AI 고객 경험: AI를 수행하는 것과 실제로 AI 조직이 되는 것

AI 고객 경험의 맥락에서 중요한 "행위"와 "존재" 사이에는 항상 미묘한 차이가 있었습니다.

디지털 작업을 "수행"한다는 것은 디지털 도구를 사용하기 위해 다양한 기능을 허용하는 웹 사이트, 모바일 앱, 데이터베이스 또는 심지어 비즈니스 자동화 플랫폼에 여기저기서 무작위로 투자하는 행위를 의미합니다.

"실행"이 중고가 되면 다음 단계는 자동화 또는 개인화 지점을 가속화하기 위해 고급 디지털 솔루션을 시험하는 것일 수 있습니다.

디지털화된다는 것은 이러한 도구와 채널, 자동화와 디지털 시스템이 운영과 데이터의 중추가 된다는 것을 의미합니다. 충실도가 높은 고객 신호가 의사결정 프로세스의 중심에 놓입니다.

디지털화된다는 것은 많은 변화를 수용한다는 것을 의미합니다.

디지털 조직은 매출 성장과 수익성 및 절감 효과를 제공하는 디지털 워크플로우와 운영 전략을 대가로 근본적으로 운영을 전환하고, 팀의 방향을 바꾸고, 기존 프로세스에 작별을 고해야 했습니다. 이것이 행하는 것과 존재하는 것의 차이입니다. 그렇습니다. 변화와 이에 대한 욕구가 가장 큰 과제인 경우가 많습니다.

이제 우리는 AI 시대에 들어서면서 또 다른 대규모 변화의 진통을 겪고 있습니다. 아무도 큰 소리로 말하고 싶어하지 않는 진실은 다음과 같습니다. AI 조직이 되기로 결정했다면 변화하지 않으면 실패할 것입니다.

이것이 바로 우리가 여기서 논의하고자 하는 것입니다: 무엇을 먼저 변경해야 하는지입니다.

닭고기와 달걀 논쟁

판매, 서비스, 상거래 및 마케팅 전반에 걸쳐 AI 고객 경험 전략의 이점을 실현할 때 플랫폼 또는 데이터 에그 중 어느 것이 먼저입니까?

CX 서클에서는 많은 플레이어가 AI를 사용하여 많은 일을 할 것입니다. 자동화와 개인화된 콘텐츠 및 자산을 규모에 맞게 생성하고 생성할 수 있는 역량 덕분에 사용 사례가 급증하고 성공할 것입니다.

그러나 단순히 AI 기반 CX 조직이 되기 로 선택한 조직의 경우에는 다음과 같은 다른 사항도 고려해야 합니다.

• 생성 AI가 논의되고 있나요? 아니면 곧 베타 버전이 될 예정인가요?
• 데이터가 사용 가능하며 비즈니스와 고객에 대한 AI 모델의 이해를 더욱 교육하고 향상시킬 준비가 되어 있습니까 ?
• AI가 일반 기업용으로 적합한가요 ?
• 기능적으로 집중하도록 훈련되었나요 ?
• 기능적 벽으로 제한되어 있습니까 ? 아니면 비즈니스 전반에 걸쳐 연결하여 고객과 결국 수익을 위한 진정한 변화를 가져올 수 있습니까?

계란과 닭고기에 대한 논쟁이 계속되는 동안 AI와 고객 경험의 경우, 역사가 플랫폼을 보여주었고 해당 플랫폼의 구성 가능성이 먼저 확립되어야 하기 때문에 대답을 탐색하기가 조금 더 쉽게 느껴집니다. 그렇지 않으면 모델이 데이터를 가져올 수 있는 곳이 없으며 비즈니스, 생태계 및 고객 전반에 걸쳐 충실도가 높은 신호에 대한 경로를 생성할 수 없습니다.

워크플로와 자동화를 위한 견고한 플랫폼과 프레임워크가 없으면 짧고 영광스러운 순간 동안 작동하지만 압박감에 금방 무너지기 시작합니다.

AI 고객 경험: 물어봐야 할 3가지 질문

AI 기반 기업이 되기 위해 CX 전반에 걸쳐 여정을 탐색할 때 모든 조직이 물어봐야 할 세 가지 질문은 다음과 같습니다.

