人工智慧客戶體驗：做人工智慧與真正成為人工智慧組織

「做」和「存在」之間始終存在微妙的區別，這在人工智慧客戶體驗的背景下很重要。

「做」數位化事物意味著在網站、行動應用程式、資料庫甚至允許多種功能使用數位工具的業務自動化平台上進行隨機投資。

一旦「做」成為二手，下一步可能會嘗試使用先進的數位解決方案來加速自動化或個人化點。

「成為」數位化意味著這些工具和管道、自動化和數位系統成為營運和數據的支柱。 高保真客戶訊號成為決策過程的核心。

數位化意味著擁抱大量變化。

數位化組織必須從根本上改變營運、重新調整團隊並告別舊流程，以換取數位化工作流程和營運策略，從而實現營收成長、底線效率和節省。 這就是做和存在之間的區別。 是的，改變——以及對改變的渴望——往往是最大的挑戰。

現在，隨著我們進入人工智慧時代，我們發現自己正處於另一個巨大轉變的陣痛之中。 這是沒人願意大聲說出來的事實：如果你決定成為一個人工智慧組織，如果你不改變，你就會失敗。

這就是我們在這裡討論的內容：首先要改變什麼。

先有雞還是先有蛋的爭論

當談到實現人工智慧客戶體驗策略在銷售、服務、商業和行銷方面的好處時，哪個先出現：平台還是資料蛋？

在 CX 圈子裡，很多玩家會用 AI 做很多事。 由於自動化以及大規模創建和生成個人化內容和資產的能力，將會出現大量的用例和勝利。

但對於那些不僅選擇做而且實際上成為人工智慧驅動的 CX 組織的組織來說，還必須考慮其他因素：

• 正在討論的生成式人工智慧是否可用，或者計劃很快成為測試版？
• 數據是否可用並準備好進一步訓練和增強人工智慧模型對業務和客戶的理解？
• 人工智慧適合一般企業使用嗎？
• 它是否經過訓練可以集中註意力？
• 它是否受到功能牆的限制，或有權連結整個企業，從而真正為客戶帶來改變，進而為利潤帶來改變？

儘管「先有雞還是先有雞」的爭論將會繼續激烈下去，但就人工智慧和客戶體驗而言，答案感覺更容易找到答案，因為歷史已經表明，必須首先建立平台和該平台的可組合性。 否則，模型就沒有地方可以提取數據，更不用說在我們的業務、生態系統和客戶之間創建高保真訊號的路徑了。

如果沒有可靠的工作流程和自動化平台和框架，它只會短暫而輝煌地工作，但很快就會在壓力下開始屈服。

AI 客戶體驗：要問的 3 個問題

每個組織在 CX 之旅中尋求成為人工智慧賦能的企業時都應該問以下三個問題。

1. 可組合性：整個 CX 生態系統中的工具和解決方案是否可以靈活連接並為當今和未來的 CX 交付奠定整體基礎？
2. 訪問：數位水壩是否會造成意外的資料乾旱？
3. 可用性：人工智慧支援的流程現在是否可用，或者它們是以後的承諾嗎？

這三個問題相互交織，以至於成為人工智慧企業需要同時解決這三個問題。

可組合性、CX 和 AI

這與少數組件的可組合性或連接性無關。 現代客戶旅程無法承受鬆散連結的工具，希望 API 可以節省體驗。 這是一個關於我們打算在其上建立 CX 交付系統的基本架構的問題。

雖然在過去，工具並排放置可能是合適的，透過工作流程的隨意切換將銷售和服務等功能連接到商業，但當我們在這些鬆散的連接之上添加人工智慧和生成人工智慧的需求時，房子的卡片掉落下來。

平台的可組合性將是 CX 能夠超越僅優化單一功能體驗的功能工具的限制的營運成功的關鍵。 預期資產可擴展性和可重用性的架構不會停留在人們常說的「一勞永逸」的口頭禪上。 他們超出了預期，所創建的一個應用程式或資產不僅可以共享，而且可以在重複使用和重新調整用途時加速和最佳化。

可組合框架使組織能夠利用現代工具來實現工作流程和自動化，而不會受到遺留複雜性或自訂的阻礙。

人工智慧依賴數據訪問

過去被認為的「功能孤島」已經轉變為數位水壩，阻礙了組織之間的數據流動，使人工智慧無法消耗其真正需要的東西。 人工智慧的蓬勃發展不僅依賴數據，還依賴數據。 它確實需要數據才能生存。

