De mest interessante AI-implementeringer i virksomheder i 2024 | AI i erhvervslivet #63

I denne artikel vil vi tage et nærmere kig på nogle interessante AI-implementeringer i virksomheder. Fra Stripes brug af maskinlæring til at opdage svindel, til Swiggys personlige bestillingsoplevelser, til GitHub Copilot, der giver realtidsstøtte til udviklere. Disse eksempler viser, hvordan kunstig intelligens driver skabelsen af innovative tjenester, transformerende kundeoplevelser, øger konverteringsrater og strømliner interne processer for virksomheder og institutioner. Læs videre.

AI-implementeringer i Stripe

Stripe (https://stripe.com/) er en avanceret betalingsplatform, der gør det muligt for virksomheder og institutioner at behandle transaktioner både online og i traditionelle detailindstillinger. Den tilbyder integrerede løsninger til betalingsstyring, fakturering, automatisering af finansielle processer og oprettelse af abonnements- og loyalitetsprogrammer. Anvendelsen af moderne teknologier, herunder maskinlæring, gør det muligt for Stripe at optimere konverteringer og minimere risikoen for svindel. I 2023 anerkendes Stripe som en af de mest banebrydende løsninger inden for online betalingssystemer.

Men hvorfor er Stripe Radar en af de mest interessante AI-implementeringer i virksomheder i 2023? Stripe Radar udnytter avancerede AI-teknikker til hurtig og præcis svindeldetektion, hvilket gør det til en af de mest innovative løsninger i online betalingsindustrien i år. Dets vigtigste fordele inkluderer:

• Hastighed og nøjagtighed. Radar Stripe evaluerer over 1000 transaktionsdetaljer på mindre end 100 millisekunder og blokerer præcist risikable transaktioner. Det opnår en præcision, hvor kun 0,1% af gyldige betalinger fejlagtigt afvises.
• Avancerede ML-modeller. Stripe er gået fra grundlæggende maskinlæring til avancerede neurale netværk, hvilket har forbedret modellens ydeevne betydeligt.
• Innovativ arkitektur. Den nyeste arkitektur har muliggjort hurtigere modeltræning og bedre skalerbarhed, hvilket muliggør hurtigere prototyping og implementering af nye ideer.

Kilde: Stripe (https://stripe.com/)

„Complete the Look”, eller AI-implementeringen fra Walmart

Walmart, den amerikanske supermarkedsgigant, tilbyder et bredt udvalg af produkter, herunder dagligvarer, tøj, kosmetik, elektronik og mere. Som en af de førende detailhandlere globalt, beskæftiger Walmart over 2,3 millioner mennesker verden over. Men det har også udvidet sin tilstedeværelse inden for kunstig intelligens for nylig.

Walmarts nyeste “Complete the Look” (CTL) modul er et innovativt produktanbefalingssystem inden for mode- og boligindretning. Men hvorfor betragtes CTL som en af de mest interessante AI-implementeringer i 2023?

• Personalisering af stil. CTL genererer omfattende, stiliserede outfits omkring det produkt, som kunden har valgt, hvilket gør det lettere at opdage og vælge passende garderobestykker.
• Øget tillid og konvertering. Præsentationen af personlige outfits øger kundernes tillid til deres valg og opfordrer dem til at foretage køb.
• Tidsbesparelser. Systemet giver mulighed for hurtigt at sammensætte hele outfits i stedet for at søge efter individuelle varer, hvilket gør indkøb mere effektivt.
• Avancerede algoritmer. CTL bruger forskellige algoritmer, herunder generering af udseende og dækning af udvidelse, til at skalere og tilpasse anbefalinger til brugerne.

Denne innovation løser problemet med informationsoverbelastning og valg blandt et stort antal tilgængelige muligheder, hvilket tilbyder kunderne en nem og behagelig indkøbsoplevelse, der både er inspirerende og stilistisk sammenhængende.