1. 구성 가능성: CX 에코시스템 전체의 도구와 솔루션이 유연하고 연결되어 현재와 미래의 CX 제공을 위한 전체적인 기반을 구축합니까?
2. 접근: 디지털 댐으로 인해 의도하지 않은 데이터 가뭄이 발생하고 있습니까?
3. 가용성: AI 기반 프로세스를 현재 사용할 수 있습니까, 아니면 나중에 사용할 수 있습니까?

이 세 가지 질문은 AI 기업이 되기 위해서는 이 세 가지 질문을 모두 해결해야 할 정도로 서로 얽혀 있습니다.

구성성, CX 및 AI

이는 소수 구성요소의 구성성이나 연결성에 관한 것이 아닙니다. 현대 고객 여정에서는 API가 경험을 절약할 수 있기를 바라면서 느슨하게 연결된 도구를 감당할 수 없습니다. 이는 우리가 CX 제공 시스템을 구축하려는 기본 아키텍처에 대한 질문입니다.

과거에는 판매 및 서비스와 같은 기능을 상거래에 연결하는 워크플로를 일상적으로 전달하여 도구를 나란히 배치하는 것이 적합했을 수 있지만, 이러한 느슨한 연결 위에 AI와 생성 AI의 요구 사항을 추가하면 집은 카드가 아래로 떨어집니다.

플랫폼 구성성은 해당 단일 기능의 경험만 최적화하는 기능 도구의 제약을 뛰어넘는 CX 능력의 운영 성공에 핵심이 될 것입니다. 자산의 확장성과 재사용성을 기대하는 아키텍처는 자주 앵무새처럼 사용되는 "하나면 끝"이라는 진언에 그치지 않습니다. 그들은 생성된 하나의 애플리케이션이나 자산이 단순히 공유되는 것이 아니라 재사용 및 용도 변경을 통해 가속화되고 최적화되기를 기대합니다.

구성 가능 프레임워크를 사용하면 조직은 레거시 복잡성이나 사용자 정의로 인해 방해받지 않고 워크플로 및 자동화를 위한 최신 도구를 활용할 수 있습니다.

AI는 데이터 액세스에 따라 달라집니다.

"기능적 사일로"로 생각되었던 것이 디지털 댐으로 변해 조직 전체의 데이터 흐름을 차단하여 AI가 실제로 필요한 것을 소비하는 것이 불가능해졌습니다. AI는 데이터만으로 성장하는 것이 아닙니다. 말 그대로 생존하려면 데이터가 필요합니다.

생성적 AI에 활용되는 대규모 언어 모델 훈련부터 권장 사항을 지원하는 AI 알고리즘에 이르기까지 데이터는 모든 것의 중심에 있습니다. 예전에는 "머신 러닝 응답에 충분함"으로 충분했지만 정확성과 맥락에 대한 고객의 요구는 물론이고 대부분의 조직에서 수용 가능한 응답 기준도 충족하지 못했습니다.

고객의 최근 주문에 대한 업데이트를 공유하겠다고 약속하는 챗봇을 방문하는 고객을 상상해 보십시오. 해당 챗봇이 여러 상거래, 공급망, 제품 및 백엔드 ERP 솔루션에 원활하게 연결할 수 없다면 답변이 제한되고 경험이 의미가 없게 됩니다.

오늘날의 고객은 봇이 제품 가용성부터 정확한 배송 위치, 예상 도착 시간까지 모든 것을 알기를 기대합니다. 이러한 기대는 댐, 특히 기능 도구 사이에 의도치 않게 세워진 댐을 철거하거나 최소한 데이터라는 물이 유출되도록 균열을 일으킬 것을 요구합니다.

데이터가 필요한 베타: AI를 지금 사용할 수 있습니까, 아니면 단지 약속일까요?

2023년 내내 선전된 많은 생성 AI 도구의 솔직한 현실은 그것이 약속이었다는 것입니다. 즉, AI 모델 애플리케이션의 사용 사례에 대한 훌륭한 실험입니다. 간단히 말해서, 그들은 데이터가 필요한 베타 버전입니다.

AI에 대한 이러한 약속은 모델을 적절하고 적절하게 교육하는 데 충분한 데이터에 액세스하는 공급업체에 달려 있는 경우가 많습니다. OpenAI의 ChatGPT와 같은 상용 모델을 활용하려는 경쟁에서 윤리적 사용, 데이터 개인 정보 보호 및 안전, 정확성에 관한 질문은 혁신이라는 이름으로 무시되었습니다.

