Hoy, incluso la compañía de desarrollo de aplicaciones móviles ha comenzado a consolidar el LD relacionado con otras tecnologías de vanguardia, por ejemplo, IA y análisis predictivo. Esto se debe a que ML permite a las aplicaciones móviles aprender, ajustar y mejorar después de un tiempo.
Es un logro increíble cuando considera la forma en que los cambios solicitaron una orden expresa de los diseñadores para que los gadgets ejecuten una actividad en particular. En el momento en que este era el estándar, los ingenieros de software necesitaban estimar y registrar cada situación imaginable (y esta fue una prueba fantástica).
Sea como fuere, con ML en aplicaciones portátiles, hemos eliminado el juego especulativo de la condición. También puede actualizar la experiencia del usuario (UX) al comprender la conducta del cliente. Por lo tanto, puede apostar que ML en versátil no se limitará a los asociados de voz y chatbots.
Entonces, ¿cómo los diseñadores de aplicaciones versátiles utilizan ML en sus aplicaciones? ¿Qué tal si investigamos?
Potenciar la funcionalidad de búsqueda avanzada
Para transmitir encuentros en la aplicación excepcionalmente personalizados, la inteligencia artificial se puede unir a la capacidad de caza para dar resultados cada vez más instintivos y relevantes. Al beneficiarse de la conducta del cliente, los cálculos de ML pueden organizar y ordenar los resultados dependiendo de las inclinaciones individuales.
Hoy en día, las aplicaciones versátiles están bien preparadas para recopilar y examinar información como las crónicas de búsqueda de clientes. Por lo tanto, estos datos se pueden utilizar junto con la información de conducta para clasificar los elementos de la lista ordenados por inclinación.
Ya podríamos ver esto en la vida real en el escenario de Reddit. Según lo indicado por Nick Caldwell, anterior Vicepresidente de Ingeniería en Reddit e ímpetu Jefe de la Oficina de Productos en Looker, "Reddit depende enérgicamente de la revelación de sustancias ... A medida que Reddit se ha desarrollado, también lo han hecho los deseos de nuestras redes por la experiencia que brindamos y mejorar nuestra investigación La etapa nos permitirá abordar un punto de tormento del cliente de larga duración de manera significativa ".
Ayudar a los usuarios finales a reducir costos
La inteligencia simulada y los cálculos de ML también pueden funcionar en pareja para ayudar al cliente final a lograr un objetivo específico. Por ejemplo, la startup Ontrack (ubicada en Madrid, España) utiliza cálculos astutos para ayudar a las empresas de transporte en el Reino Unido a organizar mejor sus cursos de transporte y reducir los costos de combustible.
En cualquier momento en que un cliente salte a la aplicación, puede descubrir rápidamente los costos de los envíos y reconocer los cursos de transporte más productivos. Ontrack también ha hecho un gran avance al decidirse por las tareas por el bien del conductor, contrarrestando que los camiones llenos insuficientemente bloqueen las calles y conectando entre sí los envíos relacionados.
Según lo indicado por la organización, esta metodología puede ayudar a disminuir las millas vacías (donde un camión no tiene un montón) en hasta un 25%. Obviamente, la aplicación ha captado la atención de cualquier apariencia de Alcampo, P&G y Decathlon que necesitan utilizar esta innovación para informatizar la organización y el tablero de sus envíos y medios de transporte habituales.
Según John Maliki, director de la compañía de Jonson Transport, “mi armada actualmente consta de cinco vehículos, que son vehículos de productos livianos y algunas camionetas. Debe ser el punto donde Ontrack es aproximadamente el 60% de mi récord ahora, absolutamente a la luz del hecho de que confiamos en ellos ".
Un pensamiento similar también se puede conectar a las aplicaciones de viaje. En el caso de que tomemos Mezi (en los últimos tiempos adquiridos por American Express), por ejemplo, los cálculos de ML se utilizan para permitir a los clientes diseñar sus viajes o incluso cambiarlos en el camino en caso de que necesiten disminuir sus costos . En esta situación, la aplicación buscará rápidamente las opciones de viaje y alojamiento más económicos.
Los resultados se basarán en inclinaciones individuales y conductas pasadas. Como puede imaginar, el compromiso del cliente con una aplicación como tal garantiza la transmisión de encuentros de viaje personalizados frecuentes.
Mejora de protocolos de seguridad
En un momento en que el requisito de seguridad es fundamental, la IA también puede utilizarse para actualizar y garantizar la validación de la utilización. Por ejemplo, las aplicaciones pueden utilizar sonido, video y voz para validar a los clientes al coordinarlo con su información biométrica (como su marca o cara única).
Esta innovación también se puede potenciar para decidir obtener los derechos de cada cliente individual. En el caso de que tomemos BioID y ZoOm Login, por ejemplo, puede mejorar la seguridad y la experiencia de usuario mientras tanto utilizando su marco de validación facial ultra seguro de estilo selfie.
A medida que las contraseñas se vuelven cada vez más enredadas e inadecuadas, presumiblemente observaremos este dolor progresivo en los próximos meses. No es difícil de predecir, ya que el iPhone X introdujo Face ID con el mundo a través de su avanzado marco de cámara TrueDepth (que incorpora un proyector puntual, una cámara infrarroja y un iluminador IR).
Los marcos de reconocimiento facial utilizan más de 30,000 indicadores infrarrojos (indetectables) y los diseños de puntos crean un modelo científico de la cara. A medida que envejecemos, ML se activa para adaptarse a los cambios físicos en nuestra apariencia después de un tiempo.
ML también puede participar en la observación constante de la aplicación para reconocer y cuadrar ejercicios sospechosos. Si bien las convenciones de seguridad habituales pueden proteger la aplicación de los peligros conocidos, ML puede verificar a los clientes de ataques de malware y ransomware no identificados previamente de forma progresiva.
Actualización de la traducción incorporada
No podemos negar que el mundo está disminuyendo rápidamente. Entonces, en caso de que sea una startup que esté pensando en crear una aplicación portátil, tener una mentalidad mundial puede llegar lejos en la obtención de fondos.
Con ML, los diseñadores ahora podrían incorporar un intérprete que pueda percibir el discurso progresivamente. Esto implica que sus clientes (o clientes) en todo el mundo, sin duda, pueden utilizar su aplicación sin cautivar a un intérprete externo.
En el caso de que tome Airbnb, por ejemplo, los anfitriones de la interfaz de citas y los visitantes que hablan más de 25 dialectos distintos una vez al día. En este momento, la organización utiliza la API de Cloud Translation para interpretar publicaciones, debates y encuestas entre sus clientes.
La organización también ha mejorado su aplicación de visitas al utilizar Azar para usar la API de Cloud Speech y la API de Cloud Translation para interpretar colaboraciones sólidas entre las dos reuniones.
Los avances de ML se desarrollarán con una calidad notable en el mundo de las aplicaciones portátiles a medida que UX se convierta en el diferenciador clave que mantiene las marcas importantes. Sin embargo, hará un esfuerzo para que estas aplicaciones aprendan las inclinaciones del cliente y se ajusten de la misma manera.