Pengalaman pelanggan AI: Melakukan AI versus benar-benar menjadi organisasi AI

Selalu ada perbedaan kecil antara “melakukan” dan “menjadi”, yang mana hal ini penting dalam konteks pengalaman pelanggan AI.

“Melakukan” hal-hal digital berarti tindakan investasi acak di sana-sini di situs web, aplikasi seluler, database, atau bahkan platform otomasi bisnis yang memungkinkan berbagai fungsi untuk menggunakan alat digital.

Ketika “melakukan” sudah menjadi hal yang tidak perlu lagi dilakukan, langkah berikutnya mungkin adalah menggunakan solusi digital canggih untuk mempercepat otomatisasi atau titik personalisasi.

“Menjadi” digital berarti alat dan saluran ini, otomatisasi dan sistem digital, menjadi tulang punggung operasi dan data. Sinyal pelanggan dengan ketelitian tinggi dimasukkan ke dalam pusat proses pengambilan keputusan.

Menjadi digital berarti menerima banyak perubahan.

Organisasi digital harus mengubah operasi secara mendasar, melakukan reorientasi tim, dan mengucapkan selamat tinggal pada proses lama sebagai imbalan atas alur kerja digital dan strategi operasional yang menghasilkan pertumbuhan laba dan efisiensi serta penghematan laba. Inilah perbedaan antara melakukan dan menjadi. Dan ya, perubahan – dan keinginan untuk melakukan perubahan – sering kali merupakan tantangan terbesar.

Kini kita berada dalam pergolakan perubahan besar lainnya saat kita memasuki era AI. Inilah kebenaran yang tidak ingin diucapkan oleh siapa pun: Jika Anda memutuskan untuk MENJADI organisasi AI, Anda akan gagal jika tidak berubah.

Itulah yang ingin kita diskusikan di sini: apa yang harus diubah terlebih dahulu.

Perdebatan ayam dan telur

Ketika ingin mewujudkan manfaat strategi pengalaman pelanggan AI di seluruh penjualan, layanan, perdagangan, dan pemasaran, mana yang lebih dulu: Platform atau Data Egg?

Di kalangan CX, banyak pemain yang melakukan banyak hal dengan AI. Akan ada banyak kasus penggunaan dan kemenangan berkat otomatisasi dan kapasitas untuk membuat dan menghasilkan konten dan aset yang dipersonalisasi dalam skala besar.

Namun bagi organisasi yang memilih untuk tidak hanya melakukan namun benar-benar MENJADI organisasi CX yang didukung AI, pertimbangan lain harus dilakukan:

• Apakah AI generatif yang sedang dibahas tersedia atau berencana untuk menjadi beta dalam waktu dekat?
• Apakah data tersedia dan siap untuk melatih lebih lanjut serta meningkatkan pemahaman model AI terhadap bisnis dan pelanggan?
• Apakah AI cocok untuk penggunaan perusahaan secara umum?
• Apakah ia dilatih untuk fokus secara fungsional?
• Apakah hal ini dibatasi pada dinding fungsional ataukah hal ini diberdayakan untuk menghubungkan seluruh bisnis agar benar-benar membuat perbedaan bagi pelanggan dan, pada gilirannya, bagi laba?

Meskipun perdebatan tentang telur dan ayam akan terus berlanjut, dalam hal AI dan pengalaman pelanggan, jawabannya terasa lebih mudah dinavigasi karena sejarah telah menunjukkan bahwa platform tersebut dan komposisi platform tersebut harus ditetapkan terlebih dahulu. Jika tidak, tidak ada tempat bagi model untuk mengambil data, apalagi menciptakan jalur menuju sinyal dengan ketelitian tinggi di seluruh bisnis, ekosistem, dan pelanggan kami.

Tanpa platform dan kerangka kerja yang kuat untuk alur kerja dan otomatisasi, hal ini akan berjalan dalam waktu yang singkat dan indah, namun kemudian dengan cepat mulai melemah karena tekanan.

Pengalaman pelanggan AI: 3 pertanyaan untuk ditanyakan

Berikut adalah tiga pertanyaan yang harus ditanyakan setiap organisasi saat menavigasi perjalanan CX untuk menjadi perusahaan yang diberdayakan AI.

