Gambling Dataset

AI 不应在“黑匣子”中运行。用户界面必须让用户了解决策标准、传播影响，并让他们了解 AI 系统无法解决的问题。无论何种类型的用户，都必须能够监控并在必要时提供额外输入以推翻 AI 决策。但是，AI 系统必须驱动系统本身，并且仅在例外情况下与用户互动，或者允许用户根据用户的要求添加 AI 可能不知道的新信息。

理论上听起来不错，但实际效果如何？现在我们已经解决了关键的基本问题，让我们看看一些实际公司如何应用这些标准。

例如，休闲餐饮的主要问题之一是预测和满足餐厅（无论是公司自营 阿尔及利亚电邮清单 还是特许经营）的需求。这在限时优惠 (LTO) 期间尤为重要。一家全球休闲餐饮公司使用上述八个标准连接到实时多方网络，并能够快速实现其目标功能——以最低成本提供卓越的客户服务。

该公司不断监控销售点 (POS) 数据，并使用人工智能代理识别和预测消费者的消费模式。此外，智能人工智能代理会创建需求预测，然后实时将其与实际需求进行比较。当出现重大偏差时，代理会决定调整预测，其他代理会调整补货。然后，他们会在考虑变更成本和传播影响的情况下，将这些调整实时传播到整个供应链中的贸易伙伴。

这显著提高了预测准确性。在促销期间，该公司在商店层面实现了超过 85% 的预测准确率，在 DC 层面甚至更高。这比传统方法至少提高了 25%。

智能代理还可以通过识别预计的餐厅客流量趋势以及对 LTO 和订单的影响来自主优化餐厅订单。该系统在异常情况下运行，但允许管理人员审查决策标准并覆盖订单，因为管理人员可能拥有本地信息，例如库存问题或本地商店客流量问题。这使得订单下达速度大大加快，订单准确率超过 82%，从而大大减少了库存和浪费，同时提高了对消费者的服务水平。这是对市场上所有其他已知实现方式的重大改进。

由于算法具有高度的可扩展性，它们全天持续处理超过 1500 万个库存位置。

在采用基于人工智能的多方执行系统之前，餐厅经理必须与九个不同的订购系统进行交互，并根据一般准则、经验法则以及基于电子表格或手动计算的计算手动创建自己的订单。