O tym, jak uczenie maszynowe pomaga platformie do krótkoterminowego wynajmu wykrywać podejrzane rezerwacje, chroniąc gospodarzy oraz gości przed oszustami, opowiada Naba Banerjee z Airbnb w rozmowie z autorami podcastu Me, Myself, and AI, Shervinem Khodabandehem i Samem Ransbothamem. Przedstawiamy zredagowany zapis tej rozmowy.

Wydaje mi się, że większość słuchaczy zna Airbnb, ale opowiedz nam krótko o firmie i jej działalności.

Airbnb to miejsce, gdzie można budować sieć kontaktów, relacje i czuć się częścią większej społeczności. Miliony właścicieli nieruchomości, czyli gospodarzy, otwierają drzwi swoich domów, zapraszając do nich zupełnie obcych ludzi, dzięki czemu ty, ja i nasze rodziny możemy podróżować po egzotycznych miejscach, a zamiast za‑trzymywać się w hotelach, mamy możliwość prawdziwego zanurzenia się w lokalnej kulturze. Czasami, gdy ma się naprawdę dużo szczęścia, trafia się do domu, w którym mieszkają gospodarze i oferują prawdziwą gościnę, a to daje niezwykłe poczucie wspólnoty. W dzisiejszym świecie, gdzie jest coraz więcej izolacji i coraz mniej głębokich relacji, czerpię ogromną radość z tego, że pracuję w firmie, która sprzyja umacnianiu więzi między ludźmi. A mój zespół, odpowiedzialny za zaufanie i bezpieczeństwo na platformie Airbnb, zajmuje się całą ścieżką klienta, od momentu zakładania konta w Airbnb. Czasami zdarza się, że coś pójdzie nie tak, bo np. ktoś może założyć fałszywe konto albo przejąć kontrolę nad cudzym. Mieszkanie albo dom, który znalazłeś, mogą być „fałszywe”; opinie innych gości, które czytasz, nie zawsze są autentyczne. Nasza praca polega na tym, żebyś ty mógł cieszyć się fantastycznymi wakacjami, a gospodarz mógł skupić się na jak najlepszym podjęciu gości. Więc próbujemy przewidzieć niektóre z tych zagrożeń i im przeciwdziałać, a także minimalizować ryzyko ich wystąpienia w przyszłości. Mój zespół wykorzystuje technologię oraz dane po to, by dodać odrobinę magii do ścieżki użytkownika.

Jak coś pójdzie nie tak, to wszyscy czytamy i słyszymy o tym w wiadomościach. Ile jest negatywnych przypadków wśród tych niezliczonych transakcji, które realizuje twoja platforma?

Organizacje, które wykorzystują sztuczną inteligencję do poprawy istniejących kluczowych wskaźników efektywności (KPI) lub tworzenia nowych, osiągają większe korzyści biznesowe niż te, które czynią to bez użycia AI.

Dla większości organizacji podnoszenie kluczowych wskaźników wydajności (KPI) stanowi jasne zadanie. Zgodnie z wynikami naszego siódmego corocznego globalnego badania (więcej na temat badania w artykule Jak AI i inteligentne wskaźniki KPI wspierają realizację strategii) 7 na 10 respondentów zgadza się, że doskonalenie KPI nie tylko poprawia wydajność, ale też jest kluczowe dla sukcesu ich przedsiębiorstw. Jak zauważa jeden z menedżerów biorących udział w naszej ankiecie: „Musimy ciągle ewoluować nasze KPI, aby nie zarządzać firmą na przestarzałych metrykach”.

Coraz więcej firm wykorzystuje obecnie sztuczną inteligencję – na różne sposoby – aby przyspieszyć tę ewolucję. „Bardzo entuzjastycznie podchodzę do tego, co możemy osiągnąć dzięki uczeniu maszynowemu, które umożliwia naszym starszym liderom odejście od metryk patrzących wstecz na rzecz tych, które pozwalają spojrzeć w przyszłość” – mówi Avinash Kaushik, dyrektor ds. strategii w agencji marketingowej Croud i były dyrektor ds. globalnej analizy strategicznej w firmie Google.

W początkowej fazie rozwoju platformy przewozów pasażerskich Lyft jej inżynierowie stworzyli algorytm mający na celu maksymalizację przychodów poprzez dopasowanie dostępności kierowców do zapotrzebowania klientów. „Algorytm analizował wszystkie możliwe kombinacje pasażerów i kierowców, wybierając tę, która – na podstawie zgłoszonego zapytania o przejazd, lokalizacji kierowcy, wszystkich dynamicznych elementów systemu – maksymalizowałaby przychody” – komentuje Elizabeth Stone, była wiceprezeska ds. nauki w Lyft. Następnie, gdy eksperci ds. danych zaczęli testować inne cele, pojawiło się coś interesującego. Dzięki jednemu z rozwiązań, opartemu na sztucznej inteligencji, odkryto, że optymalizacja wskaźników konwersji (obrazujących, jak często użytkownik zamawiał przejazd po otwarciu aplikacji) prowadzi do większej liczby zgłoszeń przejazdów w przyszłości. Więcej zgłoszeń oznacza ostatecznie większe przychody. W rezultacie dzięki wykorzystaniu sztucznej inteligencji Lyft zmienił swój kluczowy wskaźnik wydajności związany z kombinacjami przejazdów i kierowców na taki, który skupia się również na optymalizacji wskaźników konwersji.

W Tokopedii (członek Grupy GoTo), jednym z największych marketplace’ów w Indonezji, sztuczna inteligencja przegląda petabajty danych w poszukiwaniu sygnałów związanych z wiarygodnością i rzetelnością (ang. redibility and reliability). Są to istotne kwestie, biorąc pod uwagę, że 86,5% z 14 milionów sprzedawców na platformie – oferujących 1,8 miliarda produktów – to nowi przedsiębiorcy. Posiadanie bardziej wiarygodnych sprzedawców sprawia, że rynek staje się bardziej atrakcyjny, efektywny i wydajny. „Mogą mieć dobre produkty do sprzedania, ale nie wiedzą, jak zarządzać swoim asortymentem” – mówi Herman Widjaja, CTO Tokopedii. „Dzięki sztucznej inteligencji łączymy naszych klientów z odpowiednim produktem, który jest oferowany przez odpowiednich sprzedawców” – dodaje. Firma zsyntetyzowała miliony możliwych sygnałów w system oceniania, który reprezentuje nowy kluczowy wskaźnik wydajności dotyczący jakości sprzedawców.

Chociaż większość respondentów rozumie potrzebę ulepszonych KPI, to wyraźna większość polega obecnie na niewystarczających narzędziach i technologiach do zarządzania swoimi metrykami. Nawet w miarę transformacji możliwości przedsiębiorstw przez algorytmy uczenia maszynowego (ML) i generatywne sztuczne inteligencje (generative AI) ludzki osąd pozostaje dominującym podejściem do ulepszania KPI. Dwie trzecie respondentów badania potwierdza, że menedżerowie podejmują decyzje oparte na osądzie, dostosowując KPI swojej organizacji. Choć powszechne, to podejście często nie przynosi pożądanych rezultatów: zaledwie jedna trzecia respondentów badania, którzy polegają wyłącznie na ludzkim osądzie, dostrzega poprawę swoich KPI.

Wykorzystanie sztucznej inteligencji do tworzenia przyszłościowych i inteligentnych wskaźników efektywności pozwala na lepsze dostosowanie działań operacyjnych do strategii.

Zmieniające się warunki rynkowe, zwinna konkurencja oraz wysokie wymagania dotyczące cyfrowej modernizacji operacji i procesów sprawiają, że strategiczne dostosowanie działań operacyjnych staje się sporym wyzwaniem. Pomocna w tym obszarze może okazać się sztuczna inteligencja. Na podstawie przeprowadzonego przez nas globalnego badania z udziałem ponad 3000 menedżerów i 17 wywiadów z przedstawicielami kadry kierowniczej stwierdziliśmy, że liderzy z różnych sektorów biznesu wykorzystują AI do poprawy sposobu, w jaki kluczowe wskaźniki efektywności (KPI) są priorytetyzowane, organizowane i udostępniane. Te ulepszenia mają bezpośredni, mierzalny wpływ na wzmocnienie strategicznego dostosowania operacji.

Liderzy wykorzystują również AI do poprawy dokładności, szczegółowości i zdolności predykcyjnych samych KPI. Ulepszenia te, zarówno indywidualnie, jak i zbiorowe, zwiększają świadomość sytuacyjną i ulepszają koordynację między funkcjami korporacyjnymi, co przyczynia się do osiągania lepszych wyników strategicznych. Liderzy przyznają, że potrzebują nowych możliwości pomiarowych i ulepszonych metryk, aby lepiej przewidywać i nawigować strategiczne szanse i zagrożenia. Uznają, że możliwości pomiarowe oparte na AI mogą dać nowy wgląd w zakresie wydajność i wskaźników, wzmacniając dostosowanie strategiczne i polepszając rezultaty. Nasze wyniki są jasnym wezwaniem do działania dla liderów, aby tworzyć bardziej zintegrowane systemy KPI, które są zarówno przyszłościowe, jak i wzajemnie powiązane.

Te wzbogacone o AI KPI, czyli inteligentne KPI, mogą skutecznie działać jak korporacyjny GPS, pokazując ludziom, gdzie się znajdują, dokąd muszą zmierzać i jak najlepiej tam dotrzeć. Te inteligentne KPI oferują bardziej szczegółowe i dokładne opisy tego, co dzieje się w biznesie, bardziej trafne przewidywania tego, co prawdopodobnie się wydarzy, a w niektórych przypadkach bardziej proaktywne sugestie, jakie działania powinni podjąć menedżerowie. Inteligentniejsze i bardziej ukierunkowane na przyszłość KPI udoskonalają tradycyjne KPI, które z powodu ograniczeń czasowych i bezwładu wykonawczego pozostawały niezsynchronizowane i niezweryfikowane.

Omawiamy przykłady – z kilku branż – które ilustrują, jak liderzy wykorzystują te nowe możliwości do osiągania swoich strategicznych celów, oraz przedstawiamy konkretne zalecenia dotyczące wykorzystania AI do wzbogacenia KPI i wspierania strategicznego dostosowania.

Wzmocnienie strategicznego dostosowania za pomocą AI

KPI z założenia miały dostosowywać działania organizacyjne do celów strategicznych. Jednak większość menedżerów zdaje sobie sprawę z potrzeby udoskonalania wskaźników, ponieważ ich zdaniem nie odzwierciedlają one w praktyce strategicznych aspiracji. Nasze badania pokazują, że liderzy, którzy wzbogacają swoje KPI za pomocą AI, mają większe szanse na osiągnięcie korzyści takich jak ulepszona koordynacja między działami. Są oni bardziej skuteczni w priorytetyzowaniu KPI, identyfikowaniu i tworzeniu relacji między nimi oraz w udostępnianiu danych KPI w zespołach. Podchodzą do KPI bardziej jak do zasobów wymagających udoskonalenia niż jak do celów do osiągnięcia.