ประสบการณ์ลูกค้า AI: การทำ AI เทียบกับการเป็นองค์กร AI จริงๆ

มีความแตกต่างเล็กน้อยระหว่าง "การทำ" และ "ความเป็นอยู่" ซึ่งมีความสำคัญในบริบทของประสบการณ์ลูกค้า AI

“การทำ” สิ่งดิจิทัลหมายถึงการลงทุนแบบสุ่มที่นี่และที่นั่นบนเว็บไซต์ แอพมือถือ ฐานข้อมูล หรือแม้แต่แพลตฟอร์มระบบอัตโนมัติทางธุรกิจที่อนุญาตให้มีฟังก์ชันต่างๆ ในการใช้เครื่องมือดิจิทัล

เมื่อ "การทำ" กลายเป็นมือสอง ขั้นตอนต่อไปอาจเป็นการใช้โซลูชันดิจิทัลขั้นสูงเพื่อเร่งระบบอัตโนมัติหรือจุดปรับเปลี่ยนในแบบของคุณ

“ความเป็นดิจิทัล” หมายถึงเครื่องมือและช่องทางเหล่านี้ ระบบอัตโนมัติและระบบดิจิทัล กลายเป็นแกนหลักของการดำเนินงานและข้อมูล สัญญาณจากลูกค้าที่มีความเที่ยงตรงสูงจะตกสู่ศูนย์กลางของกระบวนการตัดสินใจ

การเป็นดิจิทัลหมายถึงการยอมรับการเปลี่ยนแปลงมากมาย

องค์กรดิจิทัลต้องเปลี่ยนการปฏิบัติงานโดยพื้นฐาน ปรับทิศทางทีม และอำลากระบวนการเก่าเพื่อแลกกับเวิร์กโฟลว์ดิจิทัลและกลยุทธ์การปฏิบัติงานที่มอบการเติบโตสูงสุด ประสิทธิภาพและการประหยัดผลกำไร นี่คือความแตกต่างระหว่างการทำและการเป็น ใช่แล้ว การเปลี่ยนแปลงและความกระหายในการเปลี่ยนแปลง มักเป็นความท้าทายที่ยิ่งใหญ่ที่สุด

ตอนนี้เราพบว่าตัวเองตกอยู่ในความลำบากของการเปลี่ยนแปลงครั้งใหญ่อีกครั้งเมื่อเราเข้าสู่ยุคแห่ง AI นี่คือความจริงที่ไม่มีใครอยากพูดออกมาดังๆ หากคุณตัดสินใจที่จะเป็นองค์กร AI คุณจะล้มเหลวถ้าคุณไม่เปลี่ยนแปลง

นั่นคือสิ่งที่เราจะพูดคุยกัน: สิ่งที่ต้องเปลี่ยนแปลงก่อน

การอภิปรายเรื่องไก่กับไข่

เมื่อต้องตระหนักถึงประโยชน์ของกลยุทธ์ประสบการณ์ลูกค้า AI ในด้านการขาย การบริการ การพาณิชย์ และการตลาด สิ่งไหนมาก่อน: แพลตฟอร์มหรือ Data Egg?

ในแวดวง CX ผู้เล่นจำนวนมากจะทำสิ่งต่างๆ มากมายด้วย AI จะมีกรณีการใช้งานมากมายและชัยชนะต้องขอบคุณระบบอัตโนมัติและความสามารถในการสร้างและสร้างเนื้อหาและสินทรัพย์ส่วนบุคคลในวงกว้าง

แต่สำหรับองค์กรเหล่านั้นที่เลือกไม่เพียงแค่ทำแต่ เป็น องค์กร CX ที่ขับเคลื่อนด้วย AI จริงๆ จะต้องพิจารณาอื่นๆ อีก:

• มี การพูดคุยถึง generative AI หรือไม่หรือกำลังวางแผนที่จะเป็นเบต้าในเร็วๆ นี้?
• มีข้อมูล และพร้อมที่จะฝึกอบรมและเพิ่มความเข้าใจของโมเดล AI เกี่ยวกับธุรกิจและลูกค้าหรือไม่?
• AI เหมาะกับการใช้งานทั่วไปในองค์กรหรือไม่ ?
• ได้รับการฝึกฝน ให้มุ่งเน้นการทำงานหรือไม่?
• มีข้อจำกัดอยู่ที่ผนังการทำงาน หรือมีอำนาจในการเชื่อมต่อทั่วทั้งธุรกิจเพื่อสร้างความแตกต่างอย่างแท้จริงให้กับลูกค้าและในทางกลับกันเพื่อผลกำไรหรือไม่?

