Doświadczenie klienta oparte na sztucznej inteligencji: stosowanie sztucznej inteligencji a faktyczne bycie organizacją wykorzystującą sztuczną inteligencję

Zawsze istniała subtelna różnica między „robieniem” a „byciem”, co jest ważne w kontekście doświadczeń klientów opartych na sztucznej inteligencji.

„Robienie” rzeczy cyfrowych oznacza przypadkowe inwestycje tu i ówdzie w strony internetowe, aplikacje mobilne, bazy danych, a nawet platformy automatyzacji biznesu, które pozwalają wielu funkcjom korzystać z narzędzi cyfrowych.

Gdy „robienie” stanie się czymś z drugiej ręki, następnym krokiem może być zabawa z zaawansowanymi rozwiązaniami cyfrowymi w celu przyspieszenia automatyzacji lub punktów personalizacji.

„Bycie” cyfrowym oznacza, że ​​te narzędzia i kanały, automatyzacje i systemy cyfrowe, stają się podstawą operacji i danych. Sygnały klientów o wysokiej jakości trafiają do centrum procesów decyzyjnych.

Bycie cyfrowym oznacza akceptowanie wielu zmian.

Organizacje cyfrowe musiały zasadniczo zmienić działalność, zmienić orientację zespołów i pożegnać się ze starymi procesami w zamian za cyfrowe przepływy pracy i strategie operacyjne, które zapewniły wzrost przychodów oraz efektywność i oszczędności. Na tym polega różnica pomiędzy robieniem a byciem. I tak, zmiana – i apetyt na nią – jest często największym wyzwaniem.

Teraz, gdy wkraczamy w erę sztucznej inteligencji, znajdujemy się w obliczu kolejnej ogromnej zmiany. Oto prawda, której nikt nie chce powiedzieć na głos: jeśli zdecydujesz się BYĆ organizacją AI, poniesiesz porażkę, jeśli się nie zmienisz.

Właśnie po to tu jesteśmy, żeby omówić: co zmienić w pierwszej kolejności.

Debata o kurze i jajku

Co jest najważniejsze, co jest najważniejsze, jeśli chodzi o wykorzystanie strategii obsługi klienta opartych na sztucznej inteligencji w obszarze sprzedaży, usług, handlu i marketingu: platforma czy jajo danych?

W kręgach CX wielu graczy będzie robić wiele rzeczy za pomocą sztucznej inteligencji. Dzięki automatyzacji i możliwości tworzenia i generowania spersonalizowanych treści i zasobów na dużą skalę będzie mnóstwo przypadków użycia, które przyniosą korzyści.

Jednak w przypadku tych organizacji, które decydują się nie tylko działać, ale faktycznie BYĆ organizacją CX opartą na sztucznej inteligencji, należy wziąć pod uwagę inne kwestie:

• Czy omawiana generatywna sztuczna inteligencja jest dostępna, czy też planuje wkrótce udostępnić wersję beta?
• Czy dane są dostępne i gotowe do dalszego szkolenia i ulepszania zrozumienia biznesu i klienta w modelu AI?
• Czy sztuczna inteligencja nadaje się do ogólnego użytku w przedsiębiorstwie?
• Czy uczy się skupiać funkcjonalnie?
• Czy ogranicza się do ścian funkcjonalnych , czy też umożliwia komunikację w całej firmie, aby naprawdę zrobić różnicę dla klienta, a co za tym idzie, dla wyników finansowych?

Chociaż debata na temat jaj i kurczaków będzie trwała, w przypadku sztucznej inteligencji i obsługi klienta odpowiedź wydaje się nieco łatwiejsza w nawigacji, ponieważ historia pokazała, że ​​platforma jest platformą i najpierw należy ustalić jej możliwości komponowania. W przeciwnym razie nie ma miejsca, z którego modele mogłyby pobierać dane, nie mówiąc już o tworzeniu ścieżek do sygnału o wysokiej jakości w naszych firmach, naszych ekosystemach i naszych klientach.

Bez solidnej platformy i ram dla przepływów pracy i automatyzacji będzie działać przez krótki, chwalebny moment, ale potem szybko zacznie ustępować pod presją.

Doświadczenie klienta AI: 3 pytania, które należy zadać

Oto trzy pytania, które każda organizacja powinna sobie zadać, wyruszając w podróż po CX w poszukiwaniu przedsiębiorstwa wyposażonego w sztuczną inteligencję.

