Nul
Risikoen for, at folks job fra kunstig intelligens, udsigten til, at maskiner vil fortrænge medarbejdere, har en form for positiv flip side, i henhold til nogle: muligheden for, at tage væk de mere trivielle dele af arbejdet kan gøre dem, vi stadig har et stykke arbejde mere produktivt.
Det er en forudsætning for en start i enterprise-software, der er blevet velsignet med $42 millioner i de sidste to år med henblik på at jagte de dele af oplysningerne arbejde, der ligger forladt i mørke hjørner.
“Jeg hadede at logge ting i Salesforce,” afspejler Oleg Rogynskyy af hans mange år i salg og marketing hjælp marquee CRM-software.
Rogynskyy er grundlægger og administrerende direktør for San Francisco-baserede Mennesker.ai, en to-og-et-halvt årig cloud software venture, der tirsdag annoncerede en $30 millioner Serie B runde af finansiering fra venture kapital firma Andreessen Horowitz. Den nye pengene følger seed-investeringer fra Y Combinator, Index Ventures, Shasta, og en gruppe af angel-investorer, og En runde led af Lightspeed Venture-Partnere. Y Combinator sidder fast rundt om både A-og B-runder. (A-H partner Peter Levine har skrevet en blog post om finansiering og Rogynskyy har skrevet sit eget essay om den sag.)
Også: Kunne automatisering og AI være at arbejde mere menneskelige?
Rogynskyy har overbevist alle disse bagmænd, at opgaven for medarbejderne at opretholde Salesforce og andre systemer er ikke kun frastødende, det er en dyb produktivitet vasken for virksomhedens teams.
Missionen af Mennesker.ai, siger han, er at bruge computere til at udfylde de tomme felter, frigøre medarbejderes tid.
Rogynskyy, 32, sagde i et interview i denne uge med ZDNet, at hans åbenbaring begyndte, når han arbejdede på Nstein Teknologier, et naturligt sprog forarbejdning selskab stiftet med deltagelse af navn som egentlig betyder yoshua Bengio, en stjerne af Toronto ‘ s MILA machine learning gruppe. Han var kommet til Nstein efter at have studeret erhvervsøkonomi og statskundskab ved Boston University, og dimitteret.
At arbejde med salg og markedsføring på NStein, Rogynskyy bemærket, at “jeg var tvinger mit folk til at bruge Salesforce.”
“Jeg ville aldrig kunne få dem til at få data ind i systemet uden at spilde deres tid.”
Han mener, at den måde at løse, som er en cloud-baseret tjeneste, der automatisk trækker oplysninger om personer og aktiviteter fra nogen del af en virksomheds system, det være sig e-mail, kalender, telefon logs, Slap, DocuSign, eller WebEx, og at drage paralleller mellem, hvad der er fundet.
Oleg Rogynskyy, grundlægger og CEO af Mennesker.ai, argumenterer for machine learning ville fjerne de 40 procent af medarbejderens tid brugt på “non-value-add” – opgaver.
Mennesker.ai
En salgschef, der går til et møde med 15 personer, der forlader et papirspor i e-mail, sige, hvem der var på mødet. Hvis salget rep undlader at udfylde noter til møde i Salesforce — en rimelig mulighed for givet, at “du har for travlt med halvtreds andre møder,” Rogynskyy punkter ud, og “der er ingen, der rent faktisk betaler du at gøre det indtastning af data” — så information kan være automatisk kopieret fra den e-mail af Mennesker.ai-system.
Cloud-baseret system aggregater oplysninger fra hele Mennesker.ai kunder-nogle 50 Fortune-500 navne, der i øjeblikket-i en “massiv time-series-data-sæt pipeline”, der består af over 120 millioner mennesker, objekter,” og over 10 millioner selskab objekter.
Disse kan så blive matchet mod hinanden på forskellige måder af machine learning. “Hvis du går ind i CRM-systemet af enhver, der er etableret virksomhed, vil du se en masse af poster for den samme kunde — ligesom, 50 Coca-Cola, siger, af hvilke nogle er dubletter, men nogle er af design – [såsom forskellige divisioner eller franchises],” forklarer Rogynskyy. Machine learning bruges til at drille ud af, hvilke poster der virkelig er relevante for en executive ‘ s igangværende salg af aktiviteter-at sammensætte de rigtige ting.
