Wearable AI: leveranciersstrategieën en de weg naar de toekomst

In onze vorige blog hebben we uitgebreid beschreven hoe GenAI toepassingen in wearables verbetert, met name in use cases voor gezondheid en fitness. Met de snelle ontwikkeling van AI hebben meer leveranciers deelgenomen aan het AI-spel in wearables met veel nieuwe use cases die eraan komen. In deze blog analyseren we de AI-strategieën van grote leveranciers in een breder perspectief en bespreken we de trends en kansen in belangrijke use cases voor AI in wearables in de toekomst.

De evoluerende AI-toepassingen in draagbare apparaten zullen bestaande use cases verbeteren, nieuwe belangrijke use cases creëren en de loyaliteit van gebruikers vergroten. Zowel ecosysteemleveranciers als Google en Samsung die de nadruk leggen op apparaatconnectiviteit als professionele leveranciers als ZEPP en Suunto die zich richten op sport- en gezondheidsscenario's, zullen profiteren van AI-geïntegreerde apparaten. Om succesvol te zijn, moeten leveranciers zich echter zorgvuldig richten op twee fundamentele pijlers van AI: modellen en use cases. Het is cruciaal om ervoor te zorgen dat hun AI-strategie aansluit bij bestaande bronnen, productlijnen en doelconsumenten.

Verschillende leveranciers kunnen verschillende strategieën voor AI-modellen hanteren. Of het nu gaat om het ontwikkelen van een in-house model, samenwerken met toonaangevende AI-serviceproviders of het hanteren van beide benaderingen, er zijn altijd enkele belangrijke principes die leveranciers van wearables moeten volgen.

1. Omdat GenAI-mogelijkheden op wearables nog ver weg zijn, moeten leveranciers de privacy en gegevensbescherming voor alle gebruikers van cloudgebaseerde GenAI garanderen.
2. Modellen moeten worden geoptimaliseerd voor fitness- en gezondheidstoepassingen, ongeacht of ze intern of van externe leveranciers zijn. Bovendien moeten gebruikersgegevens die in dit soort modellen worden gebruikt, worden geanonimiseerd wanneer ze worden gebruikt als trainingsgegevens. Google is bijvoorbeeld bezig met het verfijnen van zijn "Personal Health Large Language Model (PH-LLM)" op basis van Google Gemini, terwijl ZEPP samenwerkt met externe modelleveranciers om gezondheids- en fitnesservaringen te verbeteren.
3. Spelers in het ecosysteem moeten zorgen voor een consistente AI-ervaring op alle apparaten, inclusief het naadloos delen van gegevens en het leveren van hoogwaardige AI-uitvoer voor alle ecosysteemapparaten.

In ons rapport " Now and Next for AI-capable smartphones " hebben we drie trends geïdentificeerd voor GenAI-use cases: multimodaliteit, gepersonaliseerd en gestroomlijnd. Deze trends zijn even relevant voor GenAI in draagbare apparaten. Vanwege verschillen in hardware en de gespecialiseerde aard van draagbare apparaten kunnen er echter nuances zijn in specifieke AI-functionaliteiten.

Multimodaliteit biedt wearables een onderscheidende waardepropositie vergeleken met andere apparaten. Wearables maken gebruik van ECG en meer sensoren om diverse datadimensies te verzamelen die ongeëvenaard zijn door andere technologieën. Met de ondersteuning van AI kunnen leveranciers deze verschillende datadimensies integreren om nieuwe statistieken te genereren, gepersonaliseerde, bruikbare trainingssuggesties te bieden, een chat-"personal trainer" te creëren en interacties te stroomlijnen via meerdere invoermethoden.

Gepersonaliseerde use cases bevorderen een hogere gebruikersloyaliteit. Leveranciers van ecosystemen kunnen gegevens van meerdere apparaten gebruiken om een ​​gepersonaliseerde, onderling verbonden ervaring te creëren die de gehechtheidspercentages verhoogt. Professionele leveranciers kunnen op maat gemaakte services leveren, zoals ZEPP en Suunto's AI Coach, met behulp van hun expertise op gebieden zoals sport. Deze use cases kunnen in de loop van de tijd verbeteren naarmate modellen meer leren over hun gebruikers terwijl ze grotere datasets analyseren.

Gestroomlijnde use cases breiden de waarde van wearables uit tot voorbij fitness en gezondheid. Ondanks de beperkingen van het schermformaat van wearables, verbetert GenAI de interactie via verbeterde spraakassistenten, wat een verschuiving van grafische gebruikersinterfaces (GUI) naar spraakgebruikersinterfaces (VUI) mogelijk maakt. ZEPP Flow stelt gebruikers bijvoorbeeld in staat om trainingsschema's te starten, schema's te beheren, te reageren op meldingen en andere taken gemakkelijker uit te voeren.

Het veranderende landschap van draagbare technologie, met name met AI-integratie, biedt aanzienlijke kansen voor alle spelers. Vooruitkijkend benadrukken verschillende belangrijke aannames hoe AI leveranciers van draagbare technologie kan helpen een concurrentievoordeel op te bouwen.

Belangrijkste aannames van Canalys voor kansen voor draagbare AI

• AI verbetert sensorcapaciteiten: met één extra sensor kan AI tientallen nieuwe use cases creëren op basis van die sensor. Zoals wellnesstips op basis van de data van die specifieke sensor en het genereren van nieuwe "scores" uit gecombineerde data van meerdere sensoren. Dit verbetert de sensorwaarde en biedt een concurrentievoordeel voor apparaten met meer sensoren.
• Cloudgebaseerde AI stimuleert de acceptatie van e-SIM: e-SIM-connectiviteit kan aan populariteit winnen door succesvolle cloudgebaseerde GenAI-use cases, die AI-ervaringen onderweg bieden.
• Privacy en vertrouwen van de consument zijn essentieel: leveranciers die privacyproblemen aanpakken in cloudgebaseerde AI, winnen sneller het vertrouwen van de consument. Hierdoor ontstaat een concurrentievoordeel, wordt de loyaliteit van gebruikers vergroot en wordt gezorgd voor een blijvende betrokkenheid.
• Verbeterde interactie maakt draagbare AI eenvoudig toegankelijk: GenAI zal nieuwe interactiemethoden, zoals spraak- en gebaarbediening, gebruiksvriendelijker maken, waardoor de bruikbaarheid van draagbare apparaten wordt verbeterd. Dit positioneert draagbare apparaten als het dichtstbijzijnde GenAI-assistent-toegangspunt tot het menselijk lichaam, wat intuïtieve en naadloze gebruikerservaringen biedt.

De opkomst van AI in wearables biedt leveranciers nieuwe kansen. Verbeterde productportfolio's met hogere ASP's en ecosysteem-aanhechtingspercentages zullen de groei van hardware-inkomsten stimuleren, en AI kan ook nieuwe inkomstenstromen aanjagen via abonnementsservices met meer use cases. Nog belangrijker is dat naarmate consumenten gewend raken aan AI-functies, leveranciers die volwassen AI-oplossingen ontwikkelen een significante onderscheidende factor zullen creëren, die de voorkeuren van consumenten beïnvloedt wanneer ze hun volgende aankoopbeslissingen nemen.