แม้ว่าการถกเถียงเรื่องไข่และไก่จะยังดำเนินต่อไป ในกรณีของ AI และประสบการณ์ของลูกค้า คำตอบนั้นให้ความรู้สึกที่ง่ายกว่าเล็กน้อย เนื่องจากประวัติศาสตร์ได้แสดงให้เห็นแพลตฟอร์มแล้ว และต้องสร้างองค์ประกอบของแพลตฟอร์มนั้นก่อน มิฉะนั้น ก็ไม่มีที่ใดที่แบบจำลองจะสามารถดึงข้อมูลได้ ไม่ต้องพูดถึงการสร้างเส้นทางไปยังสัญญาณที่มีความเที่ยงตรงสูงทั่วทั้งธุรกิจของเรา ระบบนิเวศของเรา และลูกค้าของเรา

หากไม่มีแพลตฟอร์มและกรอบการทำงานที่มั่นคงสำหรับเวิร์กโฟลว์และระบบอัตโนมัติ ระบบจะทำงานได้ในช่วงเวลาสั้นๆ และรุ่งโรจน์ แต่จากนั้นก็เริ่มหลีกทางอย่างรวดเร็วภายใต้แรงกดดัน

ประสบการณ์ลูกค้า AI: 3 คำถามที่ต้องถาม

ต่อไปนี้เป็นคำถามสามข้อที่ทุกองค์กรควรถามเมื่อสำรวจเส้นทาง CX เพื่อค้นหาการเป็นองค์กรที่ขับเคลื่อนด้วย AI

1. ความสามารถในการประกอบรวม: เครื่องมือและโซลูชันทั่วทั้งระบบนิเวศ CX ยืดหยุ่นและเชื่อมต่อเพื่อสร้างรากฐานแบบองค์รวมสำหรับการส่งมอบ CX ในวันนี้และอนาคตหรือไม่
2. การเข้าถึง: เขื่อนดิจิทัลสร้างความแห้งแล้งของข้อมูลโดยไม่ได้ตั้งใจหรือไม่?
3. ความพร้อมใช้งาน: กระบวนการที่ขับเคลื่อนด้วย AI พร้อมใช้งานแล้วในปัจจุบันหรือมีแนวโน้มว่าจะเกิดขึ้นในวันข้างหน้า

คำถามทั้งสามข้อนี้เกี่ยวพันกันจนถึงจุดที่การเป็นองค์กรด้าน AI จำเป็นต้องตอบคำถามทั้งสามข้อนี้

ความสามารถในการประกอบ, CX และ AI

นี่ไม่เกี่ยวกับความสามารถในการประกอบหรือการเชื่อมต่อของส่วนประกอบจำนวนหนึ่ง การเดินทางของลูกค้ายุคใหม่ไม่สามารถซื้อเครื่องมือที่เชื่อมต่ออย่างหลวมๆ ได้ โดยหวังว่า API จะช่วยประหยัดประสบการณ์ได้ นี่เป็นคำถามเกี่ยวกับสถาปัตยกรรมพื้นฐานที่เราตั้งใจจะสร้างระบบการส่งมอบ CX ของเรา

แม้ว่าในอดีตอาจเหมาะสมที่เครื่องมือจะอยู่เคียงข้างกัน โดยมีการส่งต่อเวิร์กโฟลว์แบบไม่เป็นทางการที่เชื่อมโยงฟังก์ชันต่างๆ เช่น การขายและการบริการเข้ากับการค้า เมื่อเราเพิ่ม AI และความต้องการของ AI เชิงกำเนิด นอกเหนือจากการเชื่อมต่อที่หลวมๆ เหล่านี้ ของการ์ดล้มลง