1. Komposabilitas: Apakah alat dan solusi di seluruh ekosistem CX fleksibel dan terhubung untuk membangun landasan holistik untuk penyampaian CX saat ini dan masa depan?
2. Akses: Apakah bendungan digital menyebabkan kekeringan data yang tidak disengaja?
3. Ketersediaan: Apakah proses yang diberdayakan AI tersedia saat ini, atau hanya janji di kemudian hari?

Ketiga pertanyaan ini saling terkait hingga menjadi sebuah perusahaan AI yang menuntut ketiga hal tersebut untuk diatasi.

Komposabilitas, CX, dan AI

Ini bukan tentang komposisi atau konektivitas beberapa komponen. Perjalanan pelanggan modern tidak mampu menyediakan alat yang terhubung secara longgar dengan harapan bahwa API dapat menghemat pengalaman. Ini adalah pertanyaan tentang arsitektur mendasar di mana kami bermaksud membangun sistem pengiriman CX kami.

Meskipun di masa lalu mungkin cocok jika alat-alat tersebut ditempatkan berdampingan, dengan peralihan alur kerja biasa yang menghubungkan fungsi-fungsi seperti penjualan dan layanan ke perdagangan, ketika kita menambahkan AI dan tuntutan AI generatif di atas koneksi yang longgar ini, maka akan menjadi lebih baik. kartu jatuh.

Komposabilitas platform akan menjadi kunci keberhasilan operasional kemampuan CX untuk melampaui batasan alat fungsional yang hanya mengoptimalkan pengalaman fungsi tunggal tersebut. Arsitektur yang mengantisipasi skalabilitas dan penggunaan kembali aset tidak berhenti pada mantra “satu dan selesai.” Mereka berharap bahwa satu aplikasi atau aset yang dibuat tidak hanya dibagikan, namun dipercepat dan dioptimalkan saat digunakan kembali dan digunakan kembali.

Kerangka kerja yang dapat dikomposisi memungkinkan organisasi memanfaatkan alat modern untuk alur kerja dan otomatisasi tanpa terhambat oleh kompleksitas atau penyesuaian lama.

AI bergantung pada akses data

Apa yang dulunya dianggap sebagai “silo fungsional” telah berubah menjadi bendungan digital, menghalangi aliran data di seluruh organisasi, sehingga mustahil bagi AI untuk menggunakan apa yang sebenarnya dibutuhkannya. AI tidak hanya berkembang pada data; itu benar-benar membutuhkan data untuk bertahan hidup.

Dari pelatihan model bahasa besar yang dimanfaatkan untuk AI generatif hingga algoritme AI yang mendukung rekomendasi, data merupakan pusat dari segalanya. Apa yang dulunya dianggap sebagai “cukup baik untuk respons pembelajaran mesin” tidak memenuhi ambang batas sebagian besar organisasi untuk respons yang dapat diterima, apalagi memenuhi permintaan pelanggan akan akurasi dan konteks.

Bayangkan seorang pelanggan mengunjungi chatbot yang berjanji untuk membagikan pembaruan tentang pesanan terbaru pelanggan tersebut. Jika chatbot tersebut tidak dapat terhubung dengan lancar ke beberapa solusi perdagangan, rantai pasokan, produk, dan ERP back-end, jawabannya akan terbatas dan pengalaman menjadi tidak berarti.

Pelanggan saat ini mengharapkan bot mengetahui segalanya mulai dari ketersediaan produk hingga lokasi pengiriman yang tepat dan perkiraan waktu kedatangan. Harapan ini menuntut agar bendungan-bendungan, terutama yang tidak sengaja didirikan di antara alat-alat fungsional, harus dibongkar, atau minimal retak agar air yang disebut data tumpah.

Versi beta yang membutuhkan data: Apakah AI tersedia saat ini atau hanya sekedar janji?

Kenyataan nyata dari banyak alat AI generatif yang digembar-gemborkan sepanjang tahun 2023 adalah bahwa alat tersebut menjanjikan: eksperimen hebat dalam kasus penggunaan aplikasi model AI. Sederhananya, mereka adalah versi beta yang membutuhkan data.

Janji AI ini sering kali bergantung pada vendor yang mendapatkan akses ke data yang cukup untuk melatih model dengan benar dan tepat. Dalam perlombaan untuk memanfaatkan model yang tersedia secara komersial seperti ChatGPT OpenAI, pertanyaan seputar penggunaan etis, privasi dan keamanan data, dan bahkan akurasi dikesampingkan atas nama inovasi.

