Jedną z najważniejszych zalet sztucznej inteligencji jest zdolność do analizowania ogromnych pakietów danych i generowania prognoz. To sprawia, że firmy mogą przewidywać zachowania i preferencje klientów, a także identyfikować potencjalne problemy, zanim się one pojawią.

Dane to paliwo XXI wieku, a analiza danych to silnik dla tych danych. Nie inaczej niedawno wyraził swój optymizm względem cyfrowej rewolucji Peter Sondergaard z firmy Gartner, która jest globalnym przedsiębiorstwem analityczno-badawczym wyspecjalizowanym w zagadnieniach strategicznego wykorzystania technologii oraz zarządzania nimi. Możliwości przewidywania zachowań i potrzeb klienta noszą nazwę analityki predyktywnej. A to nie tylko jego zdaniem stanie się podstawą hiperpersonalizacji wielu usług oraz tworzenia treści marketingowych (tekstowych i graficznych).
Współczesne samochody są naszpikowane elektroniką. Swoje czujniki mają liczne podzespoły, m.in. poduszki powietrzne, układ wspomagania kierownicy, skrzynia biegów, silnik, klimatyzacja. To niezwykle złożone systemy, których naprawa i konserwacja wiąże się z wysokimi wymogami wobec producentów części, dystrybutorów i warsztatów, a także w stosunku do firm zarządzających flotami samochodów, firm leasingowych i towarzystw ubezpieczeniowych. Konieczny jest stały dostęp do szczegółowych danych pojazdów i produktów, jak również do informacji dotyczących napraw oraz konserwacji. Im lepiej zorganizowane są procesy toczące się między partnerami, tym wyższy jest poziom obsługi klientów końcowych.
Pojawiające się usterki i błędy można eliminować dzięki standaryzacji procedur i kodów błędów w połączeniu z systemem diagnostycznym i komputerem. W Europie 16-pinowe złącze OBD2 zaczęło obowiązywać w 2001 r. (samochody z silnikiem benzynowym), natomiast kilka lat później pojawiało się także w samochodach z silnikiem wysokoprężnym. Czy aby nie dożyliśmy czasów, gdy nic nie stoi na przeszkodzie, by w dobie „sztucznej inteligencji” oprogramowanie samodoskonaliło się, przewidując postępującą degradację części składowych pojazdu? Dziś jeszcze tester diagnostyczny, a za chwilę wystarczy smartfon ze specjalnym programem wyświetlającym realizowane prace, procesy i informacje o błędach, czerpiąc dane z czujników poszczególnych podzespołów zlokalizowanych w samochodzie.
Taki pogląd jest o tyle uzasadniony, że już dziś większość codziennych czynności możemy wykonać za pomocą telefonu czy aplikacji mobilnej. Klient warsztatu jest w stanie przełączać się między aplikacjami do robienia przelewów, zakupów czy śledzenia przesyłek. Nieustannie porównuje przy tym doświadczenia z firmami. I dlatego przyszłość to dostarczanie spersonalizowanych treści i ofert, co może znacznie podnieść skuteczność kampanii marketingowych i zachęcać klientów do większych zakupów lub ich powtórzenia.

Z diagnostycznego interfejsu OBD2 korzystają także miłośnicy motoryzacji. To stąd popularne aplikacje na telefon, które prócz programu do diagnostyki służą jako dziennik samochodu, pilnując kosztów, terminów dla OC czy badania technicznego