ความสามารถในการประกอบแพลตฟอร์มจะเป็นกุญแจสำคัญสู่ความสำเร็จในการดำเนินงานของความสามารถของ CX ในการเข้าถึงเกินข้อจำกัดของเครื่องมือเชิงฟังก์ชันที่จะปรับประสบการณ์ของฟังก์ชันเดี่ยวนั้นให้เหมาะสมเท่านั้น สถาปัตยกรรมที่คาดการณ์ถึงความสามารถในการปรับขนาดและการนำสินทรัพย์กลับมาใช้ใหม่ไม่ได้หยุดอยู่แค่เพียงคติประจำใจที่ว่า "เป็นหนึ่งเดียวและเสร็จสิ้น" พวกเขาไปไกลกว่าที่คาดไว้ว่าแอปพลิเคชันหรือสินทรัพย์ที่สร้างขึ้นนั้นไม่เพียงแต่ถูกแชร์เท่านั้น แต่ยังเร่งความเร็วและปรับให้เหมาะสมเมื่อนำมาใช้ซ้ำและนำกลับมาใช้ใหม่

เฟรมเวิร์กที่ประกอบได้ช่วยให้องค์กรพึ่งพาเครื่องมือที่ทันสมัยสำหรับเวิร์กโฟลว์และระบบอัตโนมัติโดยไม่ต้องถูกขัดขวางโดยความซับซ้อนหรือการปรับแต่งแบบเดิม

AI ขึ้นอยู่กับการเข้าถึงข้อมูล

สิ่งที่เคยถูกมองว่าเป็น "ไซโลที่ใช้งานได้จริง" ได้กลายมาเป็นเขื่อนดิจิทัล ซึ่งขัดขวางการไหลเวียนของข้อมูลทั่วทั้งองค์กร ทำให้เป็นไปไม่ได้ที่ AI จะใช้สิ่งที่ต้องการจริงๆ AI ไม่เพียงแต่ประสบความสำเร็จกับข้อมูลเท่านั้น มันค่อนข้างต้องการข้อมูลเพื่อความอยู่รอด

ตั้งแต่การฝึกอบรมโมเดลภาษาขนาดใหญ่ที่ใช้ประโยชน์จาก Generative AI ไปจนถึงอัลกอริธึม AI ที่ขับเคลื่อนคำแนะนำ ข้อมูลถือเป็นศูนย์กลางของทุกสิ่ง สิ่งที่เคยเพียงพอแล้วว่าเป็น “ดีพอสำหรับการตอบสนองของแมชชีนเลิร์นนิง” นั้นไม่เป็นไปตามเกณฑ์ขององค์กรส่วนใหญ่สำหรับการตอบสนองที่ยอมรับได้ นับประสาอะไรที่จะตอบสนองความต้องการของลูกค้าในเรื่องความแม่นยำและบริบท

ลองนึกภาพลูกค้าเยี่ยมชมแชทบอทที่สัญญาว่าจะแชร์การอัปเดตเกี่ยวกับคำสั่งซื้อล่าสุดของลูกค้ารายนั้น หากแชทบอทนั้นไม่สามารถเชื่อมต่อกับการค้า ห่วงโซ่อุปทาน ผลิตภัณฑ์ และโซลูชัน ERP แบ็คเอนด์หลายรายการได้อย่างราบรื่น คำตอบจะถูกจำกัดและประสบการณ์ก็ไร้ความหมาย

ลูกค้าในปัจจุบันคาดหวังว่าบอทจะรู้ทุกอย่างตั้งแต่ความพร้อมของผลิตภัณฑ์ไปจนถึงตำแหน่งที่แน่นอนของการจัดส่งและเวลาที่คาดว่าจะมาถึง ความคาดหวังนี้เรียกร้องให้เขื่อนต่างๆ โดยเฉพาะเขื่อนที่ถูกสร้างขึ้นโดยไม่ได้ตั้งใจระหว่างเครื่องมือที่ใช้งานได้จริง จะต้องถูกรื้อถอน หรืออย่างน้อยที่สุด ให้แตกเพื่อให้น้ำที่เรียกว่าข้อมูลรั่วไหลออกมา

เบต้าที่ต้องการข้อมูล: AI พร้อมใช้งานแล้วหรือเพียงแค่สัญญา?

ความจริงที่ตรงไปตรงมาของเครื่องมือ AI เจนเนอเรชั่นจำนวนมากที่ได้รับการกล่าวถึงตลอดปี 2023 ก็คือสิ่งเหล่านี้คือคำมั่นสัญญา นั่นคือการทดลองที่ยอดเยี่ยมสำหรับกรณีการใช้งานของแอปพลิเคชันโมเดล AI พูดง่ายๆ ก็คือ พวกเขาเป็นรุ่นเบต้าที่ต้องการข้อมูล

คำมั่นสัญญาของ AI นี้มักจะขึ้นอยู่กับผู้ขายที่สามารถเข้าถึงข้อมูลที่เพียงพอเพื่อฝึกอบรมโมเดลอย่างเหมาะสมและเหมาะสม ในการแข่งขันเพื่อใช้ประโยชน์จากโมเดลที่มีจำหน่ายในท้องตลาด เช่น ChatGPT ของ OpenAI คำถามเกี่ยวกับการใช้งานอย่างมีจริยธรรม ความเป็นส่วนตัวและความปลอดภัยของข้อมูล และแม้แต่ความแม่นยำ ได้ถูกตั้งไว้ในนามของนวัตกรรม

แต่ขณะนี้ ขณะที่องค์กรต่างๆ กำหนดเป้าหมายเกี่ยวกับผลกระทบ ผลลัพธ์ และประสิทธิผลของเครื่องมือเหล่านี้ในทางปฏิบัติ คำถามใหม่ ๆ ก็เกิดขึ้นอย่างรวดเร็วโดยถามว่าทีมและลูกค้าจะดีกว่าจริง ๆ ด้วยโซลูชันใหม่เหล่านี้หรือไม่ อีกครั้ง สิ่งสำคัญคือต้องชั่งน้ำหนักว่าองค์กรจะเป็นองค์กรที่ขับเคลื่อนด้วย AI หรือเพียงแค่นำเสนอเวิร์กโฟลว์ ระบบอัตโนมัติ หรือประสบการณ์บางอย่างที่ดีขึ้นทีละน้อยด้วยโมเดลและแอปพลิเคชัน AI ขั้นสูง

ตัวอย่างเช่น ในกรณีของ AI ในโซลูชันการขาย เราต้องพิจารณาว่าผู้ขายมีประสิทธิภาพและประสิทธิผลมากขึ้นด้วยเครื่องมือ AI หรือว่าพวกเขาทำงานเร็วขึ้นในด้านใดด้านหนึ่งเท่านั้น เพื่อที่จะพลิกโฉมงานขายอย่างแท้จริง เครื่องมือ AI สำหรับการขายจะต้องมีสถาปัตยกรรมแบบประกอบที่สามารถเชื่อมต่อกับระบบข้ามองค์กรได้ ทำให้ข้อมูลที่จำเป็นสำหรับโมเดล AI เหล่านี้ใกล้กับงานและเวิร์กโฟลว์ของผู้ขายมากขึ้น

หากไม่สามารถนำข้อมูลจาก ERP มาใกล้กับข้อมูลจาก CRM ได้ เครื่องมือ AI จะไม่สามารถกระทืบและหมุนเพื่อระบุความขัดแย้งหรือโอกาสได้

แต่ – และนี่เป็นเรื่องใหญ่ แต่ถ้าคุณเลือกที่จะเป็นองค์กร AI แสดงว่าคุณกำลังให้คำมั่นสัญญาที่จะเป็นองค์กรข้อมูลด้วย ทั้งสองเดินจูงมือกัน คำถามที่แท้จริงก็คือ คุณได้วางรากฐานที่มั่นคงซึ่งทั้ง CX และ AI ไม่เพียงแต่เดิน แต่วิ่งแล้วหรือยัง?

