Na innowacje nie można czekać

W cyklu "Tylko w MMPOnline" tym razem rozmawiamy z Kengo Naito z Dentsu Innovation Initiative w Dentsu Japan.

MMP: Agencje reklamowe dotąd nie koncentrowały się specjalnie na obszarze innowacji.

Kengo Naito: Tak, jeszcze kilka lat temu był on postrzegany bardziej jako domena marketerów niż agencji, które miały po prostu znaleźć najlepszy sposób komunikowania zmian. Jednak obecnie tempo zmian technologicznych jest tak szybkie, że nie możemy już tylko czekać na to, co zrobią klienci. Musimy przejmować inicjatywę i proponować rozwiązania nie tylko w sferze komunikacji, ale także samej technologii. Niektóre z dzisiejszych rozwiązań są tak mocno oparte na technologii, że agencja musi być częścią procesu od samego początku.

Dentsu Innovation Initiative – jednostka Dentsu, w której pracuję w Tokio – jest pierwszym działem R&D w ponad stuletniej historii naszej grupy. Powstała w lipcu 2018 roku, gdy moja organizacja ujrzała nowe możliwości rozwoju biznesu dzięki podjęciu inicjatywy w reagowaniu na przyspieszone zmiany społeczne.

 MMP: Zacznijmy od podstaw, czyli uzgodnienia definicji. Coraz częściej posługujemy się terminami „sztuczna inteligencja”, „uczenie maszynowe” i „deep learning”. Co mają ze sobą wspólnego?

 Kengo Naito: Można je zaprezentować jako okręgi, przy czym sztuczna inteligencja (AI – artificial intelligence) jest największym z nich i zawiera w sobie dwa pozostałe. AI to technika, która umożliwia maszynom naśladowanie ludzkiego zachowania. Często podkreślam, że to nie jest jakaś niepojęta siła – elementy AI lub zbliżonych technik są obecne nawet w działaniach, które wykonujemy przy pomocy zwykłych programów biurowych jak Excel. Uczenie maszynowe to podzbiór technik AI wykorzystujący metody statystyczne, by umożliwić maszynom – poprzez przetwarzanie ogromnych ilości danych – usprawnianie działania i dochodzenie do dokładniejszych i bardziej satysfakcjonujących wyników. I wreszcie „deep learning” to podzbiór uczenia maszynowego, w którym obliczenia dokonywane są w wysoce złożonych sieciach neuronowych. To poziom, którego ludzie pracujący w tradycyjny sposób nie są w stanie osiągnąć.

 MMP: Czy możesz podać przykład zadania, które może być zrealizowane szybciej I dokładniej przy pomocy technik AI?

 Kengo Naito: Chciałbym najpierw opowiedzieć o projekcie, który nie jest taki nowy i nie w pełni można zaliczyć go do obszaru AI, ale dobrze pokazuje usprawnienia, jakie oferują nam maszyny. Chodzi o Open Road Project, który zrealizowaliśmy z Toyotą kilka lat temu. Koncern motoryzacyjny odpowiedział na problem ograniczonej liczby miejsc parkingowych w Tokio konstruując i-ROAD – ultrakompaktowy pojazd trójkołowy. Dentsu zaproponowało z kolei rozwiązanie technologiczne umożliwiające odkrycie niewielkich niewykorzystanych przestrzeni w mieście – pomiędzy budynkami, pod schodami i przy sklepach, które z łatwością da się przerobić na sieć miejsc parkingowych dla pojazdów i-ROAD. Na naszej stronie internetowej zaprosiliśmy mieszkańców Tokio do przetestowania prototypowego samochodu i sieci parkingowej. Odpowiednio wyposażone pojazdy i-ROAD zaczęły funkcjonować jak ruchome czujniki, zbierając olbrzymie ilości danych i umożliwiając tworzenie coraz większej liczby miejsc parkingowych. Spot przedstawiający i-ROAD i Open Road Project Toyoty stał się wielkim przebojem na YouTubie, zdobywając prawie 6 milionów wyświetleń. Wykorzystując technologię do zbierania danych pomogliśmy marketerowi uzmysłowić ludziom, jak z małych przestrzeni tworzy się potężna sieć i jak dzięki temu mogą swobodniej jeździć po mieście.

MMP: Inny projekt, przy którym pracowało Dentsu, łączył dwa obszary na pozór nie mające ze sobą zbyt wiele wspólnego – picie kawy i dane giełdowe.

