Artifial intelligence (AI) en machine learning (ML) kunnen organisaties helpen bij het verbeteren van werkprocessen en het realiseren van kostenbesparingen. In deze blogbijdragen gaan we dieper in op toepassingen van AI in de financiële sector, retail en overheid.
AI-toepassingen in retail
Toepassingen in retail spitsen zich toe op het oplossen van knelpunten in de bevoorradingsketen. In dit verband kunnen we denken aan voorraadbeheer, het vaststellen van optimale prijsniveaus en het verbeteren van de klantervaring.
Supply chain en voorraadbeheer
De kosten die bedrijven maken als gevolg van te grote voorraden bedragen op jaarbasis 123,4 miljard dollar alleen al in Amerika. De verliezen doordat artikelen niet op voorraad zijn, komen op 129,5 miljard dollar. Supply chain-optimalisatie en voorraadbeheer behoren dan ook tot de belangrijke aandachtsgebieden in retail, zeker als het gaat om winkelketens met veel locaties en fulfilmentcentra door het hele land.
Winkelketens zetten AI in om patronen te ontdekken in het koopgedrag. Hiermee proberen ze de kosten als gevolg van te grote voorraadniveaus of het risico op omzetderving als gevolg van het niet op voorraad hebben van bepaalde artikelen te verlagen. Met behulp van zogeheten gap-analyses proberen ze schommelingen in de vraag te voorspellen, de voorraden in elke winkel afzonderlijk op peil te houden en cross-promotionele artikelen optimaal te groeperen en tentoon te stellen.-promotieartikelen te groeperen.
Een voorbeeld van een leverancier van AI-gebaseerde oplossingen waarmee retailers hun voorraadbeheer kunnen optimaliseren is Blue Yonder.
Prijsoptimalisatie
De retailsector werkt met flinterdunne marges. Bedrijven die erin slagen om hun producten de optimale prijs geven, merken dit gelijk in hun omzet. AI-gebaseerde oplossingen berekenen automatisch de optimale prijsstelling en houden daarbij rekening met uiteenlopende factoren. Denk hierbij aan realtime winkelstatistieken en veranderende marktsituaties, maar ook het weer en eventuele prijsaanpassingen van concurrenten.
Salesforce biedt met Einstein Discovery een AI gedreven tool voor automatische prijsoptimalisatie. Wise Athena past machine learning toe om zowel de prijsontwikkeling van voorraadartikelen te voorspellen, als de invloed te analyseren die een eventuele prijsaanpassing gaat hebben op de prijsstelling van andere producten.
Verbeteren klantervaring
AI kan ook worden ingezet om klanten een nieuwe winkelervaring te bieden en engagement te verhogen door middel van gepersonaliseerde aanbevelingen. Kassaloze winkels maken gebruik van een combinatie van gezichtsherkenning en AI. Stemgestuurde robots helpen met navigatie en locatiegebaseerde diensten. Chatbots verbeteren de klantenservice en spraakgestuurd winkelen maakt het winkelen eenvoudiger.
Terwijl Amazon experimenteert met het kassaloze Amazon Go-winkelconcept, groeit de omzet aan producten die de retailreus verkoopt via de stemgestuurde assistent Alexa. Alibaba zet met FashionAI in op een gepersonaliseerde mix-en-match-aanbevelingsdienst. Met Ask eBay helpt eBay de gebruikers van het handelsplatform bij het doorzoeken van een catalogus van zestig miljoen artikelen door gebruik te maken van Google Home.
AI-use cases in de finanicële sector
Banken, verzekeraars en beleggingsdiensten die gebruik maken van AI blijken aanzienlijk hogere winstmarges te hebben dan vergelijkbare bedrijven die dat niet doen. Bedrijven in de financiële sector zetten AI-technologie in om met ongestructureerde databronnen investeringsrisico’s te berekenen in veel kortere tijd dan mogelijk is met traditionele methoden.
Fraudedetectie
In de verzekeringswereld kunnen AI-systemen worden gebruikt om uit grote hoeveelheden data patronen te identificeren die kunnen wijzen op mogelijk frauduleuze activiteiten. Bancaire instellingen gebruiken AI-technologie voor het verifiëren van klantinformatie als onderdeel van het zoveel mogelijk tegengaan van witwaspraktijken.
Trifacta en NiceActimize zetten AI in om fraude op het spoor te komen. Onfido maakt identiteitsverificatie mogelijk door identiteitsdocumenten te vergelijken met biometrische gegevens en databases van creditmaatschappijen en watchlists. ZAMLvan ZestFinance is een ML-platform dat banken helpt om klanten met een korte kredietgeschiedenis te scoren.
Aanbevelingssystemen
Beleggingsdiensten gebruiken AI-systemen om klanten gepersonaliseerd advies te kunnen geven op basis van individuele beleggingsdoelen, gewenst risiconiveaus en beleggingsklimaat. Verzekeraars gebruiken AI-modellen die zijn getraind om aanvragers te helpen met het kiezen van het juiste verzekeringsproduct en banken zetten AI-technieken in om diepere inzichten te extraheren uit gegevens over leningen en hypotheken.
Next Best Action van Morgan Stanley is een ML-platform dat adviseurs ondersteunt in het contact met klanten, door adviseurs specifieke acties voor te stellen en routinetaken te automatiseren. COIN (Contract Intelligence) analyseert juridische documenten en haalt daar belangrijke informatie en clausules uit. AIERA (Artificial Intelligence Equity Research Analyst) van Wells Fargo volgt aandelen en laat zien of deze stijgen of dalen.
Bots voor klanten
Bedrijven zetten zelflerende software in om inzicht te krijgen in wensen van klanten en reacties op vragen te automatiseren. Om dit te kunnen doen, worden eerst grote hoeveelheden tekstuele datasets in modellen geladen en geanalyseerd met NLP-technologie. De reacties worden veelal gepusht naar smartphones.
Bank of America introduceerde een door AI aangedreven chatbot, genaamd Erica. Wells Fargo heeft een soortgelijke oplossing.
AI Use cases bij overheid en defensie
De inzet van AI bij de overheid spitst zich toe op het verhogen van efficiëntie in processen en gebouwen en naar uiteenlopende toepassingen bij defensie.
Optimalisatie en besparingen
Cognitieve technologieën kunnen de overheid helpen om achterstanden in te lopen, kosten te verlagen, problemen als gevolg van beperkte beschikbaarheid van (financiële) middelen te overwinnen en nauwkeuriger te werken. Een groot onderzoek van Deloitte wijst uit dat investeringen in AI bij de overheid enorme besparingen kunnen opleveren aan arbeidskosten, tot liefst 41 miljard dollar in vijf tot zeven jaar.
Defensie
Met militaire toepassingen van AI en robotica is naar schatting op wereldschaal een bedrag gemoeid van 39,2 miljard dollar. Naar verwachting zal dit verder groeien tot een bedrag van 61 miljard dollar in 2027. Robotica, NLP, computer vision en spraakherkenning zijn de meest veelbelovende technieken. AI-gestuurde drones voeren verkenningsvluchten; ML-gestuurde robots helpen bij zoek- en reddingsoperaties; en deep learning zorgt dat robots en drones zich ‘bewust’ zijn van de fysieke omgeving waarin ze opereren. Ook zet defensie steeds vaker AI in om militaire objecten te beveiligen tegen phishing en aanvallen met malware.
Dit is een ingezonden bijdrage van NetApp. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.
20 uur geleden