그러나 이제 조직이 이러한 도구의 실제 영향, 결과 및 효율성에 초점을 맞추면서 팀과 고객이 이러한 새로운 솔루션을 통해 실제로 더 나은 결과를 얻을 수 있는지 묻는 새로운 질문이 빠르게 나타나고 있습니다. 다시 한 번, 조직이 AI 기반 조직이 될 것인지, 아니면 단지 고급 AI 모델 및 애플리케이션을 통해 점진적으로 더 나은 몇 가지 워크플로, 자동화 또는 경험을 제공할 것인지를 가늠하는 것이 중요합니다.

예를 들어 영업 솔루션의 AI의 경우 판매자가 AI 도구를 사용하여 더 효과적이고 효율적인지, 아니면 업무의 한 측면에서만 더 빠른지 고려해야 합니다. 판매 작업을 진정으로 변화시키려면 판매용 AI 도구에는 기업 간 시스템에 연결할 수 있는 구성 가능한 아키텍처가 있어야 하며, 이러한 AI 모델에 필요한 데이터를 판매자의 작업 및 워크플로에 더 가깝게 가져와야 합니다.

ERP의 데이터를 CRM의 데이터에 더 가깝게 가져올 수 없다면 AI 도구는 마찰이나 기회를 식별하기 위해 크런치 및 크랭킹을 수행할 수 없습니다.

그러나 이것은 큰 문제이지만 AI 기업이 되기로 선택했다면 데이터 조직이 되겠다는 약속도 하는 것입니다. 두 사람은 손을 잡고 행진합니다. 따라서 실제 질문은 CX와 AI가 단지 걷기만 하는 것이 아니라 달리는 견고한 기반을 구축했는가 하는 것입니다.

여기에서 구성 가능성에 대한 질문이 최고조에 이르고 플랫폼이 데이터 형태의 계란보다 먼저 와야 한다는 대답에 초점을 맞춥니다.

AI 고객 경험: 정상에 오르다

이게 어떻게 현실이 되어가고 있는 걸까요? SAP는 이러한 어려운 전환을 이룬 벤더의 예이며, 그 과정에서 AI 조직이 되었습니다. 첫 번째 단계는 몇 년 전 전체 CX 포트폴리오를 풀고 재구성하고 다시 출시하면서 시작되었습니다. 결정은 AI에 필요한 구성 가능 아키텍처가 CX 서비스에서 작동할 준비가 되었는지 확인하는 것이었습니다.

영업의 기능적 사일로가 아닌 판매 서비스에서 작동하도록 데이터, 워크플로우 및 자동화를 의도적으로 강화하기 위해 처음부터 다시 구축된 SAP Sales Cloud는 조직 전체 어디에서나 판매가 이루어질 수 있도록 지원하는 동시에 영업팀이 다음을 수행하도록 돕는 데 중점을 둡니다. 고객과 훨씬 더 효과적이고 상황에 맞게 소통할 수 있습니다.

마찬가지로, SAP Service Cloud는 고객의 상황에 기반한 뛰어난 서비스를 조직 전체의 어느 곳에서나 제공할 수 있는 방법에 중점을 두고 있으며, 고객 여정 전반에 걸쳐 어디에서나 나오는 데이터를 통합합니다.

컴포저블 아키텍처의 컴포저블 도구에 대한 이러한 헌신으로 인해 판매 및 서비스 활동은 제한되거나 제한되지 않습니다. 그러나 더 중요한 것은 이러한 도구가 AI 및 인텔리전스의 새로운 혁신을 탑재하기 위해 대대적인 점검이 필요하지 않다는 것입니다.

이것이 바로 SAP의 CEO Christian Klein이 AI에 대한 막대한 투자를 발표하고 AI가 SAP에 대한 과대 광고 그 이상이지만 실제로는 재무에서 판매에 이르기까지 업무가 수행되는 방식을 재정의할 것이라고 말했을 때 분석가 세계의 우리 중 많은 사람들이 그렇지 않은 이유입니다. 놀란.

실제로는 SAP가 자체적으로 AI 기업이 되는 것이 명시되지는 않았더라도 수년 동안 로드맵에 포함되어 있었습니다. SAP는 훨씬 더 견고하고 유연하며 민첩한 기반을 개발하기 위한 전략으로 자체 재구축하고, SAP 클라우드를 재구축하고, 구성 가능성에 전념해야 했습니다.

그러한 변화가 없다면 AI를 향한 모든 움직임은 단지 행동을 의미할 뿐입니다. 그것은 결코 존재를 구성할 수 없습니다.