1. Komponowalność: czy narzędzia i rozwiązania w całym ekosystemie CX są elastyczne i łączą się, tworząc holistyczną podstawę dla dzisiejszych i przyszłych dostaw CX?
2. Dostęp: Czy cyfrowe tamy powodują niezamierzone susze danych?
3. Dostępność: czy procesy wspierane przez sztuczną inteligencję są już dostępne, czy też zostaną wprowadzone w przyszłości?

Te trzy pytania są ze sobą powiązane do tego stopnia, że ​​bycie przedsiębiorstwem opartym na sztucznej inteligencji wymaga zajęcia się wszystkimi trzema.

Komponowalność, CX i AI

Nie chodzi tu o możliwość komponowania lub łączenia kilku komponentów. Współczesna podróż klienta nie może sobie pozwolić na luźno powiązane narzędzia, mając nadzieję, że interfejsy API mogą zaoszczędzić doświadczenie. Jest to pytanie o podstawową architekturę, na której zamierzamy budować nasze systemy dostarczania CX.

Chociaż w przeszłości odpowiednie mogło być umieszczanie narzędzi obok siebie, przy swobodnym przekazywaniu przepływów pracy łączących funkcje takie jak sprzedaż i obsługa z handlem, gdy dodamy sztuczną inteligencję i wymagania generatywnej sztucznej inteligencji do tych luźnych połączeń, dom kart spada.

Komponowalność platformy będzie kluczem do sukcesu operacyjnego i zdolności CX do wyjścia poza ograniczenia narzędzi funkcjonalnych, które jedynie optymalizują działanie tej pojedynczej funkcji. Architektury przewidujące skalowalność i możliwość ponownego wykorzystania zasobów nie poprzestają na często powtarzanej mantrze: „Jeden i gotowe”. Wykraczają poza oczekiwania, że ​​utworzona aplikacja lub zasób będzie nie tylko udostępniana, ale także przyspieszana i optymalizowana w miarę ponownego wykorzystania i ponownego przeznaczenia.

Struktury komponowalne umożliwiają organizacjom korzystanie z nowoczesnych narzędzi do przepływów pracy i automatyzacji bez ograniczania się przez starszą złożoność lub dostosowania.

Sztuczna inteligencja zależy od dostępu do danych

To, co wcześniej uważano za „funkcjonalne silosy”, przekształciło się w cyfrowe tamy, blokując przepływ danych między organizacjami, uniemożliwiając sztucznej inteligencji wykorzystanie tego, czego naprawdę potrzebuje. Sztuczna inteligencja nie opiera się wyłącznie na danych; dosłownie potrzebuje danych, aby przetrwać.

Od uczenia dużych modeli językowych wykorzystywanych na potrzeby generatywnej sztucznej inteligencji po algorytmy sztucznej inteligencji tworzące rekomendacje – dane znajdują się w centrum wszystkiego. To, co wcześniej wystarczało jako „wystarczająco dobre do reakcji uczenia maszynowego”, po prostu nie spełnia progu akceptowalnej odpowiedzi większości organizacji, nie mówiąc już o zaspokojeniu wymagań klienta dotyczących dokładności i kontekstu.

Wyobraź sobie klienta odwiedzającego chatbota, który obiecuje udostępniać aktualizacje dotyczące najnowszego zamówienia tego klienta. Jeśli ten chatbot nie będzie w stanie bezproblemowo połączyć się z wieloma rozwiązaniami ERP w zakresie handlu, łańcucha dostaw, produktów i zaplecza, odpowiedź będzie ograniczona, a doświadczenie bez znaczenia.

Dzisiejszy klient oczekuje, że bot będzie wiedział wszystko, od dostępności produktu po dokładną lokalizację przesyłki i przewidywany czas przybycia. Oczekiwanie to wymaga, aby tamy, zwłaszcza te, które zostały w sposób niezamierzony wzniesione pomiędzy funkcjonalnymi narzędziami, zostały zburzone lub przynajmniej pęknięte, aby umożliwić wylanie się wody zwanej danymi.

Wersja beta potrzebuje danych: czy sztuczna inteligencja jest już dostępna, czy tylko obiecuje?

Brutalna rzeczywistość wielu generatywnych narzędzi sztucznej inteligencji reklamowanych w 2023 r. jest taka, że ​​były to obietnice: wspaniałe eksperymenty dotyczące przypadków użycia aplikacji modeli sztucznej inteligencji. Po prostu są wersją beta potrzebującą danych.

Ta obietnica sztucznej inteligencji często zależy od tego, czy dostawca uzyska dostęp do wystarczającej ilości danych, aby prawidłowo i odpowiednio wytrenować modele. W wyścigu o wykorzystanie dostępnych na rynku modeli, takich jak ChatGPT OpenAI, w imię innowacji odłożono na bok kwestie etycznego użytkowania, prywatności i bezpieczeństwa danych, a nawet dokładności.

