Google vereenvoudigt gebruik AI

10-04-2019 | door: Witold Kepinski
Deel dit artikel:

Google vereenvoudigt gebruik AI

Google lanceert een aantal nieuwe oplossingen om AI op een eenvoudige manier in te zetten binnen elke organisatie, zonder dat hier een compleet team aan data scientists voor nodig is. Deze oplossingen kunnen allerlei taken automatiseren, zoals het analyseren van documenten of het voorspellen van voorraad. Dit maakte Google bekend tijdens Google Next ‘19 in San Francisco, dit jaar gehouden van 9 tot en met 11 april.

Nieuwe inzichten met Document Understanding AI
Voor het classificeren, ophalen en verrijken van data in gescande of digitale documenten lanceert Google Document Understanding AI in bèta-vorm. Door documenten om te zetten in gestructureerde data, kan deze nieuwe tool de verwerking van documenten automatiseren. Hiermee verkrijgt de gebruiker nieuwe inzichten die voorheen zaten verstopt in ongestructureerde documenten.

Verbeter klantenservice met Contact Center AI
Contact Center AI bouwt voort op Dialog Flow Enterprise Edition. Nieuwe updates zoals Contact Center-Virtual Agent, Agent Assist en Topic Modeler, zijn nu beschikbaar in bèta. Deze updates maken het bijvoorbeeld eenvoudiger voor klanten om gesprekken te voeren met virtual agents. Ook verwelkomt Google nieuwe partners in het AI-programma van Contact Center, waaronder 8x8, Avaya, Salesforce en Accenture.

Retail laten profiteren van AI
Google Cloud for Retail zorgt ervoor dat retailers snel kunnen profiteren van AI voor retail-specifieke use cases; denk bijvoorbeeld aan het voorspellen van een verzoek of aan geautomatiseerde productaanbevelingen.

Vision Product Search, nu algemeen beschikbaar, maakt het voor retailers mogelijk om een visuele zoekfunctie in hun mobiele apps in te bouwen, zodat klanten een item kunnen fotograferen en vervolgens een lijst met vergelijkbare producten uit de catalogus van de retailer te zien krijgen. Recommendations AI, in bèta, helpt retailers om gepersonaliseerde 1:1 aanbevelingen te doen om op deze manier de betrokkenheid van klanten te stimuleren.

Tot nu toe heeft dit bij gebruikers tot gemiddeld 40 procent meer omzet gegenereerd na het doen van aanbevelingen en tot 5 procent meer omzet per sessie. En AutoML Tables, in bèta, zorgt ervoor dat retailers automatisch state-of-the art machine learning modellen kunnen bouwen en implementeren op gestructureerde data. De totale tijd die nodig is voor het modelleren is hiermee teruggebracht van weken tot dagen. Voor retailers betekent dit dat zij eenvoudig bedrijfsdata kunnen gebruiken om resultaten te voorspellen die kunnen helpen om de omzet te maximaliseren, de productportfolio’s te optimaliseren en hun klanten beter te begrijpen.

Terug naar nieuws overzicht
Software