Webinar Recap: Artificial Intelligence in Cloud-Based Solutions
בינה מלאכותית (AI) יש פוטנציאל להעצים בני אדם ולשנות מרכזי קשר למפיקי הכנסות. מנכ"ל גוּרוּ ומייסדוּ ריק נוּצ'י מפרק את ההייפ סביב בינה מלאכותית, חוקר את ההזדמנויות האמיתיות עבור מרכזי הקשר, ומשתף 5 שאלות לשאול ספקים כאשר
עם התקדמות טכנולוגיות כמו צ'אט-בוטים, בינה מלאכותית, מענה קולי אינטראקטיבי ולמידת מכונה, טכנולוגיות חדשות ממשיכות להפר את תעשיית מרכזי הקשר. ההתקדמות הללו מעוררת לעיתים פחד כי האוטומציה תחליף את בני האדם. כדי לפצח את ההייפ ולחקור את ההזדמנויות האמיתיות סביב בינה מלאכותית, חברתי לCustomer Contact Central לדיון על בינה מלאכותית בפתרונות מבוססי ענן. היכנסו לוובינר הקלטה כאן או קראו למטה לסיכום כיצד מרכזי שירות לקוחות צריכים לחשוב בצורה ריאלית על בינה מלאכותית, כולל חמש שאלות לשאול ספקים בעת הערכת פתרונות בינה מלאכותית.
מציאות מול הייפ בבינה מלאכותית
אז מה בדיוק אנו מתכוונים בבינה מלאכותית? ישנם תחומים רבים ומיוחדים בקטגוריה הרחבה של בינה מלאכותית, ולעיתים קרובות אנו רואים בלבול לגבי מה כל תחום באמת מכסה. ראשית, בינה מלאכותית היא תת קטגוריה של מדעי המחשב. היא מתמקדת בהטמעת אינטליגנציה אנושית מדומה במכונות. מתחת למטריה של בינה מלאכותית נמצאת למידת מכונה, עיבוד שפה טבעית ולמידה עמוקה.
למידת מכונה מתייחסת לטכניקות ההופכות מכונות ללמוד מנתונים ולאחר מכן להשתמש בלימודים הללו כדי לספק ערך חזרה למשתמש הסופי. NLP עוסקת בהפיכת מכונות ל"להבין" את משמעות השפה הטבעית, כולל את הכוונה של המילים בני האדם משתמשים כדי לתקשר זה עם זה. למידה עמוקה מתייחסת לאלגוריתמים המושפעים מהמבנה של המוח הביולוגי האנושי. למידה עמוקה עוררה הרבה התלהבות לאחרונה כי היא המתודה הקרובה ביותר של מכונה לדימוי איך המוח עובד באמת.
אז עכשיו כשכבר הגדירו את בינה מלאכותית, היכן אנו עומדים עם הטכנולוגיה הזו?
בינה מלאכותית הייתה “הדבר הגדול הבא” במשך זמן רב. מאז ומעולם, עם צמיחת המחשוב, המטרה הייתה ליצור טכנולוגיה מספיק מתוחכמת כדי לנהוג כעמיתה לבני אדם. בינה מלאכותית חוותה כל כך הרבה עליות ומורדות שניתן לקרוא לתופעה הזו “עונות”. כאשר הדברים הולכים היטב, אנו קוראים לזה 'אביב בינה מלאכותית'. וכאשר הדברים לא הולכים כל כך טוב, מדובר ב'חורף בינה מלאכותית'. כרגע, אנו בעונת אביב בינה מלאכותית.
מתוך השינוי הטכנולוגי הגדול האחרון – מחשוב בענן – הנתונים וכוח העיבוד הנדרשים לגרימת בינה מלאכותית לפעול הם כיום נגישים ומזמינים יותר מאי פעם. בעבר היה על חברות לבנות את הסביבות שלהן לאחסן את כמויות הנתונים העצומות ואת כוח העיבוד הנדרש כדי להניע את בינה מלאכותית, אך ההתפתחויות במחשוב בענן אפשרו להפעיל את הבינה המלאכותית ביתר קלות. עכשיו, אנחנו רואים את השחקנים הגדולים במחשוב בענן – אמזון, גוגל, מיקרוסופט – מספקים לא רק את כוח העיבוד והנתונים לענן אלא גם שירותי בינה מלאכותית. חברות יכולות לרתום ולהשתמש בטכנולוגיות הללו כדי להרכיב פתרונות מונעי בינה מלאכותית.
