Esperienza del cliente AI: fare AI anziché essere effettivamente un'organizzazione AI

C'è sempre stata una sottile differenza tra "fare" ed "essere", che è importante nel contesto dell'esperienza del cliente basata sull'intelligenza artificiale.

“Fare” cose digitali significa atti casuali di investimento qua e là in siti Web, app mobili, database o persino piattaforme di automazione aziendale che consentono molteplici funzioni per utilizzare strumenti digitali.

Una volta che il “fare” diventa di seconda mano, il passo successivo potrebbe essere quello di giocare con soluzioni digitali avanzate per accelerare l’automazione o i punti di personalizzazione.

“Essere” digitali significa che questi strumenti e canali, le automazioni e i sistemi digitali, diventano la spina dorsale delle operazioni e dei dati. I segnali dei clienti ad alta fedeltà vengono messi al centro dei processi decisionali.

Essere digitali significa abbracciare molti cambiamenti.

Le organizzazioni digitali hanno dovuto spostare radicalmente le operazioni, riorientare i team e dire addio ai vecchi processi in cambio di flussi di lavoro digitali e strategie operative che garantissero crescita dei profitti, efficienza e risparmi dei profitti. Questa è la differenza tra fare ed essere. E sì, il cambiamento – e la voglia di farlo – è spesso la sfida più grande.

Ora ci troviamo alle prese con un altro enorme cambiamento mentre entriamo nell’era dell’intelligenza artificiale. Ecco la verità che nessuno vuole dire ad alta voce: se decidi di ESSERE un'organizzazione basata sull'intelligenza artificiale, fallirai se non cambi.

Siamo qui per discutere di questo: cosa cambiare prima.

Il dibattito sull’uovo e la gallina

Quando si tratta di realizzare i vantaggi delle strategie di customer experience basate sull’intelligenza artificiale nelle vendite, nei servizi, nel commercio e nel marketing, cosa viene prima: la piattaforma o il Data Egg?

Negli ambienti CX, molti giocatori faranno molte cose con l'intelligenza artificiale. Ci saranno esplosioni di casi d’uso e vittorie grazie all’automazione e alla capacità di creare e generare contenuti e risorse personalizzati su larga scala.

Ma per quelle organizzazioni che scelgono non solo di fare ma di ESSERE effettivamente un’organizzazione CX basata sull’intelligenza artificiale, è necessario fare altre considerazioni:

• L'intelligenza artificiale generativa di cui si sta discutendo è disponibile o si prevede che diventi presto una beta?
• I dati sono disponibili e pronti per addestrare e migliorare ulteriormente la comprensione del business e del cliente da parte del modello di intelligenza artificiale?
• L’intelligenza artificiale è adatta all’uso aziendale generale?
• È addestrato a concentrarsi in modo funzionale?
• È limitato a muri funzionali o ha il potere di connettersi all'interno dell'azienda per fare davvero la differenza per il cliente e, di conseguenza, per i profitti?

Mentre il dibattito sull’uovo e sulla gallina infurierà, nel caso dell’intelligenza artificiale e dell’esperienza del cliente, la risposta sembra un po’ più facile da orientare perché la storia ha dimostrato che la piattaforma e la componibilità di tale piattaforma devono essere stabilite prima. Altrimenti, non esiste un luogo da cui i modelli possano estrarre dati, per non parlare di creare percorsi per segnali ad alta fedeltà nelle nostre attività, nei nostri ecosistemi e nei nostri clienti.

Senza una solida piattaforma e una struttura per i flussi di lavoro e le automazioni, funzionerà per un breve, glorioso momento, ma poi inizierà rapidamente a cedere sotto la pressione.

Esperienza del cliente AI: 3 domande da porre

Ecco tre domande che ogni organizzazione dovrebbe porsi durante questo viaggio attraverso la CX alla ricerca di un'impresa basata sull'intelligenza artificiale.

1. Componibilità: gli strumenti e le soluzioni nell'intero ecosistema CX si flessibilizzano e si connettono per stabilire una base olistica per la fornitura di CX di oggi e di domani?
2. Accesso: le dighe digitali stanno creando una siccità di dati involontaria?
3. Disponibilità: i processi basati sull’intelligenza artificiale sono disponibili oggi o sono una promessa per il futuro?

