项真正的挑战，但绝对是必要的。

许多企业都是以分析为导向的，他们已经在运行许多内部报表来衡量其业务的运行状况。这引出了 AI 的另一个真理：如果您对其进行报告，通常也希望对其进行预测。实际上，这些报表中衡量的结果为 AI 优化提供了很好的起点。结果已经确定；数据已经存在。

将预测转化为行动

最后一步是将预测转化为行动。在 ASC 银行的案例中，他们的 AI 正在预测客户是否会流失。因此，结果以概率形式返回。例如，预计一个客户有 15% 的几率流失，而另一个客户有 30% 的几率流失。

ASC 可以以多种不同的方式使用这类数字。他们可以将其直接放在联系人记录上。更好的方法是，他们可以给客户保留团队一份按流失可能性排列优先级的客户名单。也许现在是向所有流失几率超过 25% 的客户提供特别优惠的时候了。

增强您的操作

现在 ASC 想向所有客户发送一个特别的促销活动，他们需要帮助创建一封电子邮件。在 AI，特别是生成式 AI 的帮助下，他们要求 Einstein 生成一封特别的促销电子邮件。Einstein 写了一封电子邮件，他们对回复很满意。他们修改了几个单词，使其看上去更具个性化，并将电子邮件发送给所有客户。他们不仅在客户流失预测方面取得了进展，而且还表达了对客户的感激之情。

为了最大程度地利用 AI，您必须明确定义想要优化的结果，有历史数据可供训练，并制定一个如何使用预测的行动计划。在下一单元中，您将学习不同业务部门如何使用 AI 来满足需求。