برای CMOهایی که منجر به تغییر سازمانی می شوند، رهبری با مثال بار روانی «حرکت پنیر دیگران» را از بین می برد و پذیرش هوش مصنوعی را از یک دستور به یک آرزو تبدیل می کند.
[24:55] بدون داده های یکپارچه مشتری، هوش مصنوعی با شکست مواجه خواهد شد – آریل تاکید می کند که فعال کردن داده های شخص اول در قلب موفقیت هوش مصنوعی است. به گفته وی، این یک پیش نیاز حتی مهم تر از انتخاب فناوری است، زیرا نتایج کلی هوش مصنوعی زمانی که بر اساس اطلاعات ناقص یا پنهان در مورد مشتری باشد شکست می خورد. CMO ها باید اطمینان حاصل کنند که پلت فرم داده های مشتری آنها همه سیگنال ها (سابقه خرید، استفاده از محصول، تعاملات پشتیبانی، رفتار وب، مکان) را در یک منبع واحد از حقیقت قابل دسترسی برای موتورهای هوش مصنوعی بدون به خطر انداختن امنیت یا حریم خصوصی هماهنگ می کند.
بدون این پایه، عوامل هوش مصنوعی پیگیریهای نامربوط را برای مشتریان با بلیطهای پشتیبانی باز ایجاد میکنند، دعوتنامههایی را برای رویدادهای هممکانی ارسال میکنند، یا فرصتهای بسیار مستعد مدفون در سیستمهای قطع شده را از دست میدهند.
[27:14] از شکست های دیگر CMO ها درس بگیرید، نه فقط از پیروزی های آنها – آریل فاش میکند که عملیترین بینشهای او از شبکههای شریکی میآیند که در آن مدیران ارشد مدیریت مسائل سازمانی سخت را مورد بحث قرار میدهند – تمرکز در مقابل تمرکززدایی، مدلهای انتساب، بودجه برند در مقابل تولید تقاضا، و اینکه کدام ابزارهای هوش مصنوعی در واقع ROI را ارائه میدهند – اما تاکید میکند که شکستها بیشتر از موفقیتها را آموزش میدهند.
وقتی رهبران آشکارا آنچه را که کار نمیکند به اشتراک میگذارند (ساختارهای سازمانی که روی کاغذ خوب به نظر میرسند اما در اجرا شکست خوردهاند، ابزارهای هوش مصنوعی تبلیغ میشوند اما کمتر مورد استفاده قرار میگیرند، مدلهای انتساب که زیر نظر بررسی میشوند)، CMOها برای جلوگیری از تکرار اشتباه، الگو را به رسمیت میشناسند. برای اینکه CMOها رویه رهبری خود را ایجاد کنند، یک شبکه شخصی متشکل از 5 تا 10 نفر از همتایان خود در شرکتهای مشابه ایجاد کنید و یک آهنگ منظم برای بحث در مورد آنچه شکست میخورد، نه فقط برنده شدن، ایجاد کنید. این یادگیری مبتنی بر آسیبپذیری، تصمیمگیری را تسریع میکند، تغییرات ساختاری عمده را کاهش میدهد و از چرخشهای پرهزینه جلوگیری میکند.
