Los consumidores esperan experiencias digitales siempre activas, sin fricciones, dinámicas y personalizadas. Pero tal como está, el 99 por ciento de las empresas que no se llaman Amazon o Netflix han tenido problemas para ofrecer búsquedas de clase mundial. ¿Por qué? Porque los humanos buscan de maneras impredecibles y desordenadas. Las personas usan diferentes palabras para buscar las mismas cosas, y esto ni siquiera tiene en cuenta los diferentes idiomas que hablamos. Los resultados de búsqueda esperados varían de una persona a otra según las marcas y estilos de vida preferidos. Los resultados esperados también cambian con el tiempo según las estaciones y las tendencias. (Piense en lo que esperábamos al buscar «máscaras» hoy en día en comparación con hace un año). Además, los resultados que esperan los clientes no siempre se alinean con lo que las empresas quieren aparecer primero. Por último, existe una gran diferencia entre un sitio que ofrece «búsqueda textual básica» y uno que ofrece «la mejor búsqueda de su clase». La mejor búsqueda de su clase es rápida, relevante, personalizada y predictiva / prescriptiva, y este es el tipo de búsqueda que impulsa las mejores experiencias digitales.
Ingrese a la Inteligencia Artificial (IA). Las empresas pueden aplicar la inteligencia artificial para resolver los desafíos relacionados con la búsqueda, lo que permite a las marcas ofrecer experiencias digitales significativas. Cuando se trata de aplicar la inteligencia artificial a la búsqueda, muchas organizaciones encuentran la tarea compleja y desafiante. Los líderes tecnológicos consideran que la IA es difícil de dominar; piensan que es una tecnología que no está “estandarizada” y que puede producir resultados a veces inexplicables. La IA también es una tecnología que requiere experiencia específica para implementar y una gran cantidad de pruebas, iteraciones y ajustes. ¿Cuáles son las mayores barreras para adoptar la búsqueda impulsada por IA y cómo podemos comenzar a abordar estos obstáculos?
Primero, analicemos lo que queremos decir cuando decimos «búsqueda impulsada por IA». La búsqueda es intrínsecamente compleja, con un comportamiento de usuario en constante cambio y datos en constante expansión (aunque imperfectos). Y mientras que la IA puede ayudar a simplificar el proceso de búsqueda y mejorar la precisión de los resultados de la búsqueda, la IA no es una solución mágica de «talla única». Pero podemos resolver muchas de las complejidades de la búsqueda con un enfoque paso a paso. Queremos construir un motor de búsqueda que sea más inteligente y aprenda del comportamiento de los usuarios. La IA debería permitir a las empresas implementar experiencias digitales a medida que estén impulsadas por la transparencia, la comprensión del lenguaje natural y la personalización. En última instancia, queremos que las personas encuentren constantemente lo que buscan en sus tres primeros resultados de búsqueda. Idealmente, cuando alguien le hace una pregunta a su asistente de Alexa o Google Home, queremos que obtenga la mejor respuesta.
->
Entonces, ¿qué obstáculos se interponen entre las empresas y sus objetivos de búsqueda basados en inteligencia artificial?
1. No existe una forma estándar de implementar la IA. Esto significa que hay muchas tecnologías y herramientas diferentes asociadas con la IA, y cada una es compleja de dominar. También existe un desajuste de expectativas entre lo que las empresas esperan de la IA y lo que la IA realmente puede hacer. A veces, un problema o caso de uso debe dividirse en una serie de problemas más pequeños y concretos que la tecnología de IA existente puede resolver. La búsqueda, por ejemplo, tiene múltiples problemas: problemas de enriquecimiento / limpieza de datos, desafíos de procesamiento del lenguaje natural, diferencias de sinónimos, desconexiones de comprensión de consultas, etc. Actualmente, no existe un algoritmo de IA que sea capaz de resolver todos estos problemas a la vez. Sin un estándar de inteligencia artificial, la asignación de problemas a tecnologías específicas puede ser un desafío. La adopción de IA requiere mucha experiencia, pruebas y recursos costosos. Piense en el estándar SQL para acceder y trabajar con bases de datos. Creo que un equivalente relacionado con la IA al estándar SQL aún está lejos. Tal como está, hay algunos estándares propuestos que se muestran prometedores, pero ninguno que sea fácil de usar y aplicar a múltiples problemas / casos de uso de IA.
Esta falta de estándares de IA puede contribuir a la falta de transparencia de IA, y no existe un algoritmo de IA que sea 100% correcto todo el tiempo. En otras palabras, es posible que no entendamos exactamente por qué AI tomó una decisión en particular o llegó a un resultado específico. Esto es problemático en la búsqueda, ya que si no supiéramos por qué el sistema llegó a un resultado en particular, no podemos ajustar o cambiar la configuración. Si se muestra el producto incorrecto, significa una oportunidad comercial perdida. Las empresas necesitan una forma no solo de comprender los resultados de búsqueda, sino también de ajustar y validar una consulta específica para que sea relevante para su marca específica. Idealmente, los propietarios de negocios no técnicos podrían ver por qué su IA transparente clasificó los resultados de la manera en que lo hizo. Mientras tanto, estos propietarios de negocios podrían aceptar, rechazar y / o sobrescribir la sugerencia de IA según el comportamiento del usuario.
