Im Bereich des Smart Pricing stützt sich KI auf auf statistische Methoden und hilft bei der Bestimmung von optimalen Preiskorridoren. Smart Pricing verschafft aber auch dem Einkäufer das qualitativ hochwertige Umfeld für seinen Einkauf – wie er es auch aus seinem privaten Online-Einkäufen kennt. Datenbasierte Erkenntnisse auf Basis von KI-Technologien können eine Welt voller Möglichkeiten eröffnen. Dabei sind folgende Entwicklungen im Jahr 2020 abzusehen.
- Machine Learning im breiten Einsatz: Immer mehr Unternehmen werden 2020 automatisierte Pipelines auf Basis von Machine Learning erforschen und implementieren. Heute bereits lassen sich fast alle operativen Vertriebsentscheidungen im Bereich Preise, Nachbestellungen oder Kataloge automatisieren. Dabei sollte der Vertriebsmitarbeiter solche KI-Werkzeuge als „Beschleuniger“ verstehen und nicht als unliebsame Konkurrenz.
- KI-Ergebnisse werden hinterfragt: Zwar durchdringen immer mehr KI-Methoden die Geschäftswelt, doch wird der Interpretierbarkeit von KI-Ergebnissen große Aufmerksamkeit geschenkt werden. Warum gibt mir das System diesen Preis und diese Angebotsempfehlung? Stellvertreter-Modelle werden beispielsweise die Entscheidungen eines neuronalen Netzes Schritt für Schritt überprüfen.
- Intelligente Chatbots verbreiten sich nur langsam: Im Hype-Cycle vormals viel höher angesiedelt, geht wohl die praktische Umsetzung langsamer vonstatten als erwartet. Unternehmen werden aber über Chatbots hinausgehen, die sich auf „if/then“-Befehle verlassen, um die am häufigsten gestellten Fragen der Kunden anzusprechen. Intelligentere, dialogfähigere Chatbots werden die spezifische Kundenwünsche besser erfüllen können, und die Absicht des Kunden oder Benutzers besser erkennen.
- Open Source Werkzeuge helfen beim Entwickeln: Der dritte Trend ist die rasante Expansion und Demokratisierung der Analysetools, die Auswertungen einer breiteren Basis von Anwendern zugänglich machen. Große Internetanbieter wie Google oder Facebook bieten schon eine Reihe Tools an, die ohne Kosten Aufgaben erledigen. Sie lassen sich auch in eigene Projekte einbinden – nichts Ungewöhnliches in der Software-Entwicklung von heute.
- Das richtige Data Science-Team finden: großartige Programmierer, perfekte Statistiker und dazu noch motivierende Kommunikatoren sind in einer Person schwer zu finden. Erfolgreiche Teams profitieren jedoch von einem ausgewogenen Kompetenzspektrum. Unternehmen sollten sich vermehrt an jenen Hochschulen umzusehen, die heute bereits KI lehren.
- Key Performance steuert KI: KI-Systeme lernen aus kontinuierlichem Feedback durch echte Benutzer- und Kundeninteraktionen. Auch für solche KI-Systeme sind Key Performance Indicators (KPIs) hilfreich. Die Erkenntnisse aus der Verfolgung dieser KPIs können genutzt werden, um das KI-System direkt darüber zu informieren, wie es sich anpassen kann. So optimiert sich das System laufend selbst.
