Mengatur AI: Bagian apa yang harus dimainkan pemasaran?

Jika Anda memiliki program kecerdasan buatan, Anda juga memiliki komite, tim, atau badan yang menyediakan tata kelola atas pengembangan, penerapan, dan penggunaan AI. Jika tidak, seseorang perlu dibuat.

Dalam artikel terakhir saya, saya membagikan area utama untuk menerapkan model AI dan ML dalam pemasaran dan bagaimana model tersebut dapat membantu Anda berinovasi dan memenuhi permintaan klien. Di sini saya melihat tanggung jawab pemasaran untuk tata kelola AI.

Jadi, apa itu tata kelola AI?

Tata kelola AI adalah apa yang kami sebut kerangka kerja atau proses yang mengelola penggunaan AI Anda. Tujuan dari setiap upaya tata kelola AI sederhana — mengurangi risiko yang terkait dengan penggunaan AI. Untuk melakukan ini, organisasi harus menetapkan proses untuk menilai risiko algoritme berbasis AI dan penggunaan etisnya.

Ketatnya tata kelola sangat bergantung pada industri. Misalnya, menerapkan algoritme AI dalam pengaturan keuangan dapat memiliki risiko yang lebih besar daripada menerapkan AI di bidang manufaktur. Penggunaan AI untuk menetapkan skor kredit konsumen membutuhkan transparansi dan pengawasan yang lebih besar daripada algoritme AI yang mendistribusikan suku cadang secara hemat biaya di sekitar lantai pabrik.

Untuk mengelola risiko secara efektif, program tata kelola AI harus melihat tiga aspek aplikasi yang digerakkan oleh AI:

• Data: Data apa yang digunakan algoritma? Apakah kualitasnya sesuai dengan modelnya? Apakah ilmuwan data memiliki akses ke data yang dibutuhkan? Apakah privasi akan dilanggar sebagai bagian dari algoritme? (Meskipun ini tidak pernah disengaja, beberapa model AI dapat secara tidak sengaja mengekspos informasi sensitif.) Karena data dapat berubah dari waktu ke waktu, penggunaan data dalam model AI/ML perlu diatur secara konsisten.
• Algoritma. Jika data telah berubah, apakah itu mengubah output dari algoritma? Misalnya, jika model dibuat untuk memprediksi pelanggan mana yang akan membeli di bulan berikutnya, data akan bertambah tua setiap minggu dan memengaruhi output model. Apakah model masih menghasilkan tanggapan atau tindakan yang sesuai? Karena model AI yang paling umum dalam pemasaran adalah pembelajaran mesin, pemasar perlu memperhatikan penyimpangan model. Model drift adalah setiap perubahan prediksi model. Jika model memprediksi sesuatu hari ini yang berbeda dari apa yang diprediksi kemarin, maka model tersebut dikatakan telah "melayang."
• Menggunakan. Apakah mereka yang menggunakan keluaran model AI telah dilatih tentang cara menggunakannya? Apakah mereka memantau keluaran untuk varians atau hasil palsu? Ini sangat penting jika model AI menghasilkan tindakan yang digunakan pemasaran. Dengan menggunakan contoh yang sama, apakah model tersebut mengidentifikasi pelanggan yang kemungkinan besar akan membeli di bulan berikutnya? Jika demikian, apakah Anda telah melatih perwakilan penjualan atau dukungan tentang cara menangani pelanggan yang kemungkinan besar akan membeli? Apakah situs web Anda "tahu" apa yang harus dilakukan dengan pelanggan tersebut ketika mereka berkunjung? Proses pemasaran apa yang terpengaruh sebagai akibat dari informasi ini?

Bagaimana strukturnya dan siapa yang harus dilibatkan?

Tata kelola AI dapat disusun dalam berbagai cara dengan pendekatan yang bervariasi dari yang sangat terkontrol hingga yang dipantau sendiri, yang sangat bergantung pada industri serta budaya perusahaan di mana ia berada.

Untuk dapat mengarahkan pengembangan model serta validasi dan penerapannya, tim tata kelola biasanya terdiri dari anggota teknis yang memahami bagaimana algoritme beroperasi serta pemimpin yang memahami mengapa model harus bekerja sesuai rencana. Selain itu, seseorang yang mewakili fungsi audit internal biasanya duduk dalam struktur tata kelola.

Tidak peduli bagaimana tata kelola AI terstruktur, tujuan utama harus menjadi tim yang sangat kolaboratif untuk memastikan bahwa algoritme AI, data yang digunakan oleh mereka, dan proses yang menggunakan hasil dikelola sehingga organisasi mematuhi semua peraturan internal dan eksternal.

Berikut adalah contoh desain Tata Kelola AI untuk organisasi yang mengambil pendekatan terpusat, umum di industri yang sangat diatur seperti perawatan kesehatan, keuangan, dan telekomunikasi:

Apa yang dapat disumbangkan pemasar untuk tata kelola AI?

Ada beberapa alasan pemasaran terlibat dalam tata kelola model AI. Semua alasan ini berhubungan dengan misi pemasaran.

1. Advokasi untuk pelanggan . Tugas pemasaran adalah memastikan bahwa pelanggan memiliki informasi yang mereka butuhkan untuk membeli dan melanjutkan pembelian, serta menginjili penawaran perusahaan. Pemasaran bertanggung jawab atas pengalaman pelanggan dan melindungi informasi pelanggan. Karena tanggung jawab ini, organisasi pemasaran harus terlibat dalam algoritme AI apa pun yang menggunakan informasi pelanggan atau dengan algoritme apa pun yang berdampak pada kepuasan pelanggan, perilaku pembelian, atau advokasi.

2. Melindungi merek . Salah satu tanggung jawab utama pemasaran adalah melindungi merek. Jika model AI digunakan dengan cara apa pun yang dapat merusak citra merek, pemasaran harus turun tangan. Misalnya, jika skor kelayakan kredit yang dihasilkan AI digunakan untuk menentukan terlebih dahulu pelanggan mana yang mendapatkan diskon "keluarga", maka pemasaran harus dilakukan memainkan peran penting dalam bagaimana model itu digunakan. Pemasaran harus menjadi bagian dari tim yang memutuskan apakah model akan memberikan hasil yang sesuai atau tidak. Pemasaran harus selalu mengajukan pertanyaan: “Apakah situasi ini akan mengubah perasaan pelanggan utama kita tentang berbisnis dengan kita?”

3. Memastikan komunikasi terbuka. Salah satu area pengembangan dan penerapan model AI/ML yang paling sering diabaikan adalah pengisahan cerita yang diperlukan untuk membantu orang lain memahami apa yang seharusnya dilakukan model. Transparansi dan keterjelasan adalah dua sifat terpenting dari pemodelan AI/ML yang diatur dengan baik. Transparansi berarti bahwa model yang dibuat dipahami sepenuhnya oleh mereka yang menciptakannya dan mereka yang menggunakannya serta para manajer dan pemimpin organisasi. Tanpa dapat menjelaskan apa yang dilakukan model tersebut dan bagaimana hal itu dilakukan kepada para pemimpin bisnis internal, tim Tata Kelola AI menghadapi risiko besar juga karena tidak dapat menjelaskan model tersebut secara eksternal kepada regulator pemerintah, penasihat luar, atau pemegang saham. Mengkomunikasikan "kisah" tentang apa yang dilakukan model dan apa artinya bagi bisnis adalah tugas pemasaran.
   

4. Menjaga Model AI yang diterapkan pemasaran. Pemasaran juga harus menjadi pengguna besar dari model AI/ML yang membantu menentukan pelanggan mana yang akan membeli paling banyak, pelanggan mana yang akan tetap menjadi pelanggan paling lama, dan pelanggan mana yang paling puas yang kemungkinan besar akan merekomendasikan Anda kepada calon pelanggan lain atau memang churn. . Dalam peran ini, pemasaran harus memiliki kursi di meja Tata Kelola AI untuk memastikan bahwa informasi pelanggan dikelola dengan baik, agar bias tidak masuk ke model dan privasi terjaga untuk pelanggan.

Baca selanjutnya: AI dan pembelajaran mesin dalam pemasaran: Apakah Anda menerapkan model yang tepat?

Tapi pertama-tama, kenali dasar-dasarnya

Saya ingin mengatakan bahwa Tata Kelola AI organisasi Anda akan menyambut pemasar ke meja, tetapi tidak ada salahnya untuk bersiap dan mengerjakan pekerjaan rumah Anda. Berikut adalah beberapa keterampilan dan kemampuan untuk membiasakan diri Anda sebelum memulai:

• pemahaman AI/ML. Anda harus memahami apa itu AI/ML dan bagaimana cara kerjanya. Ini tidak berarti bahwa Anda memerlukan gelar Ph.D. dalam ilmu data, tetapi merupakan ide yang baik untuk mengikuti kursus online tentang kemampuan ini dan apa yang mereka lakukan. Sangat penting bagi Anda untuk memahami dampak apa yang diharapkan dari model, terutama jika model tersebut berisiko mengungkap informasi pelanggan atau menempatkan organisasi pada risiko finansial atau merek.
• Data. Anda harus memahami dengan baik data apa yang digunakan dalam model, bagaimana data tersebut dikumpulkan dan bagaimana serta kapan data tersebut diperbarui. Memilih dan mengkurasi data untuk model AI adalah tempat pertama di mana bias dapat masuk ke dalam algoritme. Misalnya, jika Anda mencoba menganalisis perilaku pelanggan di sekitar produk tertentu, Anda biasanya memerlukan sekitar tiga perempat data yang dikumpulkan dengan cara yang sama dan dikurasi sehingga Anda memiliki informasi yang lengkap dan akurat. Jika data pemasaran yang akan digunakan algoritme, maka peran Anda bahkan lebih penting.
• Proses. Anda harus memiliki pemahaman yang baik tentang proses di mana algoritma akan digunakan. Jika Anda duduk di tim Tata Kelola AI sebagai perwakilan pemasaran dan algoritme AI yang dievaluasi adalah untuk penjualan, maka Anda harus membiasakan diri dengan proses itu dan bagaimana dan di mana pemasaran dapat berkontribusi pada proses tersebut. Karena ini adalah keterampilan penting yang harus dimiliki jika Anda bertugas di tim Tata Kelola AI, banyak tim pemasaran akan menunjuk kepala operasi pemasaran sebagai perwakilan mereka.

Apa pun peran yang Anda mainkan dalam Tata Kelola AI, ingatlah betapa pentingnya itu. Memastikan bahwa AI/ML diterapkan secara bertanggung jawab di organisasi Anda tidak hanya penting, tetapi juga proses yang berkelanjutan, yang membutuhkan ketekunan dan kewaspadaan, karena model terus belajar dari data yang mereka gunakan.

Pendapat yang diungkapkan dalam artikel ini adalah dari penulis tamu dan belum tentu MarTech. Penulis staf tercantum di sini.