Kilde: Medium (https://medium.com/walmartglobaltech/personalized-complete-the-look-model-ea093aba0b73)

Uber — ETR Forecasting

Uber er en mobilapp til booking af bilkørsler, men dens AI-innovationer stopper ikke ved transport. Tag for eksempel lufthavnsparkeringer. Med introduktionen af ETR Forecasting (Estimated Time to Request) har Uber rullet et banebrydende system ud til at forudsige ventetider for chauffører i lufthavne. Ved hjælp af sofistikerede AI-modeller forudser det efterspørgslen og kølængder, idet det tager højde for kødynamik og eksterne faktorer som flyforsinkelser. Dette system giver chaufførerne oplysninger om forventede ventetider, hvilket hjælper dem med at styre deres tid mere effektivt og planlægge deres placeringer bedre.

Hvorfor er denne innovative løsning bemærkelsesværdig? Hovedsageligt på grund af:

• Løst problem. Ubers ETR Forecasting tackler udfordringen med for få eller for mange chauffører i lufthavne, hvilket påvirker både passagerer og chauffører. Mangel betyder, at passagerer venter længere, og overskud spilder chaufførernes tid, mens de venter.
• Innovation. Forudsigelsessystemet informerer chaufførerne om den forventede ventetid for anmodninger, hvilket gør det muligt for dem at styre deres tid og placering bedre.
• Anvendelse af AI. Det bruger avancerede AI-modeller til at forudsige efterspørgslen og kølængder, idet det tager højde for kødynamik og eksterne faktorer som flyforsinkelser.
• Indvirkning på branchen. Det er en af de mest interessante AI-implementeringer i 2023, fordi det optimerer ressourceallokering i realtid, hvilket forbedrer effektiviteten og brugeroplevelsen af Ubers tjenester i lufthavne.

Kilde: Uber (https://www.uber.com/en-GB/blog/demand-and-etr-forecasting-at-airports/)

AI-implementeringer i Pinterest

Pinterest (https://pinterest.com/) har sandsynligvis ikke brug for en introduktion. Denne amerikanske sociale medieplatform giver brugerne mulighed for at browse og dele fotos, GIF’er og videoer, der dækker forskellige emner som mode, madlavning, indretning og mere. Brugere kan oprette deres egne boards med visuelt indhold, de finder interessante, og udforske andres boards for inspiration.

Platformen er afhængig af annoncer, og i 2023 tog den AI i brug for at bevæge sig fra traditionelle reaktive metoder til mere proaktive metoder til at forhindre annoncører i at forlade. Dette skiller sig ud som en af de bemærkelsesværdige AI-implementeringer i 2023, fordi:

• Det tackler udfordringen med annoncører, der forlader Pinterest-platformen. Traditionelt blev dette problem kun håndteret, efter at annoncørerne allerede var gået, hvilket gjorde det udfordrende at vinde dem tilbage. Takket være maskinlæring (ML) muliggør det nu tidlig opdagelse af potentiel frafald, hvilket giver teamet mulighed for at tage proaktive skridt.
• Pinterest-teamet har skabt en maskinlærings (ML) model, der forudsiger sandsynligheden for annoncørfrafald inden for de næste 14 dage. Den bruger et sæt af annoncørfunktioner til at lave denne forudsigelse. Salgsteamet bruger disse oplysninger til at prioritere handlinger, der sigter mod at forhindre frafald.
• Foreløbige eksperimenter har vist, at denne tilgang kan opnå en reduktion på 24% i frafaldet i testgruppen sammenlignet med kontrolgruppen. Dette indikerer effektiviteten af en proaktiv tilgang til at forhindre frafald.

Stitch Fix, eller overskrifter og produktbeskrivelser genereret af AI

Stitch Fix (https://www.stitchfix.com/) er en innovativ platform, der giver brugerne mulighed for at bestille tøj gennem en mobilapp. Brugerne kan udfylde en undersøgelse, der specificerer deres stilpræferencer, størrelse og budget. Derefter modtager de fem individuelt kuraterede tøjforslag fra et udvalg af over 1000 forskellige mærker og stilarter.