Kengo Naito: Zaczęło się od spostrzeżenia, że ludzie, zwłaszcza młodzi, coraz mniej interesują się gospodarką. Wpadliśmy na pomysł, by połączyć jeden z najbardziej wszechobecnych wskaźników ekonomicznych w Japonii – indeks giełdowy Nikkei 225 i codzienną czynność, jaką jest picie kawy. Zaserwowaliśmy więc kawę, której smak zmienia się w czasie rzeczywistym, pozwalając pijącym ją osobom dosłownie posmakować zmian w gospodarce. Gdy indeks giełdowy rósł, kawa podawana w uczestniczących w projekcie punktach sprzedaży była bardziej gorzka, a kiedy spadał – robiła się kwaśniejsza. Końcowy rezultat został osiągnięty za pomocą stosunkowo prostego procesu – zmiany w proporcjach odmian ziaren wsypywanych do młynka, ale pomysł wymagał użycia ilości danych, których żadna osoba nie byłaby w stanie zebrać, ani monitorować. 96 procent ankietowanych uczestników projektu uznało go za innowacyjny, a 70 procent zadeklarowało, że wzrosło ich zainteresowanie wiadomościami gospodarczymi.

MMP: Uważasz, że obecnie jesteśmy na takim etapie rozwoju technologii AI, w której maszyny stają się nie tylko szybsze czy sprawniejsze od ludzi w wykonywaniu określonych zadań, ale też potrafią lepiej wykorzystywać dane.

Kengo Naito: Wspomnę o jeszcze jednym projekcie - Tuna Scope. Człowiek potrzebuje 10 lat, by stać się ekspertem w dziedzinie oceniania jakości mięsa tuńczyka (robi się to, przyglądając się dokładnie przekrojowi ogona ryby). Program deep learning, któremu dostarczono wszelkie dostępne dane zebrane przez wiele lat, potrzebował tylko miesiąca, by osiągnąć poziom ekspercki (prawidłowość ocen na poziomie 85 proc.)

 MMP: Jaki zatem jest kolejny etap, jeszcze przed nami?

Kengo Naito: Odpowiem pytaniem, które zadałem podczas prezentacji na konferencji Homo Innovaticus w Warszawie: jeśli AI będzie cały czas się uczyć, czy nastanie kiedyś koniec tej nauki? My ludzie uczymy się tyle, ile potrzeba, by osiągnąć poziom niezbędny np. do zdania egzaminu - potem przestajemy. Maszyny nie muszą się zatrzymywać i myślę, że mogą dojść do rozwiązań, których nie przewidzieliśmy i zapewne nie będziemy w stanie zrozumieć. To perspektywa, przed którą możemy stanąć w bliskiej przyszłości. Dobrze znana prognoza mówi, że AI prześcignie człowieka w 2045 roku.

MMP: Na konferencji mówiłeś też o luce między światami nauki i biznesu, która powinna zostać wypełniona.

Kengo Naito: Chodzi mi o to, że większość dzisiejszych firm ma kompetencje w obszarze modeli biznesowych (monetyzacja istniejących produktów i usług), informatyki (tworzenie aplikacji), coraz bardziej także data science (analizy danych i dostosowywania ich do potrzeb danego biznesu). Jednak rozwój w epoce AI wymaga pewnych kluczowych umiejętności, które mają tylko osoby z przygotowaniem akademickim – takich jak tworzenie nowych algorytmów w oparciu o najnowsze teorie naukowe. Niektóre rozwiązania są w opublikowanych pracach naukowych i po prostu czekają na odkrycie, ale są dostępne dla każdego, w tym potentatów takich jak Google i Facebook. Jeśli firma chce zyskać przewagę konkurencyjną we współczesnym świecie, powinna nawiązać bezpośredni kontakt z naukowcami i zaproponować uczciwy układ: dostęp do danych biznesowych w zamian za innowacyjne idee.

Rozmawiał: Paweł Piasecki

Kengo Naito wystąpił jako keynote speaker na konferencji "Homo innovaticus – jak okiełznać nowe technologie?" w Warszawie. Nasz rozmówca od blisko dekady wspiera wielu japońskich klientów Dentsu, w tym Shiseido, Panasonic i Suntory, w zakresie e-commerce, CRM i zarządzania danymi. Spędził wiele lat w Dolinie Krzemowej, nasiąkając klimatem przedsiębiorczości i innowacji oraz stykając się z fascynującymi nowymi technologiami. Obecnie prowadzi wiele innowacyjnych projektów w Japonii, zwłaszcza w zakresie AI i MaaS (Mobility as a Service).

Paweł Piasecki 469 Artykuły

Specjalizuje się w e-commerce i nowych technologiach. Pracował m.in jako tłumacz i redaktor, przez ponad 5 lat przygotowywał codzienny serwis prasowy dla przedstawicielstwa Komisji Europejskiej w Polsce. Miłośnik muzyki klasycznej i jazzu.

Komentarze

Prosimy o wypowiadanie się w komentarzach w sposób uprzejmy, z poszanowaniem innych uczestników dyskusji i ich odrębnych stanowisk. Komentując akceptujesz regulamin publikowania komentarzy.