Стартап Clari повышает «скорость и масштаб» ИИ, чтобы связать корпоративные данные воедино

Можно ли сшить воедино мешанину данных, валяющуюся вокруг корпораций, и сделать из нее что-то новое и полезное? Один стартап по разработке корпоративного программного обеспечения надеется показать, что машинное обучение может найти новое сокровище в старых записях.

Шестилетний Клари из Саннивейла, Калифорния, говорит, что искусственный интеллект может сделать что-то «действительно большое» в корпоративном программном обеспечении, что-то это выходит за рамки управления взаимоотношениями с клиентами и планирования человеческих ресурсов, хотя оно касается и того, и другого. домены. Компания может моделировать сделки, чтобы увидеть возможные результаты, и распространять полученные знания среди команд в офисе компании, включая не только продажи, но также маркетинг и поддержку клиентов.

Clari ранее была представлена ​​в октябре в интервью с соучредителем Энди Бирном., к ZDNet's Колин Баркер. Компания, основанная в 2013 году, привлекла более 70 миллионов долларов США от ведущих инвесторов, таких как Sequoia Capital и Bain Capital. Бирн и соучредитель и технический директор Венкат Ранган ранее основали производителя корпоративного программного обеспечения Clearwell Systems, довели его доход до 120 миллионов долларов и продали его Symantec.

В среду Клари объявлено в ее программном обеспечении теперь есть функции не только для отделов продаж, с которых оно началось, но и для людей, занимающихся маркетингом и обслуживанием клиентов. Также было объявлено об интеграции с множеством программ, которые выполняют различные части этих функций.

Если раньше программное обеспечение подключалось к данным Salesforce и системам электронной почты, то теперь оно может подключаться к данным из Chorus.ai, Dialpad, DiscoverOrg, Gong.io, Highspot, Outreach, PFL, RingCentral, Salesloft, Sendoso, Showpad и Да.

Также: Стартап InsideSales, занимающийся искусственным интеллектом, спрашивает, можно ли научить машину продавать

Clari позиционирует свою интеграцию всех этих источников данных как «платформу» для получения дохода, объединяющую функции, которые включают в себя работу компании по выводу на рынок, все обязанности, которые охватывают продажи и маркетинг для клиентов. поддерживать. Идея состоит в том, что машинное обучение может устанавливать связи между этими данными, чтобы сделать данные полезными, чего не происходит, когда данные изолированы и хранятся в различных хранилищах.

ИИ в данном случае представляет собой смесь старого и нового. Основным используемым инструментом является то, что называется скрытой марковской моделью, или «СММ», сначала статистической процедурой. использовался в 1960-х годах для определения невидимого положения дел в системе, работая в обратном направлении от наблюдения.

По словам технического директора Рангана, HMM используется «как одна из моделей для определения истинного состояния возможности», то есть возможности в деловом смысле. По его словам, этот анализ происходит только после того, как классификатор машины опорных векторов (SVM) сначала идентифицирует функции, которые нужно искать в данных. SVM — это подход машинного обучения, получивший распространение в 1990-х годах.

Кроме того, «другие модели, которые мы также предлагаем, — это GBDT [повышение градиента] (вариант так называемого дерева решений) и LSTM (глубокая нейронная сеть) для прогнозирования». прогнозы», — говорит Ранган, имея в виду длинную краткосрочную память, или «LSTM», подход машинного обучения для работы с последовательными данными, такими как временные ряды информация.

Также: Стартап People.ai, работающий в области искусственного интеллекта, получил 30 миллионов долларов от Андриссена Горовица на освобождение от рутинной работы на рабочем месте

Все это предназначено для того, чтобы навести порядок в путанице данных, разбросанных по организациям, в электронной почте, в приложениях, а иногда и в Microsoft Excel. «Много боли» — вот что обнаружил генеральный директор Бирн, когда беседовал с компаниями из списка Fortune 500 в самом начале пути компании, в 2013 году.

«Мы обнаружили проблемы с качеством данных: [торговые] представители не хотели вручную вводить свои данные. звонки по продажам в CRM, менеджеры не имеют представления о том, что происходит, что на самом деле происходит в поле."

«Один из наиболее важных процессов в компании», — говорит он, — «происходил в аду Excel», то есть представители просто записывали свои заметки о потенциальных клиентах в электронную таблицу.

Благодаря платформенному подходу, объявленному в среду, больше участников в компании смогут видеть, что происходит на разных этапах воронки. По словам Бирна, это уже формировалось, когда продукт распространялся среди других команд, в некотором роде скрытно, на низовом уровне. «Маркетинговые представители начали использовать ИИ, чтобы предсказать, какой объем конвейера потребуется для достижения будущих целей по доходам», — говорит Бирн. «Другая группа — это команды по работе с клиентами и обновлению; без нашего ведома они использовали нас для управления и прогнозирования оттока клиентов».

Все дело в объединении «множества сигналов, общего количества сигналов», говорит Бирн.

Также: Генеральный директор Appian Калкинс проводит разделительную линию между искусственным интеллектом и человеческими способностями

Процесс начинается с функции «автоматического сбора», при которой программное обеспечение извлекает все данные, хранящиеся в различных приложениях, например, пропущенные номера телефонов или встречи. По словам Бирна, в одной компании из списка Fortune 500, когда система была впервые внедрена, «мы обнаружили 52 000 человек [записи] в течение нескольких минут и более 19 000 управляемых возможностей», которые не были зарегистрированы в каких-либо официальных способ. «Никто не видел, как представители разговаривали со всеми этими людьми».

Связь между CRM, Salesloft и RingCentral становится возможной благодаря тому, что «все эти системы — Припев и Outreach, Marketo, Eloqua и Hubspot — у всех есть богатые открытые API», — говорит вице-президент по продуктам Курт. Листовая полоса. «Так что это относительно просто», в отличие от попыток интеграции с традиционными ERP-приложениями и извлечения из них информации.

HMM и сопутствующие методы машинного обучения исследуют «объекты» в данных, такие как сделки, «чтобы проанализировать все пути успешных сделок и сравнивать, какая сделка больше всего похожа на другую сделку, а какие компания выиграла или проиграла», — Лифстранд. объясняет. Технология «учитывает все предыдущие тенденции предыдущих кварталов, месяцев, недель», говорит он.

HMM строит модель сделок, исключающую гипотезы. А затем: «Мы получаем данные о продажах за два года от Salesforce. Это машина времени, которая позволяет нам вернуться назад и выяснить, как наши модели точно предсказали бы, что произошло бы, что позволяет нам проверять модели, которые мы строим», — говорит Листовая полоса.

Должен прочитать

• «ИИ очень, очень глуп», — говорит руководитель Google по искусственному интеллекту (ВОЗ)
• Как получить все новые голоса Google Assistant прямо сейчас (ВОЗ)
• Объединенное подразделение Google AI — четкий сигнал о будущем искусственного интеллекта (Техреспублик)
• Топ-5: Что нужно знать об ИИ (Техреспублик)

---

Конечно, многие компании, занимающиеся корпоративным программным обеспечением, внезапно заклеймили себя искусственным интеллектом. ЗДНет написал о стартапе Люди.ай, поддерживаемый Andreessen Horowitz, целью которого является устранение инерции по обновлению записей Salesforce. Еще один Внутри продаж, который анализирует данные CRM, чтобы попытаться найти закономерности, ведущие к успешным продажам.

«Происходит взрывной рост количества компаний, пытающихся решить проблему продаж», — признает Бирн. «Мы абсолютно новаторские, мы не видели никого, кто делал бы подобные вещи в том масштабе и скорости, которые мы можем, с проверенными результатами».

«Никто не соединяет все эти разные сигналы во всех этих разных системах», — говорит он. «В прошлом году мы проанализировали более 50 миллиардов точек данных, что представляет собой поток наших клиентов на сумму 200 миллиардов долларов».

Некоторые очень крупные поставщики CRM, отмечает Бирн, заявляют, что сделают то же самое, «но у них на это уйдет восемь месяцев». [для развертывания программного обеспечения], тогда как наш продукт запускается, работает и приносит пользу в тот же день».

По словам Лифстранда, в будущем компания планирует предложить больше технологий искусственного интеллекта глубокого обучения. Технология, которая в настоящее время находится в стадии бета-тестирования, решает «самую сложную часть проблемы доходов, то, что называется новым ведром», говорит он. «Это возможности, которых еще нет, но они будут существовать; это первое место, где мы обнаружили реальную пользу глубокого обучения, поскольку оно дает действительно новые идеи, позволяющие предсказывать то, чего не существует».

Предыдущее и связанное с ним освещение:

Что такое ИИ? Все, что Вам нужно знать

Руководство по искусственному интеллекту, от машинного обучения и общего искусственного интеллекта до нейронных сетей.

Что такое глубокое обучение? Все, что Вам нужно знать

Кратко о глубоком обучении: от того, как оно связано с более широкой областью машинного обучения, до того, как с ним начать.

Что такое машинное обучение? Все, что Вам нужно знать

В этом руководстве объясняется, что такое машинное обучение, как оно связано с искусственным интеллектом, как оно работает и почему оно важно.

Что такое облачные вычисления? Все, что вам нужно знать о

Введение в облачные вычисления, начиная с основ и заканчивая IaaS и PaaS, гибридным, общедоступным и частным облаком.

Похожие истории:

• ИИ Google исследует «игровой ландшафт», чтобы освоить теорию игр
  
• Вот как выглядит ИИ (по эскизу ИИ) 
  
• Команда Google DeepMind совместно с ведущей платформой для разработки 3D-игр
  
• Искусственный интеллект DeepMind обнаруживает ранние признаки заболеваний глаз