Queste tre domande sono intrecciate al punto che essere un’impresa basata sull’intelligenza artificiale richiede che tutte e tre siano affrontate.

Componibilità, CX e AI

Non si tratta della componibilità o della connettività di una manciata di componenti. Il moderno percorso del cliente non può permettersi strumenti vagamente connessi sperando che le API possano salvare esperienza. Questa è una domanda sull’architettura fondamentale su e attraverso la quale intendiamo costruire i nostri sistemi di distribuzione della CX.

Anche se in passato sarebbe stato opportuno che gli strumenti si trovassero fianco a fianco, con passaggi casuali di flussi di lavoro che collegavano funzioni come vendite e servizi al commercio, quando aggiungiamo l’intelligenza artificiale e le esigenze dell’intelligenza artificiale generativa a queste connessioni sciolte, la casa delle carte cade.

La componibilità della piattaforma sarà fondamentale per il successo operativo della capacità di CX di andare oltre i vincoli degli strumenti funzionali che ottimizzano solo l'esperienza di quella singola funzione. Le architetture che anticipano la scalabilità e la riusabilità delle risorse non si fermano al mantra spesso ripetuto a pappagallo di "uno e fatto". Si spingono oltre e si aspettano che l'applicazione o la risorsa creata non venga semplicemente condivisa, ma accelerata e ottimizzata man mano che viene riutilizzata e riproposta.

I framework componibili consentono alle organizzazioni di affidarsi a strumenti moderni per flussi di lavoro e automazione senza essere frenati dalla complessità o dalle personalizzazioni legacy.

L’intelligenza artificiale dipende dall’accesso ai dati

Quelli che un tempo venivano considerati “silos funzionali” si sono trasformati in dighe digitali, bloccando il flusso di dati tra le organizzazioni, rendendo impossibile all’intelligenza artificiale di consumare ciò di cui ha realmente bisogno. L’intelligenza artificiale non prospera solo grazie ai dati; ha letteralmente bisogno di dati per sopravvivere.

Dall’addestramento di modelli linguistici di grandi dimensioni sfruttati per l’intelligenza artificiale generativa agli algoritmi di intelligenza artificiale che alimentano le raccomandazioni, i dati sono al centro di tutto. Ciò che prima era considerato “abbastanza buono per le risposte di machine learning” semplicemente non soddisfa la soglia di risposta accettabile della maggior parte delle organizzazioni, per non parlare della richiesta di accuratezza e contesto da parte del cliente.

Immagina un cliente che visita un chatbot che promette di condividere aggiornamenti sull'ordine più recente di quel cliente. Se il chatbot non riesce a connettersi perfettamente a più soluzioni ERP di commercio, catena di fornitura, prodotto e back-end, la risposta sarà limitata e l'esperienza priva di significato.

Il cliente di oggi si aspetta che il bot sappia tutto, dalla disponibilità del prodotto alla posizione esatta della spedizione e all'orario di arrivo previsto. Questa aspettativa richiede che le dighe, soprattutto quelle che sono state involontariamente erette tra strumenti funzionali, siano demolite o, come minimo, rotte per far fuoriuscire quell’acqua nota come dati.

Una beta che necessita di dati: l'intelligenza artificiale è disponibile ora o è solo una promessa?

La cruda realtà di molti degli strumenti di intelligenza artificiale generativa pubblicizzati nel 2023 è che erano promesse: grandi esperimenti di casi d’uso di applicazioni di modelli di intelligenza artificiale. Semplicemente, sono una beta che necessita di dati.

Questa promessa dell’intelligenza artificiale spesso dipende dal fatto che un fornitore abbia accesso a dati sufficienti per addestrare i modelli in modo corretto e appropriato. Nella corsa per trarre vantaggio dai modelli disponibili in commercio come ChatGPT di OpenAI, le domande sull’uso etico, sulla privacy e sulla sicurezza dei dati e persino sull’accuratezza sono state messe da parte in nome dell’innovazione.

