KI-Kundenerlebnis: KI betreiben oder tatsächlich eine KI-Organisation sein

Es gab schon immer einen subtilen Unterschied zwischen „tun“ und „sein“, was im Kontext der KI-Kundenerfahrung wichtig ist.

Digitale Dinge zu „tun“ bedeutet hier und da zufällige Investitionen in Websites, mobile Apps, Datenbanken oder sogar Geschäftsautomatisierungsplattformen, die die Nutzung digitaler Tools durch mehrere Funktionen ermöglichen.

Sobald das „Tun“ zur zweiten Hand wird, könnte der nächste Schritt darin bestehen, mit fortschrittlichen digitalen Lösungen zu experimentieren, um die Automatisierung oder Personalisierungspunkte zu beschleunigen.

„Digital zu sein“ bedeutet, dass diese Tools und Kanäle, die Automatisierungen und digitalen Systeme zum Rückgrat von Abläufen und Daten werden. Hochpräzise Kundensignale rücken in den Mittelpunkt von Entscheidungsprozessen.

Digital zu sein bedeutet, viele Veränderungen anzunehmen.

Digitale Organisationen mussten ihre Abläufe grundlegend umstellen, Teams neu ausrichten und sich von alten Prozessen verabschieden, um im Gegenzug digitale Arbeitsabläufe und Betriebsstrategien zu erhalten, die zu Umsatzwachstum sowie zu Effizienzsteigerungen und Einsparungen führten. Das ist der Unterschied zwischen Tun und Sein. Und ja, Veränderung – und der Appetit darauf – ist oft die größte Herausforderung.

Jetzt befinden wir uns mitten in einem weiteren gewaltigen Wandel, da wir in das Zeitalter der KI eintreten. Hier ist die Wahrheit, die niemand laut aussprechen möchte: Wenn Sie sich dafür entscheiden, eine KI-Organisation zu sein, werden Sie scheitern, wenn Sie sich nicht ändern.

Darum geht es hier: Was soll zuerst geändert werden?

Die Henne-Ei-Debatte

Wenn es darum geht, die Vorteile von KI-Kundenerlebnisstrategien in den Bereichen Vertrieb, Service, Handel und Marketing zu nutzen, stellt sich die Frage: Die Plattform oder das Daten-Ei?

In CX-Kreisen werden viele Spieler viele Dinge mit KI machen. Dank der Automatisierung und der Fähigkeit, personalisierte Inhalte und Assets in großem Maßstab zu erstellen und zu generieren, wird es eine Vielzahl von Anwendungsfällen und Erfolgen geben.

Aber für diejenigen Unternehmen, die sich dafür entscheiden, nicht nur eine KI-gestützte CX-Organisation zu sein, sondern tatsächlich eine KI-gestützte CX-Organisation zu sein , müssen andere Überlegungen angestellt werden:

• Ist die diskutierte generative KI verfügbar oder ist eine baldige Betaversion geplant?
• Sind die Daten verfügbar und bereit, das Verständnis des KI-Modells für das Unternehmen und den Kunden weiter zu trainieren und zu verbessern?
• Ist die KI für den allgemeinen Unternehmenseinsatz geeignet ?
• Ist es darauf trainiert , sich funktionell zu konzentrieren?
• Ist es auf funktionale Wände beschränkt oder ist es in der Lage, sich unternehmensweit zu vernetzen, um wirklich einen Unterschied für den Kunden und damit auch für das Endergebnis zu bewirken?

Während die Debatte um Ei und Huhn weiter toben wird, scheint die Antwort im Fall von KI und Kundenerlebnis etwas einfacher zu finden, da die Geschichte gezeigt hat, dass es sich um eine Plattform handelt und die Zusammensetzbarkeit dieser Plattform zuerst festgestellt werden muss. Andernfalls gibt es keinen Ort, an dem Modelle Daten abrufen oder gar Wege zu High-Fidelity-Signalen in unseren Unternehmen, unseren Ökosystemen und unseren Kunden schaffen können.

Ohne eine solide Plattform und einen Rahmen für die Arbeitsabläufe und Automatisierungen wird es für einen kurzen, herrlichen Moment funktionieren, dann aber unter dem Druck schnell nachgeben.

KI-Kundenerlebnis: 3 Fragen, die Sie stellen sollten

Hier sind drei Fragen, die sich jedes Unternehmen stellen sollte, wenn es sich auf dem Weg zu einem KI-gestützten Unternehmen durch CX begibt.

1. Zusammensetzbarkeit: Sind die Tools und Lösungen im gesamten CX-Ökosystem flexibel und miteinander verbunden, um eine ganzheitliche Grundlage für die CX-Bereitstellung von heute und morgen zu schaffen?
2. Zugang: Verursachen digitale Staudämme unbeabsichtigte Datendürren?
3. Verfügbarkeit: Sind KI-gestützte Prozesse heute verfügbar oder sind sie ein Versprechen für einen späteren Tag?

Diese drei Fragen sind so eng miteinander verknüpft, dass es für ein KI-Unternehmen erforderlich ist, alle drei zu berücksichtigen.

Zusammensetzbarkeit, CX und KI

Hier geht es nicht um die Zusammensetzbarkeit oder Konnektivität einer Handvoll Komponenten. Die moderne Customer Journey kann sich keine lose verbundenen Tools leisten, in der Hoffnung, dass APIs Erfahrungen speichern können. Hierbei handelt es sich um eine Frage zur grundlegenden Architektur, auf der wir unsere CX-Bereitstellungssysteme aufbauen wollen.

Während es in der Vergangenheit möglicherweise angemessen war, dass Tools Seite an Seite saßen und beiläufige Übergaben von Arbeitsabläufen Funktionen wie Vertrieb und Service mit dem Handel verbanden, wird das Haus, wenn wir zu diesen losen Verbindungen KI und die Anforderungen generativer KI hinzufügen, das Haus Karten fallen herunter.

Die Zusammensetzbarkeit der Plattform wird der Schlüssel zum betrieblichen Erfolg der Fähigkeit von CX sein, über die Einschränkungen funktionaler Tools hinauszugehen, die nur das Erlebnis dieser einzelnen Funktion optimieren. Architekturen, die die Skalierbarkeit und Wiederverwendbarkeit von Assets vorwegnehmen, beschränken sich nicht auf das oft nachgeplapperte Mantra „eins und fertig“. Sie gehen weit darüber hinaus, dass die eine erstellte Anwendung oder das erstellte Asset nicht nur geteilt, sondern bei der Wiederverwendung und Umnutzung beschleunigt und optimiert wird.

Composable Frameworks ermöglichen es Unternehmen, auf moderne Tools für Arbeitsabläufe und Automatisierung zurückzugreifen, ohne durch veraltete Komplexität oder Anpassungen eingeschränkt zu werden.

KI ist auf Datenzugriff angewiesen

Was früher als „funktionale Silos“ galt, hat sich in digitale Dämme verwandelt, die den Datenfluss zwischen Unternehmen blockieren und es der KI unmöglich machen, das zu konsumieren, was sie wirklich benötigt. KI lebt nicht nur von Daten; Es braucht im wahrsten Sinne des Wortes Daten, um zu überleben.

Vom Training großer Sprachmodelle, die für generative KI genutzt werden, bis hin zu den KI-Algorithmen, die Empfehlungen unterstützen, stehen Daten im Mittelpunkt von allem. Was früher als „gut genug für Antworten auf maschinelles Lernen“ ausreichte, erfüllt einfach nicht die Schwelle der meisten Unternehmen für akzeptable Antworten, geschweige denn die Nachfrage des Kunden nach Genauigkeit und Kontext.

Stellen Sie sich vor, ein Kunde besucht einen Chatbot, der verspricht, Updates zur letzten Bestellung dieses Kunden zu teilen. Wenn dieser Chatbot keine nahtlose Verbindung zu mehreren Handels-, Lieferketten-, Produkt- und Back-End-ERP-Lösungen herstellen kann, ist die Antwort begrenzt und die Erfahrung bedeutungslos.

Der Kunde von heute erwartet, dass der Bot alles weiß, von der Produktverfügbarkeit über den genauen Standort der Sendung bis hin zur voraussichtlichen Ankunftszeit. Diese Erwartung erfordert, dass die Dämme, insbesondere diejenigen, die unbeabsichtigt zwischen Funktionsgeräten errichtet wurden, abgerissen oder zumindest geknackt werden, damit das als Daten bekannte Wasser austreten kann.

Eine Beta braucht Daten: Ist KI jetzt verfügbar oder nur Versprechen?

Die klare Realität vieler der im Jahr 2023 angepriesenen generativen KI-Tools ist, dass sie Versprechen waren: großartige Experimente mit Anwendungsfällen von KI-Modellanwendungen. Sie sind einfach eine Beta, die Daten benötigt.

Dieses Versprechen der KI hängt oft davon ab, dass ein Anbieter Zugriff auf genügend Daten erhält, um die Modelle richtig und angemessen zu trainieren. Im Wettlauf um die Nutzung kommerziell verfügbarer Modelle wie ChatGPT von OpenAI wurden Fragen zur ethischen Nutzung, zum Datenschutz und zur Datensicherheit und sogar zur Genauigkeit im Namen der Innovation beiseite geschoben.