2. La IA no es una “cura para todo” automática y la creación de una solución de búsqueda impulsada por la IA requiere pruebas, experimentación y evolución exhaustivas. El primer paso para crear una solución de búsqueda impulsada por IA es tener una definición clara del problema que desea resolver. Una solución puede corresponder a un problema, pero no a otro, y eso requiere que rehaga el proceso de experimentación. Netflix, por ejemplo, desarrolló un algoritmo específico (a través de amplios recursos y un gran volumen de datos) que se ha optimizado para un problema específico (recomendar programas de televisión específicos). Netflix puede continuar optimizando este algoritmo una y otra vez con nuevos clientes. Las empresas también pueden comprar una solución lista para usar que contenga software existente que incluya técnicas de inteligencia artificial para un problema específico (una solución de recursos humanos para analizar los currículums de candidatos a puestos, por ejemplo). El desafío es decidir si su problema de búsqueda de IA requiere un enfoque personalizado, estándar o híbrido (más sobre esto más adelante).
3. La búsqueda impulsada por IA es un trabajo en progreso en constante cambio, ya que el comportamiento del cliente cambia constantemente. Cuando los clientes buscan en el sitio de una marca, se trata más de un viaje para comprar que de una transacción de preguntas y respuestas. Una consulta específica puede significar diferentes cosas según el contexto, la situación y el usuario. Normalmente, cuanto más tiempo pasa un cliente para encontrar el producto deseado, indica poca relevancia, mientras que una mejor relevancia debería producir el resultado perfecto al instante. Cuando pensamos en el descubrimiento, no miramos la misma métrica. Observamos más la interacción del cliente con el producto y cómo llegó el cliente a su elección final. Podemos proponer un número selecto de artículos que creemos que le gustaría a un cliente, y cuanto más personalizados para el usuario, la ubicación y el dispositivo, mejor. Luego, puede hacer clic en dos elementos antes de realizar una compra final. Idealmente, propondríamos un elemento si estuviéramos seguros de que desencadenaría la acción deseada.
¿Qué se necesita para que la IA calcule una respuesta relevante (o respuestas potenciales) para la experiencia de descubrimiento del cliente, así como para hacer más recomendaciones relevantes de productos o accesorios complementarios? Muchas señales y un bucle de retroalimentación. Necesitamos tener en cuenta el comportamiento del cliente y las acciones individuales. Esto debería impulsar el enriquecimiento de los datos (limpiar, mejorar y actualizar continuamente los datos), lo que nos brinda una visión más completa de un cliente. Y esto, a su vez, mantiene un ciclo de retroalimentación continuo y en tiempo real con el cliente que impulsa la búsqueda y la comprensión de consultas impulsadas por IA. Sin embargo, cada pieza de este rompecabezas requiere diferentes herramientas de inteligencia artificial; ninguna técnica resuelve todo a la vez, todo el tiempo.
Teniendo en cuenta las barreras potenciales mencionadas anteriormente para la búsqueda impulsada por IA, ¿cómo pueden las empresas comenzar a abordar estos problemas? ¿Cómo pueden las empresas evaluar qué tipo de implementación de IA puede ser adecuada para su negocio?
El primer paso consiste en identificar un pequeño conjunto de problemas específicos del negocio que la IA puede resolver. A partir de ahí, podemos decidir si comprar software estándar es lo mejor, si deberíamos crear nuestra propia solución internamente o si deberíamos adoptar un enfoque de «compilación y compra». En ese escenario, podemos construir solo la parte de la solución que es única para el negocio. Aquí, la creciente popularidad de las soluciones basadas en API puede marcar la diferencia para los desarrolladores. Las API se encuentran con los desarrolladores donde están, lo que les permite «comprar para construir más rápido» al reducir la cantidad de procesos de back-end y permitirles volver a construir, experimentar e iterar. En última instancia, deberíamos tener un objetivo: proporcionar una experiencia digital que guíe a los clientes hacia la información correcta cuando, dónde y cómo la necesiten.
Sobre el Autor
Julien Lemoine es cofundador y director de tecnología de Algolia. Julien es un veterano de las búsquedas que ha trabajado en el panorama de las búsquedas durante más de 10 años, con experiencia laboral en Thales y Exalead. Participó en el diseño de tres motores de búsqueda diferentes antes de cofundar Algolia con Nicolas Dessaigne y es el autor de los diferentes algoritmos responsables del rendimiento súper rápido de Algolia. A Julien también le apasiona impartir conocimientos y pasó algún tiempo enseñando en su Alma Mater, EPITA. Tiene un título de ingeniero de la misma institución.
Suscríbase al boletín gratuito insideBIGDATA.
Únase a nosotros en Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1