Stitch Fix anvender avancerede kunstige intelligensalgoritmer til at generere opmærksomhedsskabende annonceoverskrifter og detaljerede produktbeskrivelser. Dette gør processen med at skabe marketingindhold og produktbeskrivelser mindre tidskrævende og kostbar, samtidig med at det sikrer unikhed og konsistens med brandets image.

Virksomheden anvender metoden “expert-in-the-loop”, der kombinerer AI-kreativitet med menneskelig overvågning, hvilket sikrer høj kvalitet og effektivitet. Med AI kan Stitch Fix generere produktbeskrivelser for hundredtusindvis af stilarter, hvilket adresserer skala- og kompleksitetsudfordringerne i e-handel. Den kontinuerlige forbedring af algoritmerne sammen med ekspertviden muliggør en konstant forbedring af kvaliteten af det genererede indhold.

Denne innovation adresserer den tidskrævende og kostbare proces med at skabe marketingindhold til e-handel og produktbeskrivelser, samtidig med at den sikrer unikhed og overensstemmelse med brandets stil.

Swiggy

Swiggy (https://www.swiggy.com/) er en indisk online madleveringstjeneste, der giver brugerne mulighed for at bestille måltider fra lokale restauranter. Swiggy-appen giver mulighed for at vælge retter fra yndlingsrestauranter, spore ordrer i realtid og udnytte yderligere funktioner som personlige anbefalinger og en fast minimumsbestillingsværdi.

Swiggy brugte AI til at personalisere madbestillinger i deres app og løse “valgets paradoks.” Her er de vigtigste punkter:

• Valgets paradoks. Swiggy bemærkede, at kunderne har svært ved at beslutte, hvad de skal bestille på grund af for mange muligheder. Dette fænomen, kendt som “valgets paradoks”, fører til kundetilfredshed.
• Tilpasning af ordrer. Virksomheden introducerede et anbefalingssystem for “kurve” med et begrænset antal retter tilpasset kundernes præferencer for at gøre deres valg lettere og forbedre brugeroplevelsen.
• AI-anvendelse. Swiggy anvender AI til at analysere historiske ordredata, kundernes kostpræferencer og produktsæsonalitet for at generere personlige anbefalinger.

Denne innovation tackler problemet med for mange valg, hvilket forbedrer både kundetilfredshed og platformens effektivitet. Det er en af de mest interessante anvendelser af AI i virksomheder i 2023 på grund af dens effektivitet og kompleksitet.

AI-implementeringer i FoodPanda

Foodpanda (https://www.foodpanda.my/) er en online madleveringstjeneste, der giver brugerne mulighed for at bestille måltider fra lokale restauranter gennem appen. Foodpanda-appen giver brugerne mulighed for at bestille deres yndlingsretter, spore status for deres ordrer i realtid og få adgang til forskellige funktioner, herunder personlige anbefalinger og en fast minimumsbestillingsværdi.

Foodpanda bruger A/B-test for at forbedre sin menu og øge konverteringsraterne. Innovationen involverer opdatering af B-versionen af menuen gennem avanceret planlægning og automatisering. Her er de vigtigste punkter:

• Testautomatisering. Brug af Apache Airflow til at automatisere menuopdateringsprocessen.
• Skalerbarhed. Optimering af processen muliggør hurtigere test, selv på tværs af flere lande.
• Effektivitet. Reduktion af udførelsestiden fra 9 timer til cirka 3,75 timer og sænkning af fejlprocenten til 2,2%
• Yderligere forbedringer. Yderligere forbedringer er planlagt, såsom dynamisk paginering og separate DAG’er for forskellige lande.