Czerpiąc dane z czujników
Bez wątpienia Covid-19 zmienił sposób działania świata, w tym komunikację, biznes i funkcjonowanie firm motoryzacyjnych, które przeniosły się do internetu. W ślad za tym poszło udostępnianie ekranów komputerów, plików, a też usługi w chmurze i komunikacja głosowa.
Złącze OBD2 pozwala w sposób prosty i ekonomiczny znaleźć oraz wyeliminować błędy podzespołów auta. Z diagnostycznego interfejsu OBD2 korzystają także miłośnicy motoryzacji i zwolennicy prac typu DIY (zrób to sam). Generatywna sztuczna inteligencja (GSI), w tym jej pierwszy powszechnie znany przedstawiciel – ChatGPT, to technologia pozwalająca m.in. na tworzenie kontekstowych, spójnych odpowiedzi na różne pytania i zgłoszenia. Na podstawie przesłanych danych generatywna sztuczna inteligencja jest w stanie m.in. podsumowywać treści, analizować dostarczone materiały, odpowiadać na pytania czy wspierać użytkowników jako wirtualny asystent.
Towarzystwa ubezpieczeniowe już dawno zauważyły potencjał najnowszych technologii. PZU, niekwestionowany lider rynku ubezpieczeń w Polsce i największy konglomerat finansowy w Europie Środkowo-Wschodniej, stworzył zespół GPT Lab, którego głównym zadaniem jest zbieranie, analizowanie i opracowywanie pomysłów na wykorzystanie potencjału generatywnej sztucznej inteligencji, przygotowanie bezpiecznych sposobów jej testowania oraz realizacja pierwszych pilotażowych rozwiązań opartych na tej technologii. „Raport Customer Experience – epoka nowych doświadczeń” to już trzeci raport o doświadczeniach klienta przygotowany przez PZU, który dostarcza ciekawych spostrzeżeń w kontekście popularyzacji cyfrowych narzędzi.
Z najnowszych danych PZU wynika, że mimo że dopiero poznajemy możliwości sztucznej inteligencji, w tym ChatGPT, to już cieszą się one akceptacją ponad 30% konsumentów, a największymi entuzjastami są młodzi. Ponad 50% klientów w wieku od 18 do 24 lat akceptuje wykorzystywanie tej technologii w relacjach marka – klient.
Klienci oczekują wciągających, angażujących doświadczeń i naturalnych, płynnych interakcji z firmami. Od spersonalizowanej oferty przez bezproblemową obsługę za pośrednictwem różnych kanałów po spójność komunikacji marki z ich własną wizją świata, ułatwia także zarządzanie relacjami z klientami przez systemy CRM i usprawnia wewnętrzną pracę w organizacji.
Zamiast ręcznie wprowadzać dane, można skorzystać z mechanizmów automatyzacji, co pozwala zmniejszyć liczbę błędów i skrócić czas reakcji. To o tyle istotne, że ubiegły rok był rekordowy pod względem inwestycji funduszy venture capital w start-upy zajmujące się generatywną sztuczną inteligencją. Według analizy International Data Corporation całkowita, globalna wartość rynku sztucznej inteligencji w zeszłym roku wyniosła blisko 120 mld dolarów i ma wzrosnąć do 300 miliardów w 2026 r.
Odpowiednio skonfigurowane i wykorzystywane narzędzia są prawdziwą kopalnią wiedzy o twoim biznesie online i jego klientach. A czego dziś oczekują klienci od np. warsztatów? Hiperpersonalizacja to trend, który nie powinien ujść uwadze menedżerów punktów zorientowanych na sprzedaż usług.

Analityka predykcyjna
Personalizacja była przełomem po erze masowego marketingu w XX wieku, gdy firmy używały ustandaryzowanych, tj. jednakowych, wiadomości, aby docierać do jak największej liczby odbiorców. Przełom ten nastąpił wraz z falą innowacji technologicznych, kiedy zdobycze cyfrowe pozwoliły masowo gromadzić i analizować dane dotyczące klientów. Hiperpersonalizację można przyrównać do osobistego konsjerża, który dostarcza skrojone na naszą miarę produkty, usługi i treści. A wszystko dzięki wykorzystaniu potężnych zbiorów danych, sztucznej inteligencji i uczenia maszynowego (machine learning, ML) do gromadzenia i analizowania w czasie rzeczywistym ogromnych ilości informacji o klientach.
Wespół z danymi kontekstowymi, takimi jak np. lokalizacja i pora dnia, tworzą profil klienta i jego zachowań podczas przeglądania stron internetowych czy interakcji w mediach społecznościowych. A stąd już tylko krok, by po zaciągnięciu takich informacji poznawać preferencje i wzorce zachowań – w tym przypadku zmotoryzowanych. Ale i tu uwaga! Nadmierna hiperpersonalizacja może się okazać przytłaczająca dla klienta. Skutek może być odwrotny do zamierzonego, jeśli klient naszego warsztatu zaczyna się zastanawiać: skąd oni tyle o mnie wiedzą?
Ważne jest więc, by dostarczać wartościowych treści. Błędne decyzje mogą oznaczać utratę klienta, który bez namysłu wybierze innego dostawcę usług na rynku motoryzacyjnym. Owszem, osoby młodsze, takie jak przedstawiciele pokolenia Z (urodzeni po 1995 r.) czy z pokolenia alfa (urodzeni w latach 2010-2025) są bardziej przyzwyczajeni, że w każdym miejscu w sieci zostawiają ogromne ilości danych o sobie. W zamian oczekują jednak odpowiednich rekomendacji i ofert idealnie skrojonych pod swoje potrzeby.