นี่คือจุดที่คำถามเกี่ยวกับความสามารถในการประกอบรวมไปถึงด้านบนและเน้นไปที่คำตอบของเราว่า ใช่ แพลตฟอร์มจำเป็นต้องมาก่อนไข่ที่มีรูปทรงข้อมูล

ประสบการณ์ลูกค้า AI: ก้าวขึ้นสู่จุดสูงสุด

สิ่งนี้กลายเป็นความจริงได้อย่างไร? SAP คือตัวอย่างหนึ่งของผู้จำหน่ายที่พลิกผันครั้งใหญ่ และในระหว่างการทำเช่นนั้นก็กลายเป็นองค์กร AI ขั้นตอนแรกเริ่มต้นเมื่อหลายปีก่อนเมื่อพอร์ตโฟลิโอ CX ทั้งหมดถูกคลายแพ็ก ออกแบบสถาปัตยกรรมใหม่ และเปิดตัวใหม่ การตัดสินใจคือเพื่อให้แน่ใจว่าสถาปัตยกรรมที่ประกอบได้ซึ่งจำเป็นสำหรับ AI พร้อมที่จะดำเนินการในการให้บริการของ CX

สร้างขึ้นใหม่ตั้งแต่ต้นจนจบเพื่อเพิ่มศักยภาพให้กับข้อมูล เวิร์กโฟลว์ และระบบอัตโนมัติเพื่อทำงานในบริการการขาย ซึ่งตรงข้ามกับไซโลการขาย โดยมุ่งเน้นไปที่การเพิ่มขีดความสามารถให้กับการขายให้เกิดขึ้นได้ทุกที่ทั่วทั้งองค์กร ในขณะเดียวกันก็ช่วยให้ทีมขายสามารถ มีส่วนร่วมกับลูกค้าอย่างมีประสิทธิภาพและตามบริบทมากขึ้น

ในทำนองเดียวกัน SAP Service Cloud มุ่งเน้นไปที่วิธีการให้บริการพิเศษตามบริบทของลูกค้าที่สามารถส่งมอบได้ทุกที่ทั่วทั้งองค์กร โดยบูรณาการข้อมูลที่มาจากทุกที่ตลอดเส้นทางของลูกค้า

เนื่องจากการอุทิศให้กับเครื่องมือที่ประกอบได้บนสถาปัตยกรรมที่ประกอบได้ การขายและการบริการจึงไม่จำกัดหรือจำกัด แต่ที่สำคัญกว่านั้น เครื่องมือเหล่านี้ไม่จำเป็นต้องยกเครื่องครั้งใหญ่เพื่อนำนวัตกรรมใหม่ๆ ในด้าน AI และระบบอัจฉริยะมาใช้

นี่คือเหตุผลว่าทำไมเมื่อ Christian Klein ซีอีโอของ SAP ประกาศการลงทุนมหาศาลใน AI และกล่าวว่า AI นั้นเป็นอะไรที่มากกว่าความฮือฮาสำหรับ SAP แต่จริงๆ แล้วกำลังจะกำหนดนิยามใหม่เกี่ยวกับวิธีการทำงานตั้งแต่การเงินไปจนถึงการขาย พวกเราหลายคนในโลกของนักวิเคราะห์ไม่ได้ น่าประหลาดใจ.

ในความเป็นจริง SAP การเป็นองค์กร AI นั้นอยู่ในแผนงานมาหลายปีแล้ว แม้ว่าจะไม่ได้ระบุไว้ก็ตาม SAP ต้องสร้างตัวเองใหม่ สร้างระบบคลาวด์ SAP ขึ้นมาใหม่ และมุ่งมั่นอย่างเต็มที่ต่อความสามารถในการประกอบรวมเป็นกลยุทธ์ในการพัฒนารากฐานที่แข็งแกร่ง ยืดหยุ่น และคล่องตัวยิ่งขึ้น

หากไม่มีการเปลี่ยนแปลงดังกล่าว การเคลื่อนไหวใดๆ สู่ AI จะเป็นเพียงการแสดงถึงการกระทำเท่านั้น มันไม่สามารถประกอบขึ้นเป็นได้