Noll
Risken för att människors jobb från artificiell intelligens, möjligheten att maskinerna kommer att ersätta arbetstagare, har en typ av positiv baksidan, enligt vissa: möjligheten att ta bort de mer vardagliga delar av arbetet kan göra dem som fortfarande har ett jobb mer produktivt.
Det är förutsättningen för en start i företagets programvara som blivit välsignade med $42 miljoner under de senaste två åren för att jaga ner de delar av information som ligger övergivna i mörka hörn.
“Jag hatade att logga grejer i Salesforce,” speglar Oleg Rogynskyy av hans många år i försäljning och marknadsföring med marquee CRM-programvara.
Rogynskyy är grundare och chief executive San Francisco-baserade Människor.ai, en två-och-ett-halvt år gammal cloud software satsning som på tisdagen meddelade en $30 miljoner B-runda av finansiering från riskkapitalbolag Andreessen Horowitz. De nya pengarna följer seed investeringar från Y Combinator, Index Ventures, Shasta, och en grupp affärsänglar, och en En runda som leds av Lightspeed Venture Partners. Y Combinator fastnat för både A-och B-rundor. (A-H partner Peter Levine har skrivit en blogg post om finansieringen, och Rogynskyy har skrivit sin egen uppsats om saken.)
Dessutom: Skulle automation och AI att göra arbetet mer humant?
Rogynskyy har övertygat alla dessa spelare att uppgiften för anställda för att upprätthålla Salesforce och andra system är inte bara motbjudande, det är en djup produktiviteten sjunker för företaget team.
Uppdrag Människor.ai, säger han, är att använda datorer för att fylla i tomrummet, att frigöra medarbetarnas tid.
Rogynskyy, 32, sade i en intervju i veckan med ZDNet att hans uppenbarelse började när han arbetade vid Nstein Teknik, ett naturligt språk, bearbetning företag som grundades med deltagande av Yoshua Bengio, en stjärna av Toronto MILA machine learning-gruppen. Han hade kommit till Nstein efter studier i företagsekonomi och statsvetenskap vid Boston University, och examen.
Arbete inom försäljning och marknadsföring på NStein, Rogynskyy märkt att “jag tvinga mina människor att använda Salesforce.”
“Jag skulle aldrig få för dem att få data i systemet utan att slösa bort sin tid.”
Han anser att det bästa sättet att lösa det är en molnbaserad tjänst som automatiskt extraherar information om personer och aktiviteter från någon del av företagets system, det kan vara e-post, kalender, telefonloggar, Slack, DocuSign, eller WebEx, och att dra kopplingar mellan vad som finns.
Oleg Rogynskyy, grundare och VD för Människor.ai, hävdar maskininlärning skulle eliminera 40 procent av de anställdas tid på “icke-värde-lägga till” uppgifter.
Människor.ai
En säljare som går till ett möte med 15 personer som lämnar ett papper spår i e-post, säg, vem som var på mötet. Om säljaren underlåter att fylla ut noter för mötet i Salesforce — en rimlig möjlighet med tanke på att “du är för upptagen med femtio andra möten,” Rogynskyy påpekar, och “ingen faktiskt betalar dig för att göra inmatning av data” – då informationen kan bli automatiskt skrapade från e-post genom att Folket.ai-system.
Moln-baserade systemet aggregerar information från hela Människor.ai-kunder, cirka 50 Fortune-500 namn, för närvarande, till en “massiv tid-serie-data-set pipeline” som består av över 120 miljoner “människor som objekt,” och över 10 miljoner företaget objekt.
Dessa kan sedan matchas mot varandra på olika sätt genom maskininlärning. “Om du går in något CRM-system för alla etablerade företag, kommer du att se en hel del poster för samma kund-som, 50 Coca-Colas, säga, av vilka några är dubletter, men några är av design [såsom olika divisioner eller franchisetagare],” förklarar Rogynskyy. Machine learning används för att skilja ut vilka poster som verkligen är relevanta för att ett verkställande pågående försäljning av verksamhet-att sy ihop rätt objekt.