Takket være disse innovationer adresserer Foodpanda problemet med langsomme og ineffektive menuopdateringer, hvilket er afgørende for at opretholde konkurrenceevnen og øge brugertilfredsheden.

Kilde: FoodPanda (https://www.foodpanda.my/)

Zillow

Zillow (https://www.zillow.com/) er en online ejendomsmæglerplatform, der letter søgning, køb, leje og salg af ejendomme for sine brugere. Platformen har millioner af ejendomslister, der gør det muligt for brugerne at sammenligne værdier og forbinde med lokale brancheeksperter. Zillow anvender avancerede teknologier, herunder maskinlæring, til at give nøjagtige ejendomsvurderinger og strømline processerne for køb, salg eller leje.

Den innovative tilgang fra Zillow til ejendomsvurdering gennem værktøjet “Neural Zestimate” positionerer virksomheden som en stærk aktør blandt AI-innovatorer. Her er nøglepunkter, der illustrerer, hvorfor “Neural Zestimate” er en af de mest interessante AI-implementeringer:

• Hurtig reaktion på markedets ændringer. Takket være “Neural Zestimate” kan Zillow hurtigt reagere på ændringer i ejendomsmæglermarkedet og give opdaterede vurderinger på nationalt plan,
• Forenklede opdateringer. Det nye system gør det meget lettere at opdatere og vedligeholde vurderingsmodeller, hvilket forbedrer deres nøjagtighed,
• Lokale og sæsonbestemte tendenser. “Neural Zestimate” inkorporerer effektivt lokale oplysninger og sæsonbestemte markedsændringer i læringsprocessen, hvilket muliggør mere nøjagtige estimater af boligværdier.
• Vurderingsområde. “Neural Zestimate” bruger kvantilregression til at generere prisintervaller, hvilket giver en bedre forståelse af den potentielle ejendomsværdi og reducerer usikkerheden i estimatet.

Denne innovation adresserer problemet med manglen på aktuelle og nøjagtige ejendomsvurderinger, som er afgørende for både sælgere og købere i det dynamiske ejendomsmæglermarked.

GitHub Copilot med AI-implementeringer

Listen over innovative AI-implementeringer kunne ikke være komplet uden GitHub Copilot – et AI-drevet kodningsværktøj, der udnytter store sprogmodeller (LLM) fra OpenAI. GitHub Copilot er et gennembrud inden for kodegenerering, der muliggør realtids kodeforslag inden for IDE-miljøet.

Takket være samarbejdet med OpenAI, skaberne af ChatGPT, og løbende forbedringer af LLM-modellerne, bliver Copilot stadig mere præcist og tilpasset brugernes behov. Dette værktøj forbedrer programmørers produktivitet ved at automatisere dele af kodningsprocessen og give øjeblikkelige forslag.

GitHub (https://github.com/) planlægger at udvide Copilots funktioner ved at tilføje stemmestøtte og integrere det med andre elementer på platformen. Men selv nu adresserer det udfordringen med lange og komplekse kodningsprocesser ved at tilbyde intelligente forslag, der fremskynder arbejdet og hjælper med at løse programmeringsproblemer. Dette gør det til en af de mest interessante AI-implementeringer i virksomheder i 2023.

AI-implementeringer – opsummering

De eksempler, der præsenteres i denne artikel, er kun toppen af isbjerget, når det kommer til AI-innovationer i moderne erhvervsliv. I 2023 vender flere virksomheder sig mod AI-teknologier for at arbejde smartere, forstå kunder bedre og holde sig ajour med branchens tendenser. Den stigende brug af AI bringer et friskt perspektiv, der transformerende oplevelser for både medarbejdere og kunder. Ifølge Gartner vil 80% af virksomhederne have vedtaget mindst én AI-baseret løsning inden 2025, hvilket signalerer en positiv tendens for erhvervslivet.

Hvis du kan lide vores indhold, så bliv en del af vores travle bier-fællesskab på Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.