Ma ora, mentre le organizzazioni puntano all’impatto, ai risultati e all’efficacia di questi strumenti in azione, emergono rapidamente nuove domande che chiedono se i team e i clienti si trovino davvero meglio con queste nuove soluzioni. Ancora una volta, è importante valutare se un'organizzazione sarà un'organizzazione basata sull'intelligenza artificiale o offrirà semplicemente alcuni flussi di lavoro, automazioni o esperienze che saranno progressivamente migliori con modelli e applicazioni di intelligenza artificiale avanzati.

Ad esempio, nel caso dell’intelligenza artificiale nelle soluzioni di vendita, dobbiamo considerare se i venditori sono più efficaci ed efficienti con gli strumenti di intelligenza artificiale o se sono semplicemente più veloci in un aspetto del loro lavoro. Per trasformare veramente il lavoro di vendita, gli strumenti di intelligenza artificiale per le vendite devono disporre di architetture componibili che consentano la connessione a sistemi interaziendali, avvicinando i dati necessari a questi modelli di intelligenza artificiale al lavoro e ai flussi di lavoro del venditore.

Se i dati dell’ERP non possono essere avvicinati ai dati del CRM, gli strumenti di intelligenza artificiale non saranno in grado di elaborare e manovrare per identificare attriti o opportunità.

Ma – e questo è un grande ma – se scegli di ESSERE un'impresa basata sull'intelligenza artificiale, ti impegni anche a diventare un'organizzazione di dati. I due marciano mano nella mano. Quindi la vera domanda è: avete stabilito un terreno solido su cui sia CX che AI ​​non si limitano a camminare, ma corrono?

È qui che la questione della componibilità emerge e focalizza la nostra risposta secondo cui sì, la piattaforma deve venire prima dell’uovo a forma di dati.

Esperienza del cliente AI: raggiungere la vetta

Come sta diventando realtà? SAP è un esempio di fornitore che ha compiuto questa svolta difficile e, nel farlo, è diventata un’organizzazione basata sull’intelligenza artificiale. Il primo passo è iniziato diversi anni fa, quando l’intero portafoglio CX è stato disimballato, riprogettato e rilanciato. La decisione è stata quella di garantire che l’architettura componibile necessaria per l’intelligenza artificiale fosse pronta ad agire al servizio della CX.

Ricostruito da zero per potenziare in modo mirato dati, flussi di lavoro e automazioni al servizio della vendita anziché in silos funzionali di vendita, SAP Sales Cloud si concentra nel consentire la vendita in qualsiasi punto dell'organizzazione, aiutando al contempo i team di vendita a interagire in modo molto più efficace e contestuale con i propri clienti.

Allo stesso modo, SAP Service Cloud si concentra su come un servizio eccezionale basato sul contesto del cliente possa essere fornito ovunque all'interno dell'organizzazione, integrando dati che provengono da qualsiasi punto del percorso del cliente.

Grazie a questa dedizione agli strumenti componibili sulle architetture componibili, gli atti di vendita e assistenza non sono limitati o vincolati. Ma, cosa ancora più importante, questi strumenti non avranno bisogno di una revisione massiccia per integrare nuove innovazioni nell’intelligenza artificiale e nell’intelligenza.

Questo è il motivo per cui quando il CEO di SAP Christian Klein ha annunciato un massiccio investimento nell'intelligenza artificiale e ha affermato che l'intelligenza artificiale era molto più di una semplice pubblicità per SAP, ma che in realtà avrebbe ridefinito il modo in cui il lavoro viene svolto dalla finanza alla vendita, molti di noi nel mondo degli analisti non lo erano. sorpreso.

In realtà, la trasformazione di SAP stessa in un'impresa basata sull'intelligenza artificiale è sulla tabella di marcia da anni, anche se non era questa l'articolazione. SAP ha dovuto ricostruire se stessa, ricostruire il cloud SAP e impegnarsi pienamente nella componibilità come strategia per sviluppare una base molto più solida, flessibile e agile.

Senza questo cambiamento, qualsiasi passaggio verso l’intelligenza artificiale equivarrebbe solo a fare; non potrebbe mai costituire l'essere.