從訓練用於生成人工智慧的大型語言模型到支援推薦的人工智慧演算法，數據是一切的中心。 過去所謂的「對於機器學習響應來說足夠好」根本無法滿足大多數組織可接受響應的閾值，更不用說滿足客戶對準確性和上下文的需求了。

想像一下，一位客戶造訪一個聊天機器人，承諾分享該客戶最近訂單的更新。 如果該聊天機器人無法無縫連接到多個商業、供應鏈、產品和後端 ERP 解決方案，那麼答案將是有限的，體驗也毫無意義。

今天的客戶希望機器人能夠了解從產品可用性到發貨的確切位置和預計到達時間的一切。 這種期望要求拆除水壩，特別是那些無意中在功能工具之間豎起的水壩，或至少將其打碎，讓被稱為數據的水溢出。

需要數據的測試版：人工智慧現在可用還是只是承諾？

2023 年吹捧的許多生成式 AI 工具的直接現實是，它們都是承諾：AI 模型應用用例的偉大實驗。 簡而言之，它們是需要數據的測試版。

人工智慧的這項承諾通常取決於供應商能否獲得足夠的數據來正確、適當地訓練模型。 在利用 OpenAI 的 ChatGPT 等商業模型的競賽中，有關道德使用、資料隱私和安全，甚至準確性的問題都以創新的名義被擱置了。

但現在，隨著組織將目光投向這些工具在行動中的影響、結果和有效性，新的問題很快就會出現，詢問團隊和客戶是否真的能透過這些新解決方案變得更好。 再次強調，權衡組織是要成為人工智慧賦能的組織，還是只是提供一些透過先進的人工智慧模型和應用程式逐漸變得更好的工作流程、自動化或體驗，這一點很重要。

例如，就銷售解決方案中的人工智慧而言，我們需要考慮賣家是否使用人工智慧工具更加有效和高效，或者他們只是在工作的某一方面更快。 為了真正改變銷售工作，銷售人工智慧工具必須具有可組合架構，能夠連接跨企業系統，使這些人工智慧模型所需的資料更接近銷售人員的工作和工作流程。

如果 ERP 中的資料無法與 CR​​M 中的資料更接近，人工智慧工具將無法進行處理和識別摩擦或機會。

但是──這是一個很大的但是──如果你選擇成為一家人工智慧企業，那麼你也就承諾成為資料組織。 兩人攜手前行。 因此，真正的問題是：您是否已經奠定了堅實的基礎，使 CX 和 AI 不僅可以行走，還可以運行？

這就是可組合性問題上升到最重要的地方，我們的答案集中在：是的，平台確實需要先於數據形狀的蛋。

AI 客戶體驗：登頂

這如何成為現實？ SAP 就是一個經歷了這一艱難轉變的供應商的例子，並在過程中成為了一個人工智慧組織。 第一步始於幾年前，當時對整個 CX 產品組合進行了包裝、重新架構和重新啟動。 該決定是為了確保 AI 所需的可組合架構已準備好為 CX 服務。

SAP Sales Cloud 從頭開始重建，有目的地使資料、工作流程和自動化能夠為銷售服務，而不是銷售的功能孤島，它專注於使銷售能夠在整個組織的任何地方進行，同時幫助銷售團隊更有效、更切合實際地與客戶互動。

同樣，SAP Service Cloud 專注於如何在整個組織的任何地方提供基於客戶環境的卓越服務，整合來自客戶旅程中任何地方的資料。

由於致力於可組合架構上的可組合工具，銷售和服務行為不會受到限製或約束。 但更重要的是，這些工具不需要大規模改造即可實現人工智慧和智慧領域的新創新。

這就是為什麼當SAP 執行長Christian Klein 宣布對人工智慧進行大規模投資，並表示人工智慧對SAP 來說遠不止於炒作，而是實際上將重新定義從財務到銷售的工作方式時，我們分析師界的許多人並不這麼認為。

事實上，SAP 成為一家人工智慧企業本身已經在路線圖上很多年了，儘管這並不是明確的陳述。 SAP 必須重建自身、重建 SAP 雲，並完全致力於將可組合性作為開發更堅實、靈活和敏捷的基礎的策略。

如果沒有這種轉變，任何向人工智慧邁進的舉措都只能是「做」。 它永遠不可能構成存在。