فرادرسیادگیری ماشینی و تدبیر انسان — ابزاری برای درک مشتریان
شرکت‌ها چطور بدون اینکه بینش و کاردانی حاصل از همدلی کارکنان‌شان را نادیده بگیرند، برای درک نیازها و خواسته‌های مشتریان‌شان از یادگیری ماشینی استفاده می‌کنند؟
فرضیه شرکت و چالش آن
فرض کنید ما شرکتی داریم که با هدف کمک به شرکت‌های دیگر، خدمات و محصولاتی ارائه می‌دهد که هم واقعاً مفید هستند و هم احساسات مشتریان را تحت تأثیر قرار می‌دهند. بخشی از کار به این صورت انجام می‌شود که محتوای موردنیاز را به‌طور آنلاین از مشتریان فعلی و مشتریان آینده شرکت دریافت می‌کنیم. در طی یک سال ۳۰۷٬۰۰۰ عکس و فیلم از حدود ۱۶۷٬۰۰۰ شرکت‌کننده مختلف دریافت می‌کنیم. عکس و فیلم‌هایی که در جواب سؤالات ما داده شده است. بسیاری از این افراد بعد از پاسخ به سؤالات، نظرات و ایده‌های شخصی‌شان را نیز راجع به موضوع انتخابی‌شان برای ما می‌نویسند و ارسال می‌کنند.
چالش ما: پیدا کردن نیازهای ناخوشایند و خواسته‌های غیرمتعارفی که در این گنجینه اطلاعات وجود دارد.
برای اجرای این چالش، از روش یادگیری ماشین که تحت نظارت انسانی قرار دارد استفاده می‌کنیم. روشی که شاید بسیاری از شرکت‌ها مشتاق به یادگیری آن هستند. در ادامه روش کار این سیستم را می‌خوانید.
کامپیوترها باهوش نیستند!
برنامه‌نویسی سنتی کامپیوتر بر اساس مجموعه‌ای از قواعد خاص که کامپیوترها از آن پیروی می‌کنند انجام می‌شود. مثلاً اگر عبارتی شامل کلمه «mad» باشد، به علامت نفی و منفی کد می‌شود. یا اگر چیزی در تصویر چهار چرخ داشته باشد، به‌عنوان ماشین برچسب می‌خورد. اما اگر این وسیله چهارچرخ توی بشقاب غذا یا پاکت پفیلا افتاده باشد چه؟ به‌عنوان یک اسباب‌بازی شناخته می‌شود یا به‌عنوان خطر بلعیده شدن؟
وقتی‌که در حال تلاش برای درک بینش و ادراک بی‌کران و بدون ساختار بشر باشید، محدودیت‌های این ساختار مبتنی بر قواعد را درک خواهید کرد. درحالی‌که «mad» به معنای دیوانه یا عصبانی است، «mad about» معنایی کاملاً متضاد دارد، و جسم چهارچرخ چیزهای زیادی می‌تواند باشد؛ مثل جاروبرقی یا اسباب‌بازی، و ماشین هم الزاماً چهار چرخ ندارد، و می‌تواند سه چرخ داشته باشد!
هیچ‌کس نمی‌تواند برای دسته‌بندی همه‌چیز قانون تعیین کند و بنویسد. همان‌طور که نمی‌تواند همه راه‌هایی که از ناشی از احساسات انسانی هستند را ثبت کند. ما به‌عنوان انسان یاد می‌گیریم، دسته‌بندی می‌کنیم و بر اساس الگوهای رفتاری و ارتباطات گذشته یاد می‌گیریم که چطور رفتار کنیم، و فرضیاتمان را به‌صورت آنی، درست مثل یک رعدوبرق سریع، بر اساس الگوها، اهداف و موضوع فضایی که در آن قرارگرفته‌ایم می‌سازیم.
یادگیری ماشینی و مشتری مداری!
نوع یادگیری ماشینی که ما استفاده می‌کنیم، یادگیری ماشینی تحت نظارت (supervised machine learning) است، که از انجمن‌های قدیمی برای یادگیری استفاده می‌کند. با ارائه مثال‌هایی که قبلاً دسته‌بندی کرده‌ایم، کامپیوترها می‌توانند تجربه‌های برنامه‌نویسی نشده را یاد بگیرند، و هرچقدر تجربه‌شان بیشتر می‌شود باهوش‌تر بشوند.
یادگیری ماشینی تنها یکی از ابزارهای مجموعه ابزارهای همیشه درحال‌توسعه ما است. اما یکی از مفیدترین رویکردهایی است که به ما کمک می‌کند شرکتمان را مشتری مدار و انسانی‌تر اداره کنیم.
به‌عنوان‌مثال، مشاغل در حالت عادی تمرکزشان بر روی چیزهایی است، که از طریق آن‌ها بتوانند ارزیابی‌ها را راحت‌تر انجام بدهند، و تجربه مشتری و نوع اجرا را آسان‌تر بهبود ببخشند. تا زمانی که بیشتر مردم در نظرسنجی‌های چندگزینه‌ای واکنش‌گرا و قابل ارزیابی شرکت می‌کنند، تعصب نسبت به تحقیقات بازار به روش سنتی افزایش می‌یابد. اما بهترین تدابیر در مکالمات خودکاری پیدا می‌شود که بین مشتریان صورت می‌گیرد، مثل عکس‌هایی که مردم می‌گیرند، توئیت‌هایی که می‌گذارند، و پیشنهادات و انتقاداتی که در انجمن‌های آنلاین ارائه می‌دهند. نه در نظرسنجی‌های آنلاینی که فروشندگان از مشتریان می‌خواهند که پرسشنامه را تکمیل کنند.