שיפור חוויית המשתמש (UX) בעסקים וממשקים קלים לשימוש הגדילו גם הם באופן אקספוננציאלי את צמיחת הבינה המלאכותית. ככל שתוכנה קלה יותר לשימוש, כך היא תייצר יותר נתונים. וככל שניתן לנצל יותר נתונים כדי לאמן בינה מלאכותית, כך הפתרון יהיה טוב יותר. תוכנות עסקיות עברו לאחרונה תהליך של קונסומריזציה: התוכנה בה אנו משתמשים בעבודה מתפתחת להיות מהנה לא פחות מהתוכנה בה אנו משתמשים בחיינו האישיים. הרעיון של חוויית משתמש (UX) כמרכז המוקד בתוכנה עסקית סייע לדחוף טכנולוגיה זו קדימה וליצור הרבה התלהבות.
עם התלהבות מגיע הייפ
לאור כל ההתלהבות סביב בינה מלאכותית, חשוב לקבוע מה בדיוק אפשרי עם טכנולוגיה זו. גארטנר מפרסם מה שהם מכנים “מעגל ההייפ” שמשרטט מגמות טכנולוגיה כדי להראות אילו טכנולוגיות חמות עולות. ההייפ גובר ככל שהפתרונות מטפסים על מעגל ההייפ, ולאחר מכן מגיע לשיא ציפיות מוגזמות, ואז שוקע שוב כאשר הטכנולוגיה בהכרח מאבדת הייפ ונכנסת לתהום המתוסכלים. המטרה הסופית היא לעלות על העקום ולעלות על מדרון ההארה לתוך המישור הפוריות.
חלק מהטכנולוגיות לא מצליחות לעלות על המעגל ומסולקות לעד, אבל רבות מצליחות. הדוגמה למעלה היא הגרסה האחרונה של מעגל ההייפ, ויש בה למידה עמוקה שמוזכרת הרבה בצד העליון. ב-2009, מחשוב הענן היה בראש מעגל ההייפ. ראינו את אותו ההתנהגות מתרחשת אז כמו שאנחנו רואים עכשיו, אז מעניין להשוות את זה עם הטכנולוגיות היום המופיעות הרבה.
כאשר טכנולוגיה מקבלת הייפ מופרז, אנו רואים כל מיני מאמרים משונים נכתבים וסרטים איום עושים אודותיה. בין התוכניות כמו Westworld למאמרים המצביעים על כך שבינה מלאכותית תכתוב בקרוב רומנים טובים יותר מבני אדם, הדרך שבה בינה מלאכותית מצויירת בתקשורת ובתרבות הפופולרית היא לעיתים מבלבלת, ומשחקת על פחדים לגבי מה עלול להשתבש אם היא לא תישמר. קיים פחד מאוד אמיתי ומציאותי כי הבינה המלאכותית מהווה איום על האנושות.
Manifestation נפוצה של פחד זה היא הצוותים בשירות הלקוחות תוהים אם הם יידחקו ממקומות עבודה על ידי מכונות. כל השיח על בינה מלאכותית מחליפה בני אדם ואוטומטיזציה של תהליכים מפספסת את ההזדמנות האמיתית של איך בינה מלאכותית יכולה להיות טרנספורמטיבית.
ההזדמנות האמיתית עבור בינה מלאכותית במרכזי קשר
המון טכנולוגיה שהומצאה במקום העבודה הייתה מיועדת בדרך כלל לשימוש כדי לחסוך כסף. כעסקים, אנו מגייסים מקרים לקנייה של טכנולוגיה בהתבסס על חסכונות פוטנציאליים. אבל במקרה של בינה מלאכותית, רבים מהמקרים הללו מתבצעים בהתבסס על עליות פוטנציאליות בהכנסות במקום. עסקים לא שואלים איך בינה מלאכותית יכולה לחסוך להם כסף, אלא איך בינה מלאכותית יכולה להניב להם כסף. איך בינה מלאכותית יכולה לעזור לסוכני שירות לקוחות להמיר יותר לקוחות מתוכניות חינם לתוכניות בתשלום? איך בינה מלאכותית יכולה לעזור ללקוחות להבין את המוצרים בצורה טובה יותר כדי שיRenew?
זהו שינוי מעניין, השינוי הזה מהחיסכון בעלויות לייצוא הכנסות. זה מתרחש בצורה נאה עבור שירות הלקוחות, שמבצע שינוי דומה ממרכז עלויות למרכז הכנסות.
שירות לקוחות מתמTransform from a cost center to a revenue center
צוותי שירות הלקוחות מחזיקים בקשרים הראויים ביותר עם הלקוחות, הרבה לאחר שמכירת המפגש נחתמה והוזמן, אז כיצד נוכל לעזור להם לקיים שיחות טובות יותר ולקשר טוב יותר עם אותם לקוחות? למרות הקשרים הקרובים, כמות לא פרופורציונלית של שיח על בינה מלאכותית מתייחסת לפתרונות שמסירים את הסוכן שירות הלקוחות משיח ישיר בלקוחות במקום לקרב אותם יחד.
4 סוגי בינה מלאכותית עבור CX
הסטה מתייחסת ליוסצ'ים הבודדים לשאול בעיות חזרתיות וענות עליהם בטרם הם מבקשים. הטכנולוגיה מאריכה אינטראקציה עם סוכן תמיכה שלא מתרחש בפועל. זהו גישה לחיסכון בעלויות, ולא מנגנון להניב הכנסות.
בוטים מדמים חוויות שירות לקוחות אנושיות. עם זאת, כאשר אנו מודעים לחוויית הלקוח, אני חושב שבוטים הטובים ביותר מעבירים את זה שאנחנו מבינים שיש בוט בצד השני של הקו. בוטים טובים לא מנסים לדמות בני אדם, הם משלימים את ההזנה ומספקים ערך.
עיבוד או בינה עמוקה היא בדרך כלל לפנים של הסוכן. פתרונות אלה מצביעים על זיהוי והקלת בעיות כואבות. כמובן, קשה להצביע על מיקום שבו לקוחות נוטים להיתקע כי זה כולל אינדקס את כל הכרטיסים, מסווג אותם, מזהה נושאים, מגמות ורגשות. מכונות מתאימות יותר מאנשים לקבוצה ולנתח, כך שעיבוד AI מגיע בדרך כלל כאן לשחק.
אימון AI גם מתמקד בסוכנים ולא בלקוחות הסופיים. סוג זה של בינה מלאכותית נועד לעזור ולהעצים בני אדם להיות טובים יותר בעבודותיהם. זה נועד לסייע לסוכנים לקיים שיחות טובות יותר עם לקוחות כך שיוכלו לבלות יותר זמן ביצירת חוויות מפנקות במקום לחפש תשובות לשאלות. אימון הוא הדרך בה אנו מתבוננים ומבצעים בינה מלאכותית בגוּרוּ. העצמת בני אדם היא דרך נהדרת ליצור ערך לטווח ארוך עבור צוותי שירות לקוחות. טכנולוגיה זו של בינה מלאכותית מתמקדת 100% בעזרה לאנשים להיות טובים יותר במקום להחליף אותו.
5 השאלות החשובות לשאול את ספקי הבינה המלאכותית שלך
כאשר שוקלים פתרון בינה מלאכותית חדש, חשוב להבטיח שהיוזמה שאתה חושב עליה מתואמת בצורה הטובה ביותר להתקדם להצלחה. הנה חמש התחשבות לשקול לצד שאלות שאתה יכול לשאול ספקים במהלך שלב ההערכה.
1. אילו מדדים צריכים לצפות שהפתרון שלך ישפר?
שימו לב ל"ג'ק של כל העסקים". טעות שכמה מערכות בינה מלאכותית עושות היא לנסות לעשות יותר מדי. מערכות הבינה המלאכותית של היום יש להן רק את היכולת לעשות הרבה, מה שהופך את זה לקריטי שהן יתמקדו בפתרון בעיות ספציפיות. הנתוני ההכשרה שמשתמשת מערכת בינה מלאכותית כדי להנחות את ההמלצות שלה יש קשר ישיר להצלחתה. אם אתה מנסה לפתור שלושה או ארבעה בעיות עסקיות עם מערכת בינה אחת וסט נתונים להכשרה אחת, אתה צריך לצפות לתוצאות בינוניות.
השאלה לשאול כדי לקבל את הלב של בעיה זו היא “אילו מדדים צריכים לצפות שהפתרון שלך ישפר?” אתה צריך להבין את התוצאה הסופית וכיצד זה יחזור למדדים מהם אתה מודד ביצועים. אתה רוצה תשובה ספציפית כאן; היזהר מכל פתרון הטוען שהוא פותר שבעה או שמונה דברים בו זמנית. אם פתרון מתמקד ספציפית בתוצאה מסוימת, זה נותן לