یک توصیه بد هوش مصنوعی می تواند برای شما هزینه فروش داشته باشد

ما کمی بیشتر از یک هفته تا وبینار خود در 21 اکتبر، "غلبه بر موانع تغییر هوش مصنوعی در صنایع قدیمی" فاصله داریم و من از گروهی که دور میز خواهیم داشت بسیار هیجان زده هستم.

ما اکنون Rodrigo Madanes، رهبر جهانی Next Frontier Technology و AI EY را در کنار رهبران یاهو، کوالکام و مایکروسافت برای گفتگو در مورد آنچه که برای پیشبرد تحول هوش مصنوعی در سازمان‌های بزرگ و تاسیس لازم است، اضافه کرده‌ایم.

چیزی که من در مورد این گروه دوست دارم، دامنه دیدگاه هاست. ما افرادی را خواهیم داشت که به این فکر می‌کنند که چگونه فن‌آوری، نیروی کار و عملیات باید با هم تغییر کنند، جایی که شرکت‌ها هنوز در آن گیر کرده‌اند و برای حرکت فراتر از پایلوت‌ها چه چیزی لازم است.

من هفته‌هاست که بر طبل ضربه زده‌ام، اما اگر اینها سوالاتی هستند که در سازمان خودتان در حال بررسی آنها هستید، توصیه می‌کنم در این جلسه ثبت نام کنید.

ضبط سیگنال این هفته به بخش متفاوتی از این تحول گسترده‌تر نگاه می‌کند: هوش مصنوعی چگونه می‌تواند نقطه‌ای را که الهام به خرید تبدیل می‌شود، تغییر دهد، و معنای آن برای شخصی‌سازی و سفر مشتری چیست.

مدیر عامل Havenly: هوش مصنوعی مسیر الهام گرفتن تا خرید را کوتاه می کند

لی مایر، یکی از بنیانگذاران و مدیر عامل شرکت لوازم خانگی Havenly Brands، در حال مشاهده تغییر نقطه ای که الهام به معامله تبدیل می شود، توسط هوش مصنوعی است.

مایر به نیوزویک گفت: «اگر محصول پیشنهادی واقعا در اتاق کار نمی‌کند، تراکنش را شکست داده‌اید، نه فقط توصیه بدی را ارائه کرده‌اید.

طرح‌های اتاق ایجاد شده Havenly بلافاصله قابل خرید هستند، و توصیه‌های محصول را در همان تجربه‌ای که مشتریان می‌توانند در آن فضا را بررسی کنند، می‌آورند. مایر گفت الهام گرفتن و خرید از نظر تاریخی در زمان‌های مختلف یا در مکان‌های مختلف اتفاق افتاده است.

شخصی سازی زمانی مفیدتر می شود که یک سیستم بتواند بین علاقه گذرا و اولویت نشان داده شده تمایز قائل شود. Havenly از واکنش‌های قبلی مشتری، از جمله آنچه که مردم نگه داشته یا تعویض کرده‌اند، برای ایجاد آن زمینه استفاده می‌کند.

مایر گفت: "ما از یک دستور خالی شروع نمی کنیم، بلکه از یک دهه پروژه های واقعی، واکنش های واقعی مشتری و رفتار خرید واقعی شروع می کنیم."

سوال رقابتی تبدیل به چیزی می شود که بازتولید آن با در دسترس شدن گسترده تر رابط های طراحی مولد دشوار است.

مایر گفت: «هر کسی می‌تواند یک رابط چت را حول یک مدل تصویر بپیچد. کاری که آنها نمی توانند انجام دهند این است که بر روی 2.4 میلیون طرح واقعی که توسط طراحان فعال اجرا شده است، آموزش ببینند که با رضایت واقعی مشتری و SKUهای واقعی مرتبط است.

هنگامی که شرکت پشت یک توصیه نیز از فروش سود می برد، مشوق های تجاری آنچه را که سیستم باید برای آن بهینه سازی کند پیچیده می کند.

او گفت: «این نظم و انضباط از اجازه دادن به مارجین نادیده گرفته نمی شود. "اگر ما به مدل اجازه دهیم بر اساس سودآورترین چیز به جای آنچه که برای فضا و بودجه مناسب تر است توصیه کند، چیزی که ما را در وهله اول قابل اعتماد می کند از دست می دهیم."

طرح های تولید شده نیز زمانی که مشتریان سعی می کنند آنها را به اتاق های فیزیکی تبدیل کنند با محدودیت هایی مواجه می شوند. مبلمان هنوز باید از طریق راه پله جا بیفتد و در موادی که مشتری می خواهد در دسترس باشد. مایر گفت که پیام‌های مشتری اغلب به مردم نشان می‌دهد که مفهوم اولیه را قبل از اینکه در مورد اندازه‌گیری، چیدمان و اجرا سؤال کنند، دوست دارند.

قضاوت یک طراح کجا بیشتر اهمیت دارد؟ مایر گفت: «در همه جا اتاق دیگر نظری نیست

حرکت از یک تجربه خودکار به یک فرد، چالش تجربه مشتری خود را ایجاد می کند. مایر گفت سیستم باید تشخیص دهد که چه زمانی یک طراح باید درگیر شود، در حالی که طراح نیاز به دسترسی به تصاویر، مبادلات قبلی و محصولاتی دارد که مشتری قبلا به آنها علاقه نشان داده است.

او گفت: "اگر مشتری مجبور باشد آنچه را که به دنبالش است دوباره توضیح دهد، ما بدون در نظر گرفتن اینکه هوش مصنوعی یا طراح به صورت جداگانه چقدر خوب است، در این انتقال شکست خورده ایم."

سوال بلندمدت این است که چقدر از سفر مشتری قبل از ورود یک طراح به تصویر حرکت می کند.

او گفت: «ما در تلاش نیستیم که طراح انسانی را اختیاری کنیم؛ ما سعی می‌کنیم مطمئن شویم که زمانی که شخصی به یک طراح می‌رسد، بیشتر شروع‌های نادرست از قبل پشت سر او باشد.

غلبه بر موانع تحول هوش مصنوعی در صنایع قدیمی

سرمایه گذاری در هوش مصنوعی در حال افزایش است و شرکت های با سابقه راه هایی برای وارد کردن این فناوری به سازمان هایی پیدا می کنند که بر اساس سال ها روابط با مشتری، عملیات پیچیده، سیستم های حیاتی و مسئولیت های نظارتی شکل گرفته اند. چالش تبدیل پایلوت های امیدوارکننده به نتایج تجاری پایدار بدون ایجاد اختلال در نقاط قوتی است که باعث موفقیت آن شرکت ها شده است.

در یک وبینار هوش مصنوعی نیوزویک که توسط Cognizant ارائه می شود، گابریل اسنایدر، سردبیر اجرایی نیوزویک، سازمانی، بحثی را با عنوان «غلبه بر موانع تغییر هوش مصنوعی در صنایع قدیمی» مدیریت خواهد کرد.

این گفتگو به چگونگی اتصال سازمان‌های مستقر هوش مصنوعی به سیستم‌ها و جریان‌های کاری موجود، شفاف‌سازی مالکیت و حاکمیت و همسویی سرمایه‌گذاری‌های فناوری با افراد، فرآیندها و نتایج قابل اندازه‌گیری کسب‌وکار را بررسی خواهد کرد.

مت سانچز، مدیر عامل یاهو، دورگا ملادی، معاون اجرایی و مدیر کل برنامه‌ریزی فناوری، راه‌حل‌های لبه و مرکز داده در کوالکام و کیتی جورج، معاون شرکت تغییر نیروی کار در مایکروسافت و رودریگو مادانز، فناوری مرز بعدی جهانی و رهبر هوش مصنوعی در EY به گفتگو خواهند پیوست.

در 22 اکتبر، دکتر رنجیت تینایکار، میزبان «انجمن تأثیر هوش مصنوعی» نیوزویک، با فردوس بااتنا، معاون اجرایی و مدیر ارشد فناوری و تحول در S&P Global، در مورد اینکه چگونه شرکت‌های بزرگ پیشرفت‌های هوش مصنوعی را به نتایج کسب‌وکار تبدیل می‌کنند و چرا داده‌های قابل اعتماد و متمایز اهمیت فزاینده‌ای مهم می‌کنند، می‌نشیند.

با تکیه بر تجربه Bhathena در S&P Global، FIS Global و CVS Health، این گفتگو بررسی می‌کند که چگونه سازمان‌ها داده‌ها را کنترل و قابل استفاده مجدد می‌کنند، جریان‌های کاری را حول قابلیت‌های جدید طراحی مجدد می‌کنند و سرعت را با اعتماد، امنیت و انعطاف‌پذیری متعادل می‌کنند.

آنها همچنین بررسی خواهند کرد که چگونه رهبران می‌توانند سرمایه‌گذاری‌های فناوری را بر مشکلات مشتری متمرکز نگه دارند و شناسایی کنند که مزیت رقابتی واقعی کجا می‌تواند پدیدار شود.

پنجشنبه 22 اکتبر ساعت 14 به بحث زنده بپیوندید. ET. رایگان ثبت نام کنید.

بررسی میان دوره ای: سیاست هوش مصنوعی چگونه انتخابات 2026 را شکل داد

انتخابات میان دوره ای 2026 در مورد سیاست های نوظهور هوش مصنوعی به ما چه خواهد گفت؟

یک هفته پس از روز انتخابات، گابریل اسنایدر، سردبیر اجرایی نیوزویک، بحثی را با کارشناسان سیاست و خودی‌های واشنگتن که نتایج میان دوره‌ای را از دریچه هوش مصنوعی بررسی می‌کنند، مدیریت خواهد کرد.

با استفاده از کارت امتیازی سیاست هوش مصنوعی نیوزویک به عنوان نقطه شروع، این پانل بررسی خواهد کرد که هوش مصنوعی چه اهمیتی دارد، چگونه موقعیت ها از خطوط سنتی حزب عبور می کند و کنگره بعدی چه معنایی برای بحث در مورد مقررات، مراکز داده، مشاغل، حریم خصوصی و امنیت ملی دارد.

این گفتگو همچنین به نحوه برخورد کمپین‌ها و گروه‌های خارجی با این موضوع و اینکه نتایج آن می‌تواند برای مبارزات سیاسی پیش رو معنی داشته باشد، بررسی خواهد شد.

ثبت نام کنید و به بحث زنده در 10 نوامبر بپیوندید.

هوش مصنوعی سازمانی در دنیای فیزیکی: پیمایش در مرز آشفته زنجیره تامین

انبارها، کارخانه‌ها و شبکه‌های حمل‌ونقل هوش مصنوعی سازمانی را در معرض نوع دیگری از آزمون قرار می‌دهند: تصمیمات دیجیتال پیامدهای فوری در دنیای فیزیکی دارند.

دانکن آنگوو، مدیر اجرایی Blue Yonder، در 19 نوامبر به دکتر رنجیت تینایکار، میزبان "انجمن تاثیر هوش مصنوعی" نیوزویک می‌پیوندد تا درباره وارد کردن سیستم‌های مستقل به طور فزاینده در عملیات زنجیره تامین پیچیده صحبت کند.

این بحث نقش مدل‌های تخصصی را پوشش می‌دهد که شرکت‌های تخصصی باید با خودکار شدن تصمیمات بیشتر حفظ کنند و اینکه آیا اقتصاد فناوری سازمانی می‌تواند به سمت نتایج قابل اندازه‌گیری تجاری مانند بهره‌وری، هزینه‌های عملیاتی و جابجایی کالا حرکت کند.

برای پیوستن به بحث زنده پنجشنبه 19 نوامبر ساعت 12:30 ثبت نام کنید. ET .

یکی از بینش های اخیری که در مورد هوش مصنوعی آموخته اید چیست؟

"در ابتدا، ما معتقد بودیم که ایجاد ربات‌های خودکار با قابلیت فزاینده کلید حل مشکلات عملیاتی است که بیمارستان‌ها و سیستم‌های بهداشتی با آن مواجه هستند. اما متوجه شدیم که خود ربات در حال تبدیل شدن به یک کالا است. پیشرفت واقعی لایه هوش مصنوعی است که بالای دستگاه‌های فیزیکی قرار دارد و به ناوگان ربات‌ها، کارکنان انسانی و سیستم‌های سازمانی اجازه می‌دهد به عنوان یک ربات هوشمند عمل کنند، زیرا ما این ربات را هوش مصنوعی نمی‌نامیم. به طور مداوم تصمیمات دیجیتال را به اقدامات فیزیکی بهینه تبدیل می کند.

همانطور که پلتفرم هزاران حرکت روزانه را مشاهده می‌کند، «نبض» عملیاتی منحصربه‌فرد سازمان را می‌آموزد: جایی که گلوگاه‌ها شکل می‌گیرند، چگونه تقاضا در طول روز جابه‌جا می‌شود، کدام منابع محدود می‌شوند، و چگونه می‌توان کار را پیش از بروز مشکلات به طور فعال توزیع کرد. آن لحظه "آها" اساسا جهت ما را تغییر داد. به جای تمرکز بر ساخت روبات‌ها، ما در حال ساخت لایه‌ای هوشمند هستیم که می‌تواند تقریبا با هر روباتی کار کند، منابع انسانی و مستقل را با هم هماهنگ کند و به طور مداوم جریان کل بیمارستان را بهبود بخشد.

اینجاست که هوش مصنوعی فراتر از اتوماسیون حرکت می کند و شروع به تبدیل شدن به هوش عملیاتی می کند."

درس خود را برای به اشتراک گذاشتن دارید؟ به من ایمیل بزنید: a.mills@newsweek.com

مستندات بالینی می تواند زمان زیادی را از تمرکز ارائه دهنده مراقبت های بهداشتی بر بیماران بگیرد. Bold، یک شرکت سالخورده سالم، از هوش مصنوعی در حین و بعد از بازدیدها استفاده می کند تا بار اسناد را کاهش دهد.

آماندا ریس، بنیانگذار و مدیر عامل Bold، گفت که این شرکت یادداشت برداری را در طول قرار ملاقات ها به صورت خودکار انجام می دهد، سپس از یادداشت بالینی به دست آمده برای ایجاد یک برنامه مراقبتی که بیماران می توانند پس از آن دنبال کنند، استفاده می کند.

این برنامه‌ها گام‌های خاصی را شامل حوزه‌هایی مانند ورزش، تغذیه و دارو می‌دانند. بین قرار ملاقات ها، Bold همچنین از هوش مصنوعی برای پشتیبانی از نیازهای روزمره از جمله برنامه ریزی وعده های غذایی، خرید مواد غذایی و درک اینکه چگونه غذا بر بدن تأثیر می گذارد، استفاده می کند.

ریس گفت که کاهش کار اداری به پزشکان و پرستاران فرصت بیشتری برای تمرکز بر بیماران می دهد. Bold می گوید که ارائه دهندگان آن 95 درصد از برنامه های مراقبتی تولید شده توسط هوش مصنوعی را به عنوان مفید ارزیابی می کنند و نیازی به تغییر بیشتر از سوی کارکنان بالینی ندارند.

ریس گفت: «ما معتقدیم هوش مصنوعی باید نیروی کار انسان را چند برابر کند و خروجی ها را افزایش دهد و در عین حال کیفیت را حفظ یا حتی بهبود بخشد.

آیا یک مورد جالب استفاده از هوش مصنوعی برای به اشتراک گذاشتن با من دارید؟ به من ایمیل بزنید: a.mills@newsweek.com

■ نظرسنجی FICO از 1004 نفر از مدیران ارشد داده‌ها، تحلیل‌ها و هوش مصنوعی نشان داد که 85.1 درصد گفته‌اند که هوش مصنوعی انتظارات اولیه بازگشت سرمایه را برآورده کرده یا از آنها فراتر رفته است، اما تنها 5.2 درصد از توضیح دادن تصمیمات مبتنی بر هوش مصنوعی برای تنظیم‌کننده‌ها و مشتریان بسیار مطمئن بودند. [نیوزویک]

■ Atlassian اخیرا پروتکل Agentic Multiplayer خود را معرفی کرده است که به منظور اجازه دادن به عوامل هوش مصنوعی در کنار کارمندان در جریان کار سازمانی با هویت های تعریف شده، مجوزهای محدوده، مسیرهای بازرسی و نقاط بازرسی انسانی طراحی شده است. [ اطلسی ]

■ Claude Haiku 5.5 Anthropic اکنون از طریق AWS برای بارهای کاری پرحجم و عاملی در دسترس است، با AWS می‌گوید که این مدل برای اکثر وظایف حدود 75 درصد کمتر از Haiku 4.5 هزینه دارد در حالی که با کنترل‌های امنیتی و حاکمیت سازمانی موجود ادغام می‌شود. [AWS]

■ نظرسنجی AP-NORC از 2140 بزرگسال آمریکایی نشان داد که 64 درصد فکر می کنند هوش مصنوعی خیلی سریع در حال توسعه است، در حالی که حدود هشت نفر از هر 10 نفر می گویند حفظ هوش مصنوعی تحت کنترل انسان و محافظت از کارگران ایالات متحده باید اولویت های اصلی دولت باشد. [AP-NORC]

ردیابی حرکت های اجرایی در سراسر چشم انداز هوش مصنوعی

روهیت پراساد، معاون ارشد سابق و دانشمند ارشد الکسا و هوش عمومی مصنوعی در آمازون، به عنوان مدیر عامل شرکت Boston Dynamics، هدایت تلاش‌های آن را برای ترکیب هوش مصنوعی پیشرفته با روباتیک و تجاری‌سازی سیستم‌های هوش مصنوعی فیزیکی در مقیاس به عهده گرفته است.

جیسون جیمز که به عنوان مدیر اطلاعات Aptos Retail خدمت می کرد، به عنوان مدیر ارشد اطلاعات به Acumatica پیوست و بر سازمان فناوری اطلاعات آن با تمرکز بر اعمال هوش مصنوعی در سراسر شرکت و در عین حال حفظ امنیت نظارت می کرد.

استوارت تاتمن به عنوان مدیر ارشد فناوری در Karbon منصوب شده است و سازمان مهندسی جهانی و استراتژی فناوری آن را هدایت می کند و در عین حال همکار Kai AI را گسترش می دهد و گردش کار حسابداری را خودکار می کند.

Jake Varghese، که قبلا معاون ارشد محصول و فناوری در Dayforce بود، به سمت مدیر ارشد محصول و فناوری ارتقا یافت و استراتژی جهانی محصول و فناوری را تنظیم کرد زیرا این شرکت هوش مصنوعی را عمیق‌تر به پلتفرم HCM و توسعه محصول خود وارد می‌کند.

مایک پاتر، پس از پیشرو در محصولات، مهندسی، فناوری اطلاعات، داده ها و امنیت در Petal، به عنوان مدیر ارشد فناوری در Qualtrics منصوب شد و بر معماری و مهندسی پلتفرم نظارت می کند زیرا زیرساخت پشت پلت فرم XM Data و AI خود را افزایش می دهد.

کسی را در حال حرکت در هوش مصنوعی می شناسید؟ اطلاعات تغییر شغل را به a.mills@newsweek.com ارسال کنید

جالب ترین یا غیرمنتظره ترین روشی که اخیرا از هوش مصنوعی استفاده کرده اید چیست؟

"لحظه جادویی اخیر هوش مصنوعی من از موسیقی ناشی شد. چند هفته پیش، یک "رادار کنسرت" مجهز به هوش مصنوعی را از طریق Meta's Muse راه اندازی کردم که هنرمندان مورد علاقه من را رصد می کند و به من هشدار می دهد زمانی که یکی از آنها در شهری که قبلا به آن سفر خواهم کرد می نوازد. چیزی که بیش از همه مرا شگفت زده کرد، خود هشدار نبود. این روشی بود که سیستم به طور مداوم ذائقه من را تطبیق می دهد.

همانطور که هنرمندان جدید به لیست های پخش من راه می یابند و به آهنگ های برتر من می رسند، Muse به طور خودکار آنها را بدون نیاز به به روز رسانی دستی چیزی در فرآیند جستجو و توصیه خود قرار می دهد. این توانایی برای اتصال اطلاعات در سیستم‌های مختلف، از Spotify گرفته تا سایت‌های فروش بلیط و تقویم شخصی من، به دلیل عدم وجود کلمه بهتر، این تجربه را هوشمندانه می‌سازد.

ما اغلب در مورد هوش مصنوعی از نظر بهره وری و بهینه سازی گردش کار فکر می کنیم، اما این یادآوری بود که برخی از متقاعد کننده ترین کاربردهای آن شخصی هستند. که حتی یک چیز مصنوعی نیز می تواند آرامش واقعی ایجاد کند.»

جادوی هوش مصنوعی را تجربه می کنید؟ در مورد آن در a.mills@newsweek.com به ما بگویید