Også: Salesforce-introer nye Salgs-Cloud-funktioner til fakturering, marketing automation
For at gøre det, Mennesker.ai opretholder en ret liberal data science department, siger han, er med på holdet “fri til at udforske og kaste beregne, hvad de ønsker, indtil det tager det at finde det rigtige produkt løsning.” Det betyder at bruge ikke bare tilbagevendende neurale netværk, RNNs, og convolutional neurale netværk, eller CNNs, men også tiltag som “tilfældig skove” for klassiske opsamling af ting såsom job titler. Der er også en “lille smule af en legeplads” i Mennesker.ai ‘ s labs med “long-short-term memory,” eller LSTMs, en maskine tilgang til læring, som er specielt god til at arbejde med fortløbende former for information. LSTMs kan være en ressource, han tilbyder, for at udfylde de tomme felter på registreringer, der er for mennesker, hvor der ikke er tilstrækkelige data, up-front.
“En ansøgning er, hvad vi kalder adfærd lighed for mennesker,” forklarer han. “Vi kan tage et struktureret data profil af en person, herunder ansættelser, hvilke ting de kan lide, som de engagerer sig i, hvad tid de engagerer sig med denne person, og vi kan vende det til en bitmap-billede af dem som en profil, og så kan vi bruge computer vision at sammenligne millioner af bit kort mennesker den ene til den anden for at finde ligheder.”
“Hvis du samlede viden på tværs af titusinder af mennesker, du rent faktisk komme til at kende folk rigtig godt,” fortsætter han. “LSTM er rigtig god til identificering af tidsmæssige ændringer til dette ting.” Et andet område, virksomheden er ved at undersøge, er grafen analyse, som “graf analytics er en meget ung, spirende område,” han muserne. “Når det kommer til at analysere på skalaen, er der ikke meget i det offentlige rum” for graf analyse. “Vi laver en masse arbejde der, og vi planlægger at open source it.”
Også: Advokater på automatisering huggeblokken, som AI får sin JD
Resultatet af alt dette ML er ikke blot at udfylde databaser, men som udfører opgaver på vegne af en executive, Rogynskyy siger. “Vi scanner din kalender og se, de folk, der var på konferencen, baseret på din e-mail eller telefonnummer, vi kan identificere, om de har købt af dig før; vi skaber dem som kontakter automatisk; vi bruger den stemme optagelse af opkald, hvis vi har det, og sætte det ind i Salesforce, sammen med en stemning analyse af møde; vi spore den kommunikation, og vi følger op, før eller efter mødet, og opdatere alle, at i din Salesforce, eller fortæller dig, når du har glemt at følge op på.”
Produktiviteten payoff er tid, der ikke bruges af et menneske på alle, at indtastning af data.
“Vi tror, at omkring 40 procent af funktionærer’ aktivitet kan være automatiseret,” Rogynskyy siger, tiden “brugt på ikke-værdiskabende ting som at indtaste data i systemer som CRM.”
“Vi kan allerede se op til 20 procent af medarbejdernes tid, der frigøres,” hævder han. Det er baseret på udførelse af A/B-test med kunder-dybest set, at se hvor meget ledere få gjort, når de Mennesker.ai-system er sat på plads, og de er befriet for at gøre andre ting. “Du kan se mere produktiv aktivitet, som møder med C-niveau ledere.”
“Tyve procent af det arbejde, der er gemt tilføjer op til en ekstra dag om ugen,” som han ser det. “Hvis en salgsrepræsentant tilbringer halvdelen af den ekstra dag at spille golf, vil de stadig være produktive.”
Endnu mere så, man antager, hvis det er golf med kunder.
Tidligere og relaterede dækning:
Hvad er AI? Alt, hvad du behøver at vide
En executive guide til kunstig intelligens, fra machine learning og generelt AI til neurale netværk.
Hvad er dyb læring? Alt, hvad du behøver at vide
Den lowdown på en dyb læring: fra hvordan det relaterer til det bredere felt af machine learning igennem til, hvordan du kommer i gang med det.
Hvad er machine learning? Alt, hvad du behøver at vide
Denne vejledning forklarer, hvad machine learning er, hvordan det er relateret til kunstig intelligens, hvordan det fungerer, og hvorfor det er vigtigt.
Hvad er cloud computing? Alt, hvad du behøver at vide om
En introduktion til cloud computing-lige fra det grundlæggende op til IaaS og PaaS, hybrid, offentlige og private cloud.
Relaterede historier:
Der er ingen rolle for AI eller data videnskab: dette er en holdindsats Start Slægt bringer splint af håb for AI i robotteknologi AI: udsigt fra Chief Data Videnskab Kontor Salesforce-introer Einstein Stemme, en AI stemme assistent for virksomheder er det ikke Det job AI er ødelæggende for at genere mig, det er dem, der er voksende, Hvordan Facebook skalaer AI
Relaterede Emner:
Virksomhedens Software
Digital Transformation
CXO
Tingenes Internet
Innovation
Intelligente Byer
0