بنابراین بجای اینکه مردم را مجبور کنیم در نقش پاسخ‌دهنده حاضر شوند و تنها قادر به پاسخ‌گویی سؤالات محدودی که خودمان تعیین کرده‌اید بشوند. مخاطبانمان را تشویق می‌کنیم که از روش‌های مختلف سؤالات و جواب‌هایی که مدنظرشان هست را مطرح کرده و به اشتراک بگذارند. چراکه می‌دانیم یادگیری ماشین در تفسیر بهتر اشکال مختلف درک و بیش بشری به ما کمک می‌کند. درواقع با این کار با انسانیت بیشتر و مشتری مدارتر رفتار خواهیم کرد.
فلزیاب یا یادگیری ماشینی ؟
یادگیری ماشین چیزی از نیاز ما به جستجو و اکتشاف کم نمی‌کند. اما مثل یک فلزیاب برایمان کار می‌کند. تمام اطلاعات موجود را دریافت کرده و جای گنج را به ما نشان می‌دهد. مثلاً یک‌بار در میان جمع کوچکی از افراد مبتلابه اسکیزوفرنی حاضر شدیم و صحبت‌های زیادی درباره علائم این بیماری، داروها و عوارض جانبی‌شان شنیدیم. اما وقتی‌که متن بدون ساختار را تحلیل و بررسی کردیم، مشخص شد که تعداد خیلی زیادی از این افراد از نوابغ گمنام هنر، موسیقی و نویسندگی هستند. این باعث شد که به‌طور جدی راجع به اهمیت بیان خلاقانه در زندگی این افراد تحقیق و تفحص کنیم، و درنهایت منجر به توجه بیش‌ازپیش ما به پیام‌های مشتریان و پشتیبانی از راه‌های جدید و قدرتمند شد.
این نوع از تجزیه‌وتحلیل با مخاطرات و محدودیت‌های زیادی همراه است. بزرگ‌ترین مشکل موجود در سیستم آموزشی آن‌ها تعصبات است که می‌تواند منجر به نتیجه‌های غلط، بی‌فایده و حتی غیراخلاقی بشود.
علاوه بر همه این‌ها، مسئله دیگر این است که کامپیوترها کنجکاو نیستند. یک ماشین نمی‌تواند بپرسد که «ما نظر چه کسی را هنوز جلب نکرده‌ایم؟»، یا اینکه بپرسد «چه اتفاقی می‌افتد اگر ما سؤالمان را جور دیگری بپرسیم؟».
هنوز وظیفه تدبیر و تفکر بر عهده ما، پاسخ‌دهی بر عهده افراد آگاه است که تعصب‌های موجود در الگوریتم‌هایمان را بررسی کنیم. به‌علاوه ماشین‌ها فاقد خصوصیات انسانی هستند، که به رشد یک کسب‌وکار کمک بسزایی می‌کنند. باوجود اینکه قابلیت یادگیری نحوه احساس کردن را ندارند، اما می‌توانند نحوه شناخت احساسات را یاد بگیرند. تحریک عاطفی می‌تواند محرکی قوی برای تغییرات فردی و سازمانی باشد، و ارتباط شرکت با مصرف‌کنندگان را بهبود ببخشد. ولی کامپیوترها فاقد عاطفه و احساس هستند، به همین دلیل نمی‌توانند در هیجانات ما را همراهی کنند و همدردی کنند!
حداقل نیازهای هر تیم از دید کرت گری
این فقدان عاطفی که خود باعث کاهش روابط می‌شود، همان چیزی است که ما انتظار داریم ماشین به‌عنوان یک ابزار انجام بدهد، نه به‌عنوان یک همکار. همان‌طور که کرت گری (Kurt Gray) در یک مقاله فریبنده گفته است:
«اعتماد به اعضای تیم حداقل به سه چیز نیاز دارد: نگرانی و دغدغه مشترک، یک احساس آسیب‌پذیری و حساسیت مشترک، و باور به توانمندی و شایستگی. دغدغه مشترک به این معنا است که هم‌تیمی‌هایتان مراقب رفاه شما هستند. اعتماد؛ شاید مهم‌ترین عنصر باشد... ما به خاطر فقدان هوش هیجانی نیست که نسبت به AI بدگمانیم، بلکه به خاطر عدم آسیب‌پذیری آن است!»
چیزی مهم‌تر از اعتماد و نگرانی مشترک وجود ندارد. پس ما به ارزیابی و استفاده از یادگیری‌‌‌‌‌‌ماشینی ادامه می‌دهیم، اما به ماشین ربطی ندارد! در هر شرکتی که نیروی انسانی باتدبیر وجود دارد، آن شرکت می‌تواند قدرت را در دست بگیرد، و با مصرف‌کننده ارتباط مداوم و محکمی برقرار کند که هیچ ماشینی قادر به ساختن آن نیست.
