¿Qué papel debe jugar el marketing? - Aprender Marketing
Blog

¿Qué papel debe jugar el marketing?

Si tiene un programa de inteligencia artificial, también tiene un comité, equipo o junta que rige el desarrollo, la implementación y el uso de la IA. Si no lo tiene, es necesario crear uno.

En mi último artículo, analicé las áreas clave para aplicar modelos de IA y ML al marketing y cómo estos modelos pueden ayudarlo a innovar y satisfacer las necesidades de los clientes.

Entonces, ¿qué es la gobernanza de la IA?

La gobernanza de la IA es lo que llamamos el marco o proceso que rige su uso de la IA. El objetivo de cualquier esfuerzo de gobernanza de IA es simple: mitigar los riesgos asociados con el uso de IA. Para lograr esto, las empresas deben establecer un proceso para evaluar los riesgos de los algoritmos impulsados ​​por IA y su uso ético.

El rigor de la gobernanza varía mucho según la industria. Por ejemplo, el uso de algoritmos de IA en un entorno financiero podría presentar mayores riesgos que el uso de IA en la fabricación. El uso de IA para asignar puntajes de crédito al consumidor requiere más transparencia y control que un algoritmo de IA que asigna partes de manera económica en una fábrica.

Para administrar el riesgo de manera efectiva, un programa de gobierno de IA debe considerar tres aspectos de las aplicaciones impulsadas por IA:

  • Datos: ¿Qué datos utiliza el algoritmo? ¿Es la calidad adecuada para el modelo? ¿Los científicos de datos tienen acceso a los datos que necesitan? ¿Se viola la privacidad como parte del algoritmo? (Aunque esto nunca es intencional, algunos modelos de IA podrían divulgar información confidencial sin darse cuenta). Debido a que los datos pueden cambiar con el tiempo, existe la necesidad de controlar de manera consistente cómo se usan los datos en el modelo de IA/ML.
  • Algoritmos Si los datos han cambiado, ¿eso cambia la salida del algoritmo? Por ejemplo, si se creó un modelo para predecir qué clientes comprarán el próximo mes, los datos envejecerán con cada semana que pase, lo que afectará la salida del modelo. ¿El modelo todavía genera respuestas o acciones apropiadas? Dado que el aprendizaje automático es el modelo de IA más común en marketing, los especialistas en marketing deben tener cuidado con la desviación del modelo. La desviación del modelo es cualquier cambio en las predicciones del modelo. Si el modelo predice algo diferente hoy de lo que predijo ayer, entonces se dice que el modelo se ha «desviado».
  • Usar. ¿Aquellos que usan la salida del modelo de IA han sido capacitados sobre cómo usarlo? ¿Supervisan las salidas en busca de discrepancias o resultados falsos? Esto es especialmente importante cuando el modelo de IA genera acciones que utiliza el marketing. Usando el mismo ejemplo, ¿identifica el modelo a los clientes que tienen más probabilidades de comprar algo durante el próximo mes? Si es así, ¿ha capacitado a los representantes de ventas o soporte sobre cómo tratar con los clientes que probablemente comprarán? ¿Su sitio web “sabe” qué hacer con estos clientes cuando lo visitan?, ¿Qué procesos de marketing se ven afectados por esta información?

¿Cómo debe estructurarse y quién debe participar?

El gobierno de la IA se puede estructurar de varias maneras, con enfoques que van desde el control estricto hasta el autocontrol, dependiendo en gran medida de la industria y la cultura corporativa en la que se encuentre.

Para supervisar el desarrollo, la validación y la implementación del modelo, los equipos de gobierno suelen estar formados por miembros técnicos que entienden cómo funcionan los algoritmos y ejecutivos que entienden por qué los modelos deberían funcionar como se diseñaron. alguien que representa a la función de auditoría interna generalmente se sienta en la estructura de gobierno.

Independientemente de cómo esté estructurada la gobernanza de la IA, el objetivo principal debe ser un equipo altamente colaborativo para garantizar que los algoritmos de la IA, los datos que utilizan y los procesos que utilizan los resultados se gestionen de manera que la organización utilice las normas internas y externas.

Aquí hay un ejemplo de un diseño de gobierno de IA para una organización que adopta un enfoque centralizado común en industrias altamente reguladas como la atención médica, las finanzas y las telecomunicaciones:

¿Qué pueden aportar los especialistas en marketing a la gobernanza de la IA?

Hay varias razones por las que el marketing debería involucrarse en la dirección de los modelos de IA, y todas estas razones se relacionan con la misión del marketing.

