Клиентский опыт ИИ: использование ИИ вместо того, чтобы быть организацией, занимающейся ИИ

Между «делать» и «быть» всегда существовала тонкая разница, которая важна в контексте обслуживания клиентов с использованием ИИ.

«Делать» цифровые вещи означает случайные инвестиции тут и там в веб-сайты, мобильные приложения, базы данных или даже платформы автоматизации бизнеса, которые позволяют выполнять множество функций с использованием цифровых инструментов.

Как только «действие» станет вторичным, следующим шагом может стать использование передовых цифровых решений для ускорения автоматизации или персонализации.

«Быть» цифровым означает, что эти инструменты и каналы, средства автоматизации и цифровые системы становятся основой операций и данных. Высокоточные сигналы клиентов попадают в центр процессов принятия решений.

Быть цифровым означает принять множество изменений.

Цифровым организациям пришлось фундаментально изменить операции, переориентировать команды и попрощаться со старыми процессами в обмен на цифровые рабочие процессы и операционные стратегии, которые обеспечили рост выручки, а также итоговую эффективность и экономию. В этом разница между действием и существованием. И да, перемены – и стремление к ним – зачастую являются самой большой проблемой.

Теперь мы переживаем еще один масштабный сдвиг, вступая в эпоху ИИ. Вот истина, которую никто не хочет говорить вслух: если вы решите БЫТЬ организацией ИИ, вы потерпите неудачу, если не изменитесь.

Вот что мы здесь, чтобы обсудить: что изменить в первую очередь.

Споры о курице и яйце

Когда дело доходит до реализации преимуществ стратегий взаимодействия с клиентами на базе искусственного интеллекта в сфере продаж, обслуживания, коммерции и маркетинга, что на первом месте: платформа или яйцо данных?

В сфере CX многие игроки будут делать многое с помощью ИИ. Будут всплески вариантов использования и побед благодаря автоматизации и возможности создавать и генерировать персонализированный контент и ресурсы в больших масштабах.

Но тем организациям, которые решают не просто действовать, а фактически БЫТЬ организацией CX на базе искусственного интеллекта, необходимо принять во внимание другие соображения:

• Доступен ли обсуждаемый генеративный ИИ или в ближайшее время планируется его бета-версия?
• Доступны ли данные и готовы ли они к дальнейшему обучению и улучшению понимания модели ИИ бизнеса и клиента?
• Подходит ли ИИ для общего корпоративного использования?
• Обучено ли оно функциональной фокусировке?
• Ограничено ли оно функциональными стенами или оно способно объединять весь бизнес, чтобы действительно изменить ситуацию для клиента и, в свою очередь, для прибыли?

Несмотря на то, что дебаты о яйце и курице будут продолжаться, в случае с искусственным интеллектом и качеством обслуживания клиентов найти ответ немного легче, поскольку история показала платформу, и сначала необходимо установить возможность компоновки этой платформы. В противном случае модели не смогут получать данные, не говоря уже о том, чтобы создавать пути к высококачественному сигналу для нашего бизнеса, наших экосистем и наших клиентов.

Без прочной платформы и структуры для рабочих процессов и автоматизации он будет работать в течение короткого славного момента, но затем быстро начнет сдаваться под давлением.

Клиентский опыт AI: 3 вопроса, которые стоит задать

Вот три вопроса, которые должна задать каждая организация, путешествуя по CX и стремясь стать предприятием, использующим искусственный интеллект.

1. Комбинируемость: могут ли инструменты и решения во всей экосистеме CX гибко и объединяться, чтобы создать целостную основу для сегодняшней и завтрашней доставки CX?
2. Доступ: Создают ли цифровые плотины непреднамеренную засуху данных?
3. Доступность: доступны ли процессы с использованием искусственного интеллекта сегодня или это обещание на будущее?

Эти три вопроса переплетаются до такой степени, что для того, чтобы стать предприятием, занимающимся искусственным интеллектом, необходимо решить все три вопроса.

Компонуемость, CX и искусственный интеллект

Речь идет не о возможности компоновки или связности нескольких компонентов. Современный путь клиента не может позволить себе слабо связанные инструменты, надеясь, что API-интерфейсы помогут сэкономить опыт. Это вопрос о фундаментальной архитектуре, на основе которой мы намерены строить наши системы доставки CX.

Хотя в прошлом, возможно, было удобно, чтобы инструменты располагались рядом, со случайной передачей рабочих процессов, соединяющих такие функции, как продажи и обслуживание, с коммерцией, когда мы добавляем ИИ и требования генеративного ИИ поверх этих слабых связей, дом карт падает.

Возможность компоновки платформ станет ключом к оперативному успеху способности CX выйти за рамки ограничений функциональных инструментов, которые оптимизируют работу только этой единственной функции. Архитектуры, которые предусматривают масштабируемость и возможность повторного использования ресурсов, не останавливаются на часто повторяемой мантре «раз и готово». Они выходят за рамки ожидания, что одно созданное приложение или ресурс не просто будет использоваться совместно, но будет ускоряться и оптимизироваться по мере его повторного использования и перепрофилирования.

Компонуемые платформы позволяют организациям использовать современные инструменты для рабочих процессов и автоматизации, не ограничиваясь устаревшими сложностями или настройками.

ИИ зависит от доступа к данным

То, что раньше считалось «функциональными хранилищами», превратилось в цифровые плотины, блокирующие поток данных между организациями, лишая ИИ возможности потреблять то, что ему действительно нужно. ИИ не просто процветает благодаря данным; ему буквально нужны данные, чтобы выжить.

От обучения больших языковых моделей, используемых для генеративного ИИ, до алгоритмов ИИ, лежащих в основе рекомендаций, данные находятся в центре всего. То, что раньше считалось «достаточно хорошим для ответов машинного обучения», просто не удовлетворяет порогу приемлемого ответа большинства организаций, не говоря уже о том, чтобы удовлетворить требования клиентов к точности и контексту.

Представьте себе, что клиент посещает чат-бота, который обещает поделиться обновлениями о последнем заказе этого клиента. Если этот чат-бот не сможет беспрепятственно подключаться к множеству решений ERP для торговли, цепочки поставок, продуктов и серверной части, ответ будет ограниченным, а опыт бессмысленным.

Сегодняшний клиент ожидает, что бот будет знать все: от наличия товара до точного местоположения груза и ожидаемого времени прибытия. Это ожидание требует, чтобы дамбы, особенно те, которые были непреднамеренно возведены между функциональными инструментами, были снесены или, как минимум, взломаны, чтобы позволить воде, известной как данные, вылиться.

Бета-версия нуждается в данных: доступен ли ИИ сейчас или это только обещания?

Грубая реальность многих инструментов генеративного ИИ, рекламируемых на протяжении 2023 года, заключается в том, что они были обещаниями: великолепными экспериментами по вариантам использования приложений моделей ИИ. Проще говоря, это бета-версия, нуждающаяся в данных.

Это обещание ИИ часто зависит от того, получит ли поставщик доступ к достаточному количеству данных для правильного и адекватного обучения моделей. В погоне за преимуществами коммерчески доступных моделей, таких как ChatGPT от OpenAI, вопросы этичного использования, конфиденциальности и безопасности данных и даже точности были отброшены во имя инноваций.

Но теперь, когда организации обращают внимание на влияние, результаты и эффективность этих инструментов в действии, быстро возникают новые вопросы, касающиеся того, действительно ли команды и клиенты получают больше пользы от этих новых решений. Еще раз важно взвесить, собирается ли организация БЫТЬ организацией, использующей искусственный интеллект, или просто предлагать несколько рабочих процессов, средств автоматизации или опыта, которые постепенно улучшаются с помощью передовых моделей и приложений искусственного интеллекта.

Например, в случае использования ИИ в решениях для продаж нам необходимо учитывать, работают ли продавцы более эффективно и результативно с помощью инструментов ИИ, или же они просто быстрее справляются с одним аспектом своей работы. Чтобы по-настоящему трансформировать работу продаж, инструменты искусственного интеллекта для продаж должны иметь компонуемую архитектуру, обеспечивающую подключение к межкорпоративным системам, приближая данные, необходимые для этих моделей искусственного интеллекта, к работе и рабочим процессам продавца.

Если данные из ERP невозможно приблизить к данным из CRM, инструменты искусственного интеллекта не смогут анализировать и анализировать, чтобы выявить препятствия или возможности.

Но – и это большое «но» – если вы решите БЫТЬ предприятием, занимающимся искусственным интеллектом, вы также берете на себя обязательство стать организацией, занимающейся данными. Эти двое маршируют рука об руку. Итак, реальный вопрос заключается в следующем: создали ли вы прочную почву, по которой CX и ИИ не просто ходят, а бегут?

Именно здесь вопрос о возможности компоновки выходит на первый план и фокусирует наш ответ: да, платформа действительно должна предшествовать яйцу в форме данных.

Опыт работы с клиентами на основе искусственного интеллекта: путь к вершине

Как это становится реальностью? SAP — пример поставщика, который сделал этот трудный поворот и в ходе этого процесса стал организацией, занимающейся искусственным интеллектом. Первый шаг начался несколько лет назад, когда весь портфель CX был распакован, переработан и перезапущен. Решение заключалось в том, чтобы гарантировать, что компонуемая архитектура, необходимая для ИИ, будет готова действовать на службе клиентского опыта.

Перестроенное с нуля, чтобы целенаправленно расширить возможности данных, рабочих процессов и средств автоматизации для работы в сфере продаж, а не функционального изолированного отдела продаж, SAP Sales Cloud ориентирован на то, чтобы сделать продажи возможными в любой точке организации, а также помочь командам продаж гораздо более эффективно и контекстно взаимодействовать со своими клиентами.

Аналогичным образом, SAP Service Cloud ориентирован на то, как исключительный сервис, основанный на контексте клиента, может предоставляться в любой точке организации, интегрируя данные, поступающие из любого места на протяжении всего пути клиента.

Благодаря такой приверженности составным инструментам в составных архитектурах действия по продаже и обслуживанию не ограничиваются и не ограничиваются. Но что еще более важно, эти инструменты не потребуют масштабного пересмотра для внедрения новых инноваций в области искусственного интеллекта и интеллекта.

Вот почему, когда генеральный директор SAP Кристиан Кляйн объявил о масштабных инвестициях в ИИ и сказал, что ИИ — это нечто большее, чем просто реклама для SAP, но на самом деле он собирается переопределить то, как выполняется работа от финансов до продаж, многие из нас в мире аналитиков не поверили. удивлен.

На самом деле превращение SAP в предприятие, занимающееся искусственным интеллектом, уже много лет было в планах, даже если это и не было целью. SAP пришлось перестроить себя, перестроить облако SAP и полностью посвятить себя компонуемости как стратегии создания гораздо более прочной, гибкой и гибкой основы.

Без этого сдвига любой шаг в сторону ИИ был бы всего лишь действием; оно никогда не могло бы стать бытием.