Sztuczna inteligencja w ochronie praw konsumenta?
W czasach zglobalizowanego rynku, na którym konsument ma dostęp do znacznego wolumenu produktów i usług, wykrycie nieuczciwej praktyki handlowej nie jest proste. Ten sam produkt kupiony w Niemczech, Szwecji czy Polsce powinien być tej samej jakości. Niestety nadal zdarza się, że nieuczciwi producenci w naszym kraju sprzedają towar o gorszych parametrach jakościowych.
Z pomocą w walce z niedozwolonymi praktykami konsumenckimi przychodzi sztuczna inteligencja. Eksperci z Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI) wraz z naukowcami z Instytutu Podstaw Informatyki Polskiej Akademii Nauk (IPI PAN) zaprojektowali system informatyczny ANSI. Jak czytamy, powstanie on w ramach projektu sfinansowanego przez Narodowe Centrum Badań i Rozwoju ze Strategicznego Programu Badań Naukowych i Prac Rozwojowych pt. „Zaawansowane technologie informacyjne, telekomunikacyjne i mechatroniczne” (INFOSTRATEG III). Służyć będzie do identyfikowania opinii konsumentów na temat bezpieczeństwa produktów i ich jakości, z uwzględnieniem tzw. dual quality (podwójnej jakości produktów).
– Dzięki zastosowaniu najnowszych metod przetwarzania języka naturalnego jesteśmy w stanie zidentyfikować produkty, których jakość w Polsce powinna być dodatkowo zbadana w laboratorium nie poprzez bezpośrednie analizowanie każdego fizycznego produktu z osobna, ale pośrednio, na podstawie opinii o tych produktach dostępnych w internecie. Jest to bardzo ciekawe zastosowanie sztucznej inteligencji, które w pozytywnym sensie wykorzystuje fakt, że tak duża część naszego życia przeniesiona jest obecnie do sfery wirtualnej – mówi dr Łukasz Kobyliński, adiunkt w Zespole Inżynierii Lingwistycznej IPI PAN, kierownik zadań IPI PAN w projekcie ANSI.
Już trwają prace nad wdrożeniem systemu dla UOKiK, który wykrywa zapisy niedozwolone w umowach. Docelowo narzędzie pozwoli na identyfikowanie opinii konsumentów na podstawie analizy wielojęzycznych zasobów internetowych, takich jak np. portale aukcyjne, zakupowe blogi. Rozwiązanie będzie umożliwiało identyfikowanie produktów, w których zaobserwowano różnice jakościowe w zależności od rynku, na jaki są produkowane i dostarczane.
Proponowane rozwiązanie będzie także pomocne w identyfikacji produktów, które są niebezpieczne lub niskiej jakości (z uwzględnieniem dual quality). Nowe narzędzie będzie wyposażone również w uniwersalny system wdrażania oraz możliwość integracji z zewnętrznymi systemami autoryzacji i uwierzytelniania. Możliwość integracji z innymi systemami można odczytać jako zapowiedź wdrożenia sprytnego oręża w walce z masą podróbek, np. części motoryzacyjnych.

Rafał Dobrowolski 
Fot. materiały Audi i Autoiso Sp. z o.o.