  1. Anunciar a los clientes. El trabajo de marketing es asegurarse de que los clientes tengan la información que necesitan para comprar y seguir comprando, así como promover las ofertas de la empresa. El marketing es responsable de las experiencias del cliente y de proteger la información del cliente. Debido a estas responsabilidades, la organización de marketing debe participar en cualquier algoritmo de IA que use información del cliente o cualquier algoritmo que afecte la satisfacción del cliente, el comportamiento de compra o la promoción.
  1. Protección de la marcaUna de las tareas principales del marketing es proteger la marca: si los modelos de IA se utilizan de alguna manera que pueda dañar la imagen de la marca, el marketing debe intervenir, por ejemplo, si se utilizan puntajes de crédito generados por IA para determinar de antemano cuáles. los clientes obtienen el descuento «familiar», entonces el marketing debe desempeñar un papel importante en la forma en que se implementa este modelo. El marketing debe ser parte del equipo que decide si el modelo está brindando o no los resultados apropiados. El marketing siempre debe hacer una pregunta: «¿Será esta situación cambia la mentalidad de nuestros clientes clave para hacer negocios con nosotros?»
  1. Garantizar una comunicación abierta. Una de las áreas más descuidadas al desarrollar e implementar modelos AI/ML es la narración, que está diseñada para ayudar a otros a comprender lo que deberían estar haciendo los modelos. La transparencia y la explicabilidad son las dos características más importantes de un buen modelado AI/ML gobernado. La transparencia significa que los modelos creados son completamente entendidos por quienes los crean y utilizan, así como por los gerentes y líderes de las organizaciones, sin poder explicar qué hace el modelo y cómo lo hace a los líderes internos de la empresa La IA ​​El Equipo de Gobernanza corre el riesgo de no poder explicar el modelo externamente a los reguladores gubernamentales, abogados externos o accionistas Comunicar la «historia» de lo que hace el modelo y lo que significa para la empresa es el trabajo de marketing.
  1. Protección de modelos de IA utilizados en marketing. El marketing también debe ser un gran usuario de estos modelos AI/ML, que ayudan a determinar qué clientes compran más, qué clientes se quedan como clientes por más tiempo y cuáles de los clientes más felices probablemente lo recomendarán a otros clientes potenciales o incluso abandonarán en este En este rol, el marketing debe tener un asiento en la mesa de gobierno de la IA para garantizar que la información del cliente esté bien administrada, que el sesgo no ingrese al modelo y que se mantenga la privacidad del cliente.

Continuar leyendo: Inteligencia artificial y aprendizaje automático en marketing: ¿está utilizando los modelos correctos?

Pero primero, aprende lo básico

Me encantaría decir que el gobierno de IA de su empresa dará la bienvenida a los especialistas en marketing, pero nunca está de más estar preparado y hacer su tarea. Aquí hay algunas habilidades y destrezas con las que debe familiarizarse antes de comenzar:

  • Comprensión de IA/ML. Debe comprender qué es AI/ML y cómo funciona. Eso no significa que necesite un doctorado en ciencia de datos, pero es una buena idea tomar un curso en línea sobre cuáles son esas habilidades y qué hacen. Es extremadamente importante que comprenda el impacto que se espera de los modelos, especialmente si corren el riesgo de divulgar información del cliente o exponer a la empresa a riesgos financieros o de marca.
  • Datos. Debe tener una buena comprensión de qué datos se utilizan en el modelo, cómo se recopilaron y cómo y cuándo se actualizan. La selección y curación de los datos para un modelo de IA es el primer lugar donde el sesgo puede ingresar al algoritmo. Por ejemplo, si está tratando de analizar el comportamiento del cliente en relación con un producto específico, necesitará por lo general, alrededor de las tres cuartas partes de los datos recopilados y seleccionados de la misma manera para que tenga información completa y precisa.Si se trata de datos de marketing, el algoritmo los utilizará, entonces su papel es aún más importante.
  • Procedimiento. Debe tener una buena comprensión del proceso en el que se utiliza el algoritmo. Si está en el equipo de gobierno de IA como representante de marketing y los algoritmos de IA evaluados están destinados a las ventas, entonces debe familiarizarse con este proceso y cómo y dónde el marketing puede contribuir a este proceso, ya que es una habilidad importante. si trabaja en el equipo de gobierno de IA, muchos equipos de marketing nombrarán al jefe de operaciones de marketing como su representante.

Independientemente de su función en el gobierno de la IA, recuerde lo importante que es asegurarse de que la IA/ML se use de manera responsable en su organización no solo es imperativo, sino que también es un proceso continuo que requiere persistencia y vigilancia a medida que los modelos continúan aprendiendo de los datos. ellos usan.

Obtenga el boletín diario con el que cuentan los especialistas en marketing digital.

Las opiniones expresadas en este artículo son las del autor invitado y no necesariamente las del personal de los autores de Aprendermarketing que se enumeran aquí.

Sobre el Autor

Theresa Kushner es una apasionada del análisis de datos y cómo se aplica a los desafíos empresariales actuales. Durante más de 25 años, ha liderado empresas, como IBM, Cisco Systems, VMware, Dell/EMC, en el descubrimiento, la gestión y el uso de la información o los datos, el resultado ha explotado exponencialmente. Con su experiencia periodística, es coautora de dos libros sobre datos y cómo se utilizan en los negocios: Manejando los datos de su negocio: del caos a la confianza (con Maria Villar) y B2B Data-Driven Marketing: Sources, Uses, Results (con Ruth Stevens ) Hoy, Theresa, como líder de la práctica de datos y análisis en NTT DATA, continúa ayudando a las empresas, y a sus departamentos de marketing, a obtener valor de los datos y la información.

 

Deja una respuesta

Tu dirección de correo electrónico no será publicada.

Botón volver arriba