Взаимодействие искусственного интеллекта и бизнеса привело к появлению «Machine Customers» (custobots) — термина, который объединяет автоматизированные и ИИ-интерфейсы, которые могут автономно принимать решения и участвовать в транзакциях, таких как покупка товаров и услуг.
Gartner прогнозирует, что к 2028 году будет существовать 15 млрд подключенных продуктов, способных вести себя как потребители, и в ближайшие годы за ними последуют еще миллиарды. Эта тенденция роста станет источником доходов в триллионы долларов к 2030 году и в конечном итоге станет более значимой, чем появление цифровой коммерции.
Мы продолжаем рассказывать о перспективных технологиях из «Цикла хайпа» Gartner и сегодня разберемся с Machine Customers.
Что такое Machine Customers
По данным Gartner, Machine Customers (клиенты-машины или машинные клиенты) — это нечеловеческие экономические субъекты, которые могут автономно вести переговоры, а также приобретать товары и услуги в обмен на оплату.
«Эра клиентов-машин уже началась. Сейчас у нас больше машин, способных выступать в качестве покупателей, чем живущих на планете людей. В мире насчитывается более 9,7 млрд действующих IoT-устройств, которые учатся все лучше анализировать информацию и принимать решения. И каждое такое устройство может стать покупателем продуктов и услуг. По прогнозу Gartner, к 2027 году 50% жителей развитых стран будут иметь личных помощников с искусственным интеллектом, обслуживающих их каждый день».
Центральное место в функционировании клиентов-машин занимает машинное обучение (ML), подмножество ИИ, которое позволяет системам извлекать уроки из данных, выявлять закономерности и принимать решения с минимальным вмешательством или вовлечением клиентов-людей. Эта технология позволяет им предлагать персонализированные, эффективные и информированные ответы, делая взаимодействие более увлекательным и результативным.
Концепция «Machine Customers» меняет подход к обслуживанию, эффективно выполняя задачи, обеспечивая круглосуточную поддержку, обрабатывая одновременно большие объемы запросов и предоставляя последовательные, непредвзятые ответы.
Клиенты-машины могут адаптироваться и совершенствоваться с течением времени, извлекая уроки из каждого взаимодействия, оттачивая свои реакции и действуя независимо в процессах принятия решений.
Эволюция Machine Customers
По мере развития технологий, формы взаимодействия бизнеса и потребителей будут становиться все более сложными, что приведет к разработке ботов и других фреймворков, способных взаимодействовать с цифровыми платформами. Gartner предполагает, что концепция Machine Customers будет развиваться в три этапа:
- Связанный клиент (сегодня). Люди устанавливают правила, а машины следуют им, совершая покупки определенных товаров. Это видно на примере современных интеллектуальных устройств и сервисов, таких как автоматическая подписка.
- Адаптируемый клиент (к 2026 году). Машины будут руководить работой совместно с людьми, принимая оптимальные решения на основе набора вариантов. Это найдет отражение в системах умного дома, которые смогут выбирать поставщиков продуктов.
- Автономный клиент (к 2036 году). Машина возьмет на себя инициативу, определяя потребности и совершая покупки на основе комплексного понимания правил, контента и предпочтений потребителя.
Крупные технологические корпорации закладывают основу для роста числа Machine Customers. Необходимые технологии, такие как IoT и распознавание образов с помощью ИИ, уже существуют. Эти технологии будут играть центральную роль в создании экономики клиентов-машин, революционизируя цифровую коммерцию и создавая новые рыночные пространства, выходящие далеко за рамки сложности, с которой могут справиться традиционные бизнес-модели.
Современные примеры Machine Customers
Machine Customers уже широко используются в крупных компаниях:
- Goldman Sachs использует сложные алгоритмические торговые системы, которые могут автономно совершать тысячи сделок с акциями в секунду на основе рыночных данных и тенденций, оказывая существенное влияние на ситуацию на фондовом рынке.
- Энергетическое подразделение Tesla использует алгоритмы машинного обучения в своих интеллектуальных системах хранения энергии, таких как Powerwall и Powerpack, для оптимизации хранения и распределения энергии на основе моделей использования и требований сети.
- Amazon использует сложные алгоритмы искусственного интеллекта в своей цепочке поставок, особенно в центрах реализации. Эти системы автономно управляют запасами, прогнозируют спрос на продукцию и оптимизируют логистику и маршруты доставки.
- Procter & Gamble использует программную рекламу, основанную на искусственном интеллекте, для более эффективного таргетирования на потребителей.
- General Electric использует искусственный интеллект и ML для прогнозируемого технического обслуживания своего промышленного оборудования. Их системы могут автономно планировать задачи технического обслуживания до возникновения поломок на основе анализа данных в режиме реального времени.
- Coca-Cola использует системы, основанные на искусственном интеллекте, для управления запасами, обеспечивая оптимальный уровень запасов в различных местах. Эти системы могут автономно переупорядочивать расходные материалы и управлять логистикой распределения.
- Компания Salesforce, лидер в области CRM, внедрила ИИ в свою платформу (Einstein AI) для автоматизации и улучшения решений по взаимодействию с клиентами, таких как персонализированный маркетинг и рекомендации по продажам.
Примеры демонстрируют, что Machine Customers — это не просто теоретическая концепция, клиенты-машины уже активно используются крупными брендами для стимулирования инноваций и повышения эффективности своей деятельности.
Стратегии обслуживания Machine Customers
Поскольку ландшафт обслуживания клиентов и поддержки меняется вместе с ростом числа Machine Customers, организации должны иметь стратегию эффективного удовлетворения уникальных потребностей этих нечеловеческих потребителей.
В то время как клиенты-люди могут перемещаться по различным интерфейсам и сообщать о своих потребностях, клиенты-машины работают по заранее определенным алгоритмам и требуют специализированных интерфейсов для эффективного взаимодействия. Организациям следует инвестировать в создание надежных интерфейсов прикладного программирования (API), которые действуют как мосты, позволяя машинам легко взаимодействовать с различными платформами и обеспечивать бесперебойный обмен информацией и транзакционными данными.
В дополнение к API-интерфейсам организациям следует создавать опции самообслуживания, специально предназначенные для машинных заказчиков. Эти интерфейсы должны быть адаптированы к уникальным потребностям и динамике работы Machine Customers, принимая во внимание сложности автономных процессов закупок.
Однако адаптация к обслуживанию клиентов-машин — это не только технология. Новая стратегия также требует участия всех сотрудников организации:
- отделу продаж будет необходимо работать с командами обработки данных и аналитики, чтобы выявить закономерности, которые могут повлиять на будущую коммерческую тактику;
- отделу по работе с клиентами необходимо будет тесно сотрудничать с отделом ИТ для создания новых карт путешествий клиентов, ориентированных на машины;
- маркетологам по-прежнему придется ориентироваться в потребностях и поведении людей, но теперь им также придется учитывать, как машины вписываются в жизнь клиента.
Так, будущее коммерции будет определяться решениями, принимаемыми клиентами-машинами, поэтому компаниям крайне важно подготовиться к рынку, где их основными клиентами могут быть вовсе не люди.
Читать еще из рубрики «Цикл хайпа»: