Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 چرا فروش راهکارهای مبتنی بر هوش مصنوعی مشکل است؟

چرا فروش راهکارهای مبتنی بر هوش مصنوعی مشکل است؟

زمان مطالعه: 3 دقیقه

از چالش های بزرگ پیش روی شرکت‌های هوش مصنوعی فروش راهکارهای مبتنی بر هوش مصنوعی و محصولاتی است که توسعه داده‌اند. در این میان شرکت‌هایی که می‌خواهند از راه حل‌های مبتنی بر هوش مصنوعی بهره‌مند شوند، نسبت به ادعای فروشندگان محتاط هستند و بازاریابان، در تلاشند تا مخاطبان بی‌علاقه یا بی‌اعتماد را قانع کنند.

 چگونه می‌توان بر اولویت‌‎های مشتریان تمرکز کرد؟

برای برخی از ما لحظاتی وجود داشته است که در یک موقعیت کاری احساس ناکارآمدی می‌کنیم و حس می‌کنیم در حال تلف کردن زمان هستیم. بعد به این فکر می‌کنیم که حتما باید راهی بهتری انجام این کار وجود داشته باشد. احتمالا همه ما از دیدن تعداد بسیار زیاد اطلاعاتی که در حال تولید شدن هستند و پتانسیل بالایی دارند شگفت‌زده هستیم و به این فکر می‌کنیم حتما ارزشی در این داده‌ها وجود دارد که هر طرف را که نگاه کنی عده‌ای در حال کدنویسی هستند تا این داده‌ها قابل استفاده شوند. هوش مصنوعی همه جا وجود دارد. استخدام‌کنندگان برای یافتن و جذب بهترین نیروها از آن استفاده می‌کنند. بانک‌ها آن را به عنوان ابزاری برای شناسایی الگوهای رفتاری که ممکن است حاکی از کلاهبرداری باشد، به کار می‌برند. شرکت‌های نیروگاهی برای هدایت انرژی از آن استفاده می‌کنند و بازاریابان آن را راهی برای بهینه‌سازی پویش‌های خود می‌دانند.

فرض کنید شما یک راهکار مبتنی بر هوش مصنوعی ایجاد کرده‌اید و قصد دارید این به کسب و کارهایی که راهکار شما متناسب با مجموعه داده‌های آن‌ها است پیشنهاد دهید. به آنها قول میدهید در تمام آن داده‌ها الگوهای ارزشمندی پیدا کنید. الگوی‌هایی که می‌تواند منجر به تصمیم‌گیری بهتر، کاهش اتلاف وقت و به تبع آن هزینه‌های شرکت شود. این باعث می‌شود رئیس شرکت مکث کند و از خود بپرسد. “آیا واقعاً ارزشش را دارد؟ یک راه حل مبتنی بر هوش مصنوعی چه مقدار ارزش می‌تواند با خود به همراه بیاورد؟

فیلو دنیل می‌گوید:
کسی که گفته است داده‌ها، نفت دوران ما هستند، حرف درستی زده است

مهم‌ترین نکته برای فروش راه‌حل‌های هوش مصنوعی، یافتن مشکلاتی است که به اندازه کافی مهم نیستند و شما باید برای رفع آنان پیشنهاد ارائه دهید. درواقع شما باید بتوانید آن‌چیزی را که دیگران نمی‌بینند و یا به‌آسانی از کنار آن گذشتنه‌اند ببینید. این هنر شما است. نکته دیگر این است مشکلاتی که قبلاً به شکل دیگر حل شده‌اند را بیابید و ببینید آیا می‌توان این مشکلات را به روش بهتری حل کرد؟

گفتن داستان‌های طولانی در مورد هوش مصنوعی ممنوع

شکاف عمیقی بین کسانی که فناوری‌های هوش مصنوعی را می‌سازند و کسانی که آن را خریداری می‌کنند وجود دارد. برقراری ارتباط با اصطلاحات فنی و بازاریابی نه تنها باعث سردرگمی مشتریان می شود بلکه آنها را نیز می‌ترساند. در هر یک از این موارد موفق بازاریابی هوش مصنوعی، موفقیت زمانی به وجود آمده است که گفتگوها با سطح دانش مشتری تطبیق داده شده اند. این کار با ارجاع به مفاهیمی که مشتری پیش از این آنها را شنیده بود امکان‌پذیر می‌شود. به‌طور مثال در حوزه نظارت اجتماعی یا مأموریت‌های فضایی و موفقیت آمیز هوش‌مصنوعی که به وضوح موارد مهم استفاده را نشان می‌دهد.

کسی برای شکست چیزی نمی‌سازد

یک نکته بارز که به طور مداوم توسط تحلیلگران تکرار می‌شود، این است که پروژه‌های مبتنی بر هوش مصنوعی میزان شکست بسیار بالایی دارند. این موضوع دلایل زیادی دارد. از نبود اهداف و عدم وجود تخصص گرفته تا فرهنگ‌های غیر داده‌محور و یا حتی اشتباه در تشخیص مساله و مشکل. به طور خلاصه، موارد مربوط به تجارت به سادگی نمی‌توانند موفق شوند. اما حتی در این شرایط که احتمال ناکامی وجود دارد ما باید به نوعی ارزش خود را نشان دهیم؛ ارزش عینی و قابل لمس برای هر سطحی که در آن مشتری با راه‌حل ما درگیر باشد. و قاعدتا ما باید بپذیریم که یک مشتری یا یک تجارت به فناوری و مدل‌های دستگاه ما واقعاً اهمیتی نمی‌دهند.

بهانه بی‌بهانه

فرض کنیم مرحله سخت قانع‌کردن کسب‌و‌کارها را پشت سرگذاشته اید و اکنون وقت آن رسیده تا کار خود را شروع کنید. پس بهتر است راهی برای یک تغییر و بهبود سریع در داده‌ها (مهم نیست که چقدر بد باشد) پیدا کنید، یک مدل کار را انجام داده و خروجی تقریباً قابل استفاده را تولید کنید. این چیزی است که از شما انتظار می‌رود. اگر داده ها به درد نمی‌خورند، راهی برای پر کردن شکاف‌ها و حل این مشکل پیدا کنید. اشتباه این است که در پایان به مشتری بگوییم ” تا زمانی که شما به ما نگویید که داده‌های ورودی به چه معنی است ما نمی‌توانیم به شما خروجی دهیم.” با توجه به اینکه مشتری احتمالاً ایده‌ای هم ندارد.بهانه‌ها مهم نیستند زیرا غالباً هیچ پاسخ خوبی برای مشتری‌ای که می‌گوید “اما ما فکر کردیم هوش مصنوعی شما می‌تواند بفهمد چه مشکلی وجود دارد و چگونه برطرف می‌شود” وجود ندارد.

شما فکر می‌کنید فروش راهکارهای مبتنی بر هوش مصنوعی چگونه آسان‌‌تر می‌شود؟

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]