至顶网CIO与CTO频道 01月16日 编译:网络一直都是企业的神经系统,业务流程和交易靠网络才可以有效地运作。我们在进入数字化转型的新时代,因此诸如网络一类的基础架构也必须做出相应的转型和创新。
汽油零售业经过新的数字化转型后可以打造出未来的汽油零售站(加油站)。提供新的和更好的客户体验是主要推动力。笔者相信,要达到这一目标就必须使用及更好地利用物联网(IOT)设备的价值。
我们之前看到过策略及能更好满足服务和应用需求的基础设施“智能”层推动了软件定义网络(SDN)网络的发展。笔者是一个国际公司的CTO,专门从事基于云的CAFM。我现在觉得网络又到了需要与数字化转型接轨的时候了。根据我的第一手经验以及与汽油零售运营商的接触,可以说我亲眼看到了数字化转型共享行业的愿景。
企业的前沿演变总是需要大力注重客户体验的质量。数字化转型是变革催化剂,催化了自动化和物联网发展。而新时代客户体验也要求零售运营商进行自动化转型,包括采用人工智能和物联网创新等。而在汽油零售垂直市场更是这样, 在这一块汽车行业转型已背汽油而去进入了电动汽车领域。
在我看来,汽油零售行业的数字化转型是企业生存的良方,原因是便利店和加油站等概念在未来十年内极有可能从根本上发生改变。我们都能想起那些加油站便利店,肮脏的厕所,总是没有肥皂液,油泵半天没有反应,我们也希望过能在那买到新鲜、健康的食物以及未煮糊的咖啡。
在客户前沿这一块,新的智能物联网设备可以推动客户互动的改善。例如,我们现在加油就无需人类员工,我们可以用自助服务模型,这其中的新机器技术是主要的客户界面。人工智能和机器学习新技术的进步使得这些机器界面更智能,而智能的界面则可以改善客户体验。
诸如全球银行等其他行业也希望能在自己的零售店里提供新的“客户体验”。和汽油零售一样,这些行业的重点也是试图利用强大的人工智能和物联网进行手工操作流程的自动化,皆因手工操作流程可能是采用先进科技的一个障碍。
在与客户交互的前沿交点上,新的接口应该是传感器和是智能显示器,聪明到像经过训练和优化过的人工智能,而且可以成为一种经微调过的一线体验编排。在过去,我们有所谓的“一线员工”概念,他们接触我们的客户并直接与客户体验相关。现在我们利用人工智能物联网人机界面实现自动化。
我去年去欧洲旅行时见过加油站厕所的传感器可以感应到肥皂液快用完了。在更高的层次上,加油站的油泵甚至POS系统传感器可以利用预测人工智能检测到某个油泵过滤器需要更换了,不换掉的结果就是“缓慢”糟糕的客户体验。另外,许多便利店里的人工智能物联网设备则是用于控制食品质量及减少食品垃圾。
假若汽油提供商需要依靠这些新的物联网智能资产来改善客户体验的话,那么物联网资产本身就应该满足可用性、性能和网络安全(网络净化)等KPI(关键绩效指标)要求。另外,这些连接到云上的物联网资产也需要在可用性、性能和安全性指标等方面进行监测。目标是创建一个不需要额外人类的自动监测结构,可以令新的模式运作起来。
伴随着数字化转型存在挑战。我最近会过一些不同的汽油零售商。他们都非常注重将“资产”转化为以客户体验(就是不那么慢悠悠的油泵、厕所的皂液器正常工作、一流的咖啡机、便利店氛围可以媲美星巴克及可用于洽谈业务)。汽油零售站需要把数字化转型的重点放能帮助他们管理和维护这些资产上,以期这些资产可以保持最佳工作性能。重点不是为了用高科技而用新技术。我们应该利用人工智能和物联网令这些资产保持最佳性能。
无论是修理咖啡机、洗车或保养油泵,基于人工智能的机器都可以协调。这些新的智能资产可以提供新一代汽油零售客户体验,而同时又能消除人为错误,保持数据流的干净和准确。由API(应用程序界面)驱动的智能“数字工作流”可以确保合规性及减少未来机器编排模式的危险因素。
综上所述,汽油零售和便利店行业为了在变化中的世界及业务模式转型的洪流里生存正在推动向数字化转型。由于物联网接口、传感器和智能显示器的到来出现了新的自动客户交互。这些的背后是人工智能,而人工智能算法则推动了业务自动化的需求。我们可以把握时机利用智能机器在人与控制供应链商之间进行协调,利用数字工作流程优化未来的关键创收资产。这方面的科技将为我们提供新的、令人振奋的用户体验。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。