人工智能客户体验：做人工智能与真正成为人工智能组织

“做”和“存在”之间始终存在微妙的区别，这在人工智能客户体验的背景下很重要。

“做”数字化事物意味着在网站、移动应用程序、数据库甚至允许多种功能使用数字工具的业务自动化平台上进行随机投资。

一旦“做”成为二手，下一步可能会尝试使用先进的数字解决方案来加速自动化或个性化点。

“成为”数字化意味着这些工具和渠道、自动化和数字系统成为运营和数据的支柱。 高保真客户信号成为决策过程的核心。

数字化意味着拥抱大量变化。

数字化组织必须从根本上改变运营、重新调整团队并告别旧流程，以换取数字化工作流程和运营策略，从而实现营收增长、底线效率和节省。 这就是做和存在之间的区别。 是的，改变——以及对改变的渴望——往往是最大的挑战。

现在，随着我们进入人工智能时代，我们发现自己正处于另一场巨大转变的阵痛之中。 这是没人愿意大声说出来的事实：如果你决定成为一个人工智能组织，如果你不改变，你就会失败。

这就是我们在这里讨论的内容：首先要改变什么。

先有鸡还是先有蛋的争论

当谈到实现人工智能客户体验策略在销售、服务、商业和营销方面的好处时，哪个先出现：平台还是数据蛋？

在 CX 圈子里，很多玩家会用 AI 来做很多事情。 由于自动化以及大规模创建和生成个性化内容和资产的能力，将会出现大量的用例和胜利。

但对于那些不仅选择做而且实际上成为人工智能驱动的 CX 组织的组织来说，还必须考虑其他因素：

• 正在讨论的生成式人工智能是否可用，或者计划很快成为测试版？
• 数据是否可用并准备好进一步训练和增强人工智能模型对业务和客户的理解？
• 人工智能适合一般企业使用吗？
• 它是否经过训练可以集中注意力？
• 它是否受到功能墙的限制，或者是否有权连接整个企业，从而真正为客户带来改变，进而为利润带来改变？

尽管“先有鸡还是先有鸡”的争论将会继续激烈下去，但就人工智能和客户体验而言，答案感觉更容易找到答案，因为历史已经表明，必须首先建立平台和该平台的可组合性。 否则，模型就没有地方可以提取数据，更不用说在我们的业务、生态系统和客户之间创建高保真信号的路径了。

如果没有可靠的工作流程和自动化平台和框架，它只会短暂而辉煌地工作，但很快就会在压力下开始屈服。

AI 客户体验：要问的 3 个问题

每个组织在 CX 之旅中寻求成为人工智能赋能的企业时都应该问以下三个问题。

1. 可组合性：整个 CX 生态系统中的工具和解决方案是否可以灵活连接并为当今和未来的 CX 交付奠定整体基础？
2. 访问：数字水坝是否会造成意外的数据干旱？
3. 可用性：人工智能支持的流程现在是否可用，或者它们是以后的承诺吗？

这三个问题相互交织，以至于成为人工智能企业需要同时解决这三个问题。

可组合性、CX 和 AI

这与少数组件的可组合性或连接性无关。 现代客户旅程无法承受松散连接的工具，希望 API 可以节省体验。 这是一个关于我们打算在其上构建 CX 交付系统的基本架构的问题。

虽然在过去，工具并排放置可能是合适的，通过工作流程的随意切换将销售和服务等功能连接到商业，但当我们在这些松散的连接之上添加人工智能和生成人工智能的需求时，房子的卡片掉落下来。

平台的可组合性将是 CX 能够超越仅优化单一功能体验的功能工具的限制的运营成功的关键。 预期资产可扩展性和可重用性的架构不会停留在人们常说的“一劳永逸”的口头禅上。 他们超出了预期，所创建的一个应用程序或资产不仅可以共享，而且可以在重用和重新调整用途时得到加速和优化。

可组合框架使组织能够利用现代工具来实现工作流程和自动化，而不会受到遗留复杂性或自定义的阻碍。

人工智能依赖于数据访问

过去被认为的“功能孤岛”已经转变为数字水坝，阻碍了组织之间的数据流动，使人工智能无法消耗其真正需要的东西。 人工智能的蓬勃发展不仅依赖于数据，还依赖于数据。 它确实需要数据才能生存。

从训练用于生成人工智能的大型语言模型到支持推荐的人工智能算法，数据是一切的中心。 过去所谓的“对于机器学习响应来说足够好”根本无法满足大多数组织可接受响应的阈值，更不用说满足客户对准确性和上下文的需求了。

想象一下，一位客户访问一个聊天机器人，该机器人承诺分享该客户最近订单的更新。 如果该聊天机器人无法无缝连接到多个商业、供应链、产品和后端 ERP 解决方案，那么答案将是有限的，体验也毫无意义。

今天的客户希望机器人能够了解从产品可用性到发货的确切位置和预计到达时间的一切信息。 这种期望要求拆除水坝，特别是那些无意中在功能工具之间竖起的水坝，或者至少将其打碎，让被称为数据的水溢出。

需要数据的测试版：人工智能现在可用还是只是承诺？

2023 年吹捧的许多生成式 AI 工具的直接现实是，它们都是承诺：AI 模型应用用例的伟大实验。 简而言之，它们是需要数据的测试版。

人工智能的这一承诺通常取决于供应商能否获得足够的数据来正确、适当地训练模型。 在利用 OpenAI 的 ChatGPT 等商业模型的竞赛中，有关道德使用、数据隐私和安全，甚至准确性的问题都以创新的名义被搁置了。

但现在，随着组织将目光投向这些工具在行动中的影响、结果和有效性，新的问题很快就会出现，询问团队和客户是否真的能通过这些新解决方案变得更好。 再次强调，权衡一个组织是要成为人工智能赋能的组织，还是只是提供一些通过先进的人工智能模型和应用程序逐渐变得更好的工作流程、自动化或体验，这一点很重要。

例如，就销售解决方案中的人工智能而言，我们需要考虑卖家是否使用人工智能工具更加有效和高效，或者他们是否只是在工作的某一方面更快。 为了真正改变销售工作，销售人工智能工具必须具有可组合架构，能够连接跨企业系统，使这些人工智能模型所需的数据更接近销售人员的工作和工作流程。

如果 ERP 中的数据无法与 CRM 中的数据更接近，人工智能工具将无法进行处理和识别摩擦或机会。

但是——这是一个很大的但是——如果你选择成为一家人工智能企业，那么你也就承诺成为一家数据组织。 两人携手前行。 因此，真正的问题是：您是否已经奠定了坚实的基础，使 CX 和 AI 不仅可以行走，还可以运行？

这就是可组合性问题上升到最重要的地方，我们的答案集中在：是的，平台确实需要先于数据形状的蛋。

AI 客户体验：登上顶峰

这如何成为现实？ SAP 就是一个经历了这一艰难转变的供应商的例子，并在此过程中成为了一家人工智能组织。 第一步始于几年前，当时对整个 CX 产品组合进行了包装、重新架构和重新启动。 该决定是为了确保 AI 所需的可组合架构已准备好为 CX 服务。

SAP Sales Cloud 从头开始​​重建，有目的地使数据、工作流程和自动化能够为销售服务，而不是销售的功能孤岛，它专注于使销售能够在整个组织的任何地方进行，同时帮助销售团队更有效地、更切合实际地与客户互动。

同样，SAP Service Cloud 专注于如何在整个组织的任何地方提供基于客户环境的卓越服务，集成来自客户旅程中任何地方的数据。

由于致力于可组合架构上的可组合工具，销售和服务行为不会受到限制或约束。 但更重要的是，这些工具不需要大规模改造即可实现人工智能和智能领域的新创新。

这就是为什么当 SAP 首席执行官 Christian Klein 宣布对人工智能进行大规模投资，并表示人工智能对 SAP 来说远不止是炒作，而是实际上将重新定义从财务到销售的工作方式时，我们分析师界的许多人并不这么认为。惊讶。

事实上，SAP 成为一家人工智能企业本身已经在路线图上很多年了，尽管这并不是明确的表述。 SAP 必须重建自身、重建 SAP 云，并完全致力于将可组合性作为开发更加坚实、灵活和敏捷的基础的战略。

如果没有这种转变，任何向人工智能迈进的举措都只能是“做”。 它永远不可能构成存在。