Också: Salesforce intron nya Sales Cloud-funktioner för fakturering, marketing automation
För att göra det, Människor.ai upprätthåller en ganska liberal data science department, säger han, med laget “fri att utforska och kasta räkna på vad de vill tills det tar den till rätt produkt lösning.” Det innebär att man använder inte bara återkommande neurala nätverk, RNNs, och convolutional neurala nätverk, eller CNNs, men också strategier som “random skogar” för klassiska fånga saker som titlar. Det är också en “lite av en lekplats” i Människor.ai labs med “lång-kort-sikt-minne” eller LSTMs, en maskin lärande som är särskilt bra på att arbeta med sekventiell typer av information. LSTMs kan vara en resurs, han erbjuder, för att fylla i tomrummen om register för personer där det inte finns tillräckligt med data up-front.
“En ansökan är vad vi kallar beteende likheten för människor”, förklarar han. “Vi kan ta en strukturerad data profil av någon, inklusive jobb, historia, vad de gillar, som de engagerar sig i, vilken tid de har att göra med som person, och vi kan förvandla detta till en bitmap-bild av dem som en profil, för då kan vi använda datorn vision att jämför miljontals lite kartor över människor till varandra för att hitta likheter.”
“Om du samlade kunskap i hela tiotusentals människor, du får faktiskt känna folk på riktigt bra, fortsätter han. “LSTM är riktigt bra på att identifiera tidsmässiga förändringar i sak.” Ett annat område som företaget är att utforska är diagram analys, som “graf analytics är en mycket ung, framväxande område,” han muserna. “När det gäller att analysera i stor skala, det finns inte mycket i det offentliga rummet” för diagram analys. “Vi gör en hel del arbete där, och vi planerar att öppna källkod.”
Även Jurister på automation huggkubben som AI får sin JD
Resultatet av allt detta ML är inte bara att fylla i databaser, men som utför uppgifter på uppdrag av en verkställande, Rogynskyy säger. “Vi söka igenom din kalender och se de människor som var på konferens, som baseras på din e-post eller telefon nummer; vi avgöra om de har köpt från er tidigare, vi skapar dem som kontakter automatiskt, använder vi röst inspelning av samtalet, om vi har det, och sätta det i Salesforce, tillsammans med en känsla analys av mötet, vi spåra kommunikation; och vi följer upp innan eller efter mötet, och uppdatera alla som kommer i din Salesforce, eller tala om för dig när du glömt att följa upp.”
Produktiviteten payoff är tid som inte används av en människa på alla som inmatning av data.
“Vi tror att ungefär 40 procent av white collar workers’ aktivitet kan vara automatiserad,” Rogynskyy säger, tiden som spenderas på icke-värde-lägga till saker som att mata in data i system såsom CRM.”
“Vi ser redan upp till 20 procent av de anställdas tid som frigörs, menar han. Det är baserat på att utföra A/B-tester med kunder, i princip, att se hur mycket befattningshavare får gjort när Människor.ai-systemet sätts på plats och att de är fria att göra andra saker. “Du ser mer produktiv verksamhet, som möten med C-nivå chefer.”
“Tjugo procent av jobbet har sparats lägger till en extra dag per vecka”, som han ser det. “Om en säljare tillbringar hälften av den extra dagen med att spela golf, de kommer fortfarande att vara produktiv.”
Ännu mer så, man tror, om det är golf med kunder.
Tidigare och relaterade täckning:
Vad är AI? Allt du behöver veta
En verkställande guide till artificiell intelligens, från maskininlärning och allmänna AI att neurala nätverk.
Vad är djupt lärande? Allt du behöver veta
Lowdown på djupt lärande: från hur det förhåller sig till de bredare fält av maskinen lärande genom hur man kommer igång med det.
Vad är lärande? Allt du behöver veta
Denna guide förklarar vad lärande är, hur den är relaterad till artificiell intelligens, hur det fungerar och varför det är viktigt.
Vad är cloud computing? Allt du behöver veta om
En introduktion till cloud computing rätt från grunderna upp till IaaS och PaaS, hybrid, offentliga och privata moln.
Relaterade artiklar:
Det finns ingen roll för AI eller data vetenskap: det här är ett lagarbete Start Släkt ger strimma av hopp för AI i robotik AI: vy från Chief Data Vetenskap Kontor Salesforce intron Einstein Röst, en AI röst assistent för företag att det inte är Det jobb AI är förstört som stör mig, det är de som växer Hur Facebook skalor AI
Relaterade Ämnen:
Affärssystem
Digital Omvandling
CXO
Sakernas Internet
Innovation
Smarta Städer
0