Namun kini, ketika organisasi mulai fokus pada dampak, hasil, dan efektivitas alat-alat ini, muncul pertanyaan-pertanyaan baru yang menanyakan apakah tim dan pelanggan benar-benar merasa lebih baik dengan solusi-solusi baru ini. Sekali lagi, penting untuk mempertimbangkan apakah suatu organisasi akan menjadi organisasi yang diberdayakan AI atau hanya menawarkan beberapa alur kerja, otomatisasi, atau pengalaman yang secara bertahap lebih baik dengan model dan aplikasi AI yang canggih.

Misalnya, dalam kasus AI dalam solusi penjualan, kita perlu mempertimbangkan apakah penjual lebih efektif dan efisien dengan alat AI, atau apakah mereka hanya lebih cepat dalam satu aspek pekerjaan mereka. Agar benar-benar mentransformasi pekerjaan penjualan, alat AI untuk penjualan harus memiliki arsitektur yang dapat disusun yang memungkinkan koneksi ke sistem lintas perusahaan, sehingga mendekatkan data yang dibutuhkan oleh model AI ini dengan pekerjaan dan alur kerja penjual.

Jika data dari ERP tidak dapat didekatkan dengan data dari CRM, alat AI tidak akan mampu mengidentifikasi hambatan atau peluang.

Namun – dan ini adalah sebuah hal yang besar – jika Anda memilih untuk MENJADI perusahaan AI, Anda juga membuat komitmen untuk menjadi organisasi data. Keduanya berjalan beriringan. Jadi pertanyaan sebenarnya adalah: sudahkah Anda membangun landasan kokoh di mana CX dan AI tidak hanya berjalan, tetapi juga berlari?

Di sinilah pertanyaan mengenai composability muncul dan memfokuskan jawaban kami bahwa ya, platform memang perlu didahulukan sebelum telur berbentuk data.

Pengalaman pelanggan AI: Naik ke puncak

Bagaimana hal ini menjadi kenyataan? SAP adalah contoh vendor yang telah mengalami kesulitan ini, dan dalam prosesnya, SAP telah menjadi organisasi AI. Langkah pertama dimulai beberapa tahun lalu ketika seluruh portofolio CX dibongkar, dirancang ulang, dan diluncurkan kembali. Keputusannya adalah untuk memastikan arsitektur composable yang diperlukan untuk AI siap digunakan untuk melayani CX.

Dibangun kembali dari awal untuk secara sengaja memberdayakan data, alur kerja, dan otomatisasi untuk bekerja dalam layanan penjualan dibandingkan dengan silo fungsional penjualan, SAP Sales Cloud berfokus untuk memberdayakan penjualan agar terjadi di mana saja di seluruh organisasi sekaligus membantu tim penjualan untuk terlibat jauh lebih efektif dan kontekstual dengan pelanggan mereka.

Demikian pula, SAP Service Cloud berfokus pada bagaimana layanan luar biasa berdasarkan konteks pelanggan dapat disampaikan di mana saja di seluruh organisasi, mengintegrasikan data yang datang dari mana saja sepanjang perjalanan pelanggan.

Karena dedikasi terhadap alat yang dapat dikomposisi pada arsitektur yang dapat dikomposisi, tindakan penjualan dan servis tidak dibatasi atau dibatasi. Namun yang lebih penting, alat-alat ini tidak memerlukan perombakan besar-besaran untuk menerapkan inovasi baru dalam AI dan kecerdasan.

Inilah sebabnya ketika CEO SAP Christian Klein mengumumkan investasi besar-besaran pada AI dan mengatakan bahwa AI lebih dari sekedar hype untuk SAP, namun sebenarnya akan mendefinisikan ulang bagaimana pekerjaan dilakukan mulai dari keuangan hingga penjualan, banyak dari kita di dunia analis tidak melakukannya. terkejut.

Pada kenyataannya, SAP menjadi perusahaan AI sendiri telah menjadi peta jalan selama bertahun-tahun, meskipun itu bukan artikulasinya. SAP harus membangun kembali dirinya sendiri, membangun kembali SAP cloud, dan berkomitmen penuh terhadap composability sebagai strategi untuk mengembangkan fondasi yang jauh lebih kokoh, fleksibel, dan tangkas.

Tanpa perubahan tersebut, setiap gerakan menuju AI hanya mewakili tindakan; itu tidak akan pernah bisa menjadi keberadaan.