BrandStory er et annonseprodukt, produsert etter gjeldende retningslinjer.

Retningslinjer for BrandStory

BrandStory er en markedsføringskanal for annonsører. Tanken bak annonseformatet er at firmaer med komplekse budskap skal få anledning til å gå i dybden på sine temaer, og ha mulighet til å få direkte feedback fra en relevant målgruppe.

Annonsørene er velkomne til å dele innsikt fra forskning og utvikling, refleksjoner rundt sin rolle i samfunnet og tanker om ledelse.

Produktreklame er ikke tillatt i dette formatet. Annonsører kan heller ikke bruke BrandStory som en kanal for tilsvar på journalistikk som utøves på redaksjonelle flater.

BRANDSTORY: Nå kan også mindre virksomheter dra nytte av maskinlæring
Innhold fra annonsør

Nå kan også mindre virksomheter dra nytte av maskinlæring

Status om maskinlæring i Norge

Hvordan ligger norske bedrifter an på bruk av maskinlæring? Last ned Basefarms Digital Ability Report 2018 hvor rundt 200 IT-beslutningstakere i Norden har svart.

Halvparten av alle tyske selskaper* bruker i dag maskinlæring aktivt. 22 prosent av disse utnytter allerede teknologien produktivt. Men fordi maskinlæring nå også er tilgjengelig som en tjeneste (MLaaS), kan også mindre selskaper dra nytte av ny teknologi basert på kunstig intelligens (AI). 

Maskinlæring er et eget felt innenfor kunstig intelligens der statistiske modeller og store datamengder utnyttes for å finne mønstre, utlede prognoser, ta uavhengige beslutninger og optimere prosesser. For mange selskaper kan det å lykkes med maskinlæring være avgjørende for bedriftens digitale omstilling. 

Mangel på ressurser betyr imidlertid at mange mindre selskaper ikke makter å ta i bruk maskinlæring. Utvikling, opplæring og bruk av maskinlæringsmodeller krever ikke bare store ressurser i form av tid og penger, men fordrer også at medarbeiderne har den rette dataekspertisen. Den ekspertisen er det mangel på over hele verden. Ifølge en artikkel publisert i New York Times mot slutten av 2017 var det på det tidspunktet under 10 000 personer i hele verden som hadde den nødvendige kompetansen for å utføre seriøs forskning på kunstig intelligens. 

I tillegg mangler mindre selskaper ofte store nok datavolumer til å bygge effektive modeller for kunstig intelligens. De kan imidlertid benytte seg av algoritmer for datalæring med færre av bedriftens egne data for å skaffe seg kritisk forretningsinnsikt. I dag tilbys dessuten maskinlæring «som en tjeneste», noe som betyr at det er innenfor rekkevidde for alle slags bedrifter.

Hva er maskinlæring som en tjeneste (MLaaS)?

Maskinlæring som en tjeneste fungerer etter de samme prinsippene som programvare som en tjeneste (SaaS). Maskinlæringsprogrammet kjører direkte på tilbyderens plattform, og sistnevnte er også ansvarlig for installering, konfigurering og drift av grensesnittet. En kombinasjon av automatiske og halvautomatiske skyplattformer dekker de fleste infrastrukturforhold, som klargjøring av data, modellopplæring og evaluering, samt videre prognoser. Prognosene kan deretter kobles til selskapets egen IT-infrastruktur via ulike grensesnitt.

I dag tilbyr noen av de store skyleverandørene omfattende kataloger over mikrotjenester som selskaper kan kjøpe for å sette sammen sine egne digitale plattformer. Konseptet digitale plattformer og mikrotjenester er omfattende, og AWS, Microsoft Azure og Google Cloud Platform tilbyr et bredt spekter av «som en tjeneste»-produkter som favner alt fra nettskytjenester, lagring og databaseadministrasjon via utvidet og virtuell virkelighet til forretningsproduktivitetsanvendelser og verktøy for tingenes Internett. Disse mikrotjenestene er i stor grad API-baserte og følgelig raske å implementere.
Det er det som gjør tjenestene så attraktive: For det er utfordrende og tidkrevende å skape et utviklingsmiljø når man må skalere raskt eller skape et nytt produkt. Tjenestene omfatter også visse maskinlæringsmuligheter for tekst-, tale og bildegjenkjenning i tillegg til multifunksjonelle AI-plattformer som Amazon Sagemaker, Microsoft Azure Machine Learning Studio og Google Cloud Machine Learning Engine.

Agurktid

Den japanske bondesønnen Makoto Koike viste nylig hvor godt en MLaaS-løsning kan fungere. Familien hans dyrker agurker. Da han vendte tilbake til familiegården for å hjelpe til med driften i forbindelse med sykdom, så han at agurksorteringen tok uforholdsmessig mye tid. Japan har ingen nasjonale regler for sortering av grønnsaker i kategorier, så klassifiseringen gjøres på den enkelte gården. På gården til Makotos foreldre brukes et system med ni kategorier, som moren hans har perfeksjonert. Ved å ta i bruk en MLaaS-modell lyktes Makoto med å automatisere sorteringen og dermed å avlaste foreldrene og effektivisere driften.

Bruk av og anvendelsesområder for maskinlæring

Maskinlæring kan brukes med stort hell i så godt som alle bransjer. Særlig i små og mellomstore bedrifter kan teknologien forenkle arbeidsflyten og redusere arbeidsmengden. Noen eksempler:

Markedsføring: Maskinlæring kan bidra til bedre markedsføringsbeslutninger. Bare i fjor brukte 43 prosent av markedsføringsspesialistene kunstig intelligens og maskinlæring for å bedre kunne forutse kundenes beslutninger.

Automatisering: En av de store fordelene ved maskinlæring er at rutinemessige oppgaver kan automatiseres og produktiviteten dermed økes. Chatteboter er et velkjent eksempel på at maskinlæring kan brukes for å yte mer effektiv kundeservice.

Sikkerhet: Ved å undersøke datamønstre skal maskinlæring oppdage mistenkelig kontoatferd eller til og med svindel. Dette er en viktig funksjon innenfor finansiell overvåking og nettverkssikkerhet.

Kundeanbefalinger: Netflix, Spotify og Amazon kommer alle med produktforslag som er spesialtilpasset den enkelte kunden eller brukeren. Ved å bruke maskinlæring til å kartlegge kundeatferdsmønstre kan de gjøre annonsene mer relevante for den enkelte brukeren.

Denne typen sannsynlighetsberegning kan også brukes av mindre virksomheter som ønsker å brukertilpasse tjenester eller produktanbefalinger.

*gjennomført studie i Tyskland via vårt datterselskap The Unbelievable Machine Company

Til toppen