Doch jetzt, da Unternehmen ihr Augenmerk auf die Auswirkungen, Ergebnisse und Wirksamkeit dieser Tools in der Praxis richten, tauchen schnell neue Fragen auf, ob Teams und Kunden mit diesen neuen Lösungen wirklich besser dran sind. Auch hier ist es wichtig abzuwägen, ob eine Organisation eine KI-gestützte Organisation sein oder nur ein paar Arbeitsabläufe, Automatisierungen oder Erfahrungen anbieten möchte, die mit fortschrittlichen KI-Modellen und -Anwendungen schrittweise besser werden.

Im Fall von KI in Vertriebslösungen müssen wir beispielsweise überlegen, ob Verkäufer mit KI-Tools effektiver und effizienter arbeiten oder ob sie nur in einem Aspekt ihrer Arbeit schneller sind. Um die Arbeit des Verkaufs wirklich zu verändern, müssen KI-Tools für den Vertrieb über zusammensetzbare Architekturen verfügen, die eine Verbindung zu unternehmensübergreifenden Systemen ermöglichen und die von diesen KI-Modellen benötigten Daten näher an die Arbeit und Arbeitsabläufe des Verkäufers heranführen.

Wenn die Daten aus ERP nicht näher an die Daten aus CRM herangeführt werden können, sind KI-Tools nicht in der Lage, Reibungsverluste oder Chancen zu erkennen.

Aber – und das ist ein großes Aber – wenn Sie sich dafür entscheiden, ein KI-Unternehmen zu sein, verpflichten Sie sich auch, ein Datenunternehmen zu sein. Die beiden marschieren Hand in Hand. Die eigentliche Frage lautet also: Haben Sie eine solide Grundlage geschaffen, auf der sowohl CX als auch KI nicht nur laufen, sondern laufen?

Hier rückt die Frage der Zusammensetzbarkeit in den Vordergrund und konzentriert sich auf unsere Antwort: Ja, die Plattform muss vor dem datenförmigen Ei stehen.

KI-Kundenerlebnis: Aufstieg an die Spitze

Wie wird das Realität? SAP ist ein Beispiel für einen Anbieter, der diese schwierige Wende geschafft hat und sich im Zuge dessen zu einer KI-Organisation entwickelt hat. Der erste Schritt begann vor einigen Jahren, als das gesamte CX-Portfolio ausgepackt, neu strukturiert und neu gestartet wurde. Die Entscheidung bestand darin, sicherzustellen, dass die für KI erforderliche zusammensetzbare Architektur bereit ist, im Dienste von CX zu agieren.

SAP Sales Cloud wurde von Grund auf neu entwickelt, um Daten, Arbeitsabläufe und Automatisierungen gezielt so zu ermöglichen, dass sie im Dienste des Verkaufs und nicht im funktionalen Silo des Vertriebs funktionieren. Der Schwerpunkt liegt darauf, den Verkauf überall im Unternehmen zu ermöglichen und gleichzeitig Vertriebsteams dabei zu unterstützen Sie können viel effektiver und kontextbezogener mit ihren Kunden interagieren.

In ähnlicher Weise konzentriert sich SAP Service Cloud darauf, wie außergewöhnlicher, auf dem Kundenkontext basierender Service überall im Unternehmen bereitgestellt werden kann, indem Daten integriert werden, die von überall auf der Reise des Kunden stammen.

Aufgrund dieses Engagements für zusammensetzbare Tools auf zusammensetzbaren Architekturen sind die Verkaufs- und Wartungsvorgänge nicht eingeschränkt oder eingeschränkt. Noch wichtiger ist jedoch, dass diese Tools keiner umfassenden Überarbeitung bedürfen, um neue Innovationen in den Bereichen KI und Intelligenz zu integrieren.

Als SAP-CEO Christian Klein eine massive Investition in KI ankündigte und sagte, KI sei weit mehr als nur ein Hype für SAP, sondern würde tatsächlich die Art und Weise, wie Arbeit von der Finanzierung bis zum Verkauf erledigt wird, neu definieren, stimmten das für viele von uns in der Analystenwelt nicht so überrascht.

Tatsächlich steht seit Jahren auf dem Plan, SAP selbst zu einem KI-Unternehmen zu machen, auch wenn das nicht so formuliert wurde. SAP musste sich neu aufbauen, die SAP-Cloud neu aufbauen und sich voll und ganz der Composability als Strategie widmen, um eine weitaus solidere, flexiblere und agilere Grundlage zu entwickeln.

Ohne diesen Wandel wäre jede Bewegung in Richtung KI nur ein Tun; es könnte niemals Sein konstituieren.