Jednak teraz, gdy organizacje skupiają się na wpływie, wynikach i skuteczności tych narzędzi w działaniu, szybko pojawiają się nowe pytania, czy zespoły i klienci naprawdę radzą sobie lepiej dzięki tym nowym rozwiązaniom. Po raz kolejny ważne jest, aby rozważyć, czy organizacja zamierza BYĆ organizacją opartą na sztucznej inteligencji, czy po prostu oferować kilka przepływów pracy, automatyzacji lub doświadczeń, które są coraz lepsze dzięki zaawansowanym modelom i aplikacjom AI.

Przykładowo w przypadku AI w rozwiązaniach sprzedażowych trzeba rozważyć, czy sprzedawcy są bardziej skuteczni i wydajni dzięki narzędziom AI, czy też są po prostu szybsi w jednym aspekcie swojej pracy. Aby naprawdę zmienić pracę sprzedawcy, narzędzia AI do sprzedaży muszą mieć komponowalną architekturę, która umożliwia połączenie z systemami między przedsiębiorstwami, przybliżając dane potrzebne modelom AI do pracy i przepływów pracy sprzedawcy.

Jeśli danych z ERP nie da się zbliżyć do danych z CRM, narzędzia AI nie będą w stanie analizować i uruchamiać się, aby zidentyfikować problemy lub możliwości.

Ale – i to jest duże ale – jeśli zdecydujesz się BYĆ przedsiębiorstwem opartym na sztucznej inteligencji, zobowiązujesz się również do bycia organizacją danych. Obaj maszerują ramię w ramię. Zatem prawdziwe pytanie brzmi: czy stworzyłeś solidny grunt, po którym zarówno CX, jak i AI nie tylko chodzą, ale także biegają?

W tym miejscu na pierwszy plan wysuwa się kwestia komponowalności i skupia się na naszej odpowiedzi, że tak, platforma musi pojawić się przed jajkiem w kształcie danych.

Doświadczenie klienta AI: droga na sam szczyt

Jak to staje się rzeczywistością? SAP jest przykładem dostawcy, który dokonał tego trudnego zwrotu i w trakcie tego stał się organizacją AI. Pierwszy krok rozpoczął się kilka lat temu, kiedy całe portfolio CX zostało rozpakowane, przebudowane i ponownie uruchomione. Podjęto decyzję o zapewnieniu, że komponowalna architektura potrzebna AI będzie gotowa do działania w służbie CX.

Przebudowany od podstaw, aby celowo wspierać dane, przepływ pracy i automatyzację w służbie sprzedaży, w przeciwieństwie do funkcjonalnego silosu sprzedaży, rozwiązanie SAP Sales Cloud koncentruje się na umożliwianiu sprzedaży w dowolnym miejscu w organizacji, jednocześnie pomagając zespołom sprzedaży w znacznie skuteczniej i kontekstowo współpracować ze swoimi klientami.

Podobnie SAP Service Cloud koncentruje się na tym, jak wyjątkowe usługi oparte na kontekście klienta mogą być świadczone w dowolnym miejscu w organizacji, integrując dane pochodzące z dowolnego miejsca na drodze klienta.

Dzięki temu zaangażowaniu w narzędzia komponowalne w architekturach komponowalnych czynności związane ze sprzedażą i serwisowaniem nie są ograniczone ani ograniczone. Ale co ważniejsze, narzędzia te nie będą wymagały gruntownych zmian, aby uwzględnić nowe innowacje w zakresie sztucznej inteligencji i inteligencji.

Właśnie dlatego, gdy dyrektor generalny SAP, Christian Klein, ogłosił ogromną inwestycję w sztuczną inteligencję i stwierdził, że sztuczna inteligencja to coś znacznie więcej niż tylko szum reklamowy dla SAP, ale w rzeczywistości zamierza na nowo zdefiniować sposób wykonywania pracy, od finansów po sprzedaż, wielu z nas, w świecie analityków, nie było zaskoczony.

W rzeczywistości samo przekształcenie się SAP w przedsiębiorstwo oparte na sztucznej inteligencji było w planie działania od lat, nawet jeśli nie taki był zamysł. SAP musiał się odbudować, przebudować chmurę SAP i w pełni zaangażować się w komponowalność jako strategię mającą na celu opracowanie znacznie solidniejszych, elastycznych i sprawnych podstaw.

Bez tej zmiany jakikolwiek ruch w kierunku sztucznej inteligencji oznaczałby jedynie działanie; nigdy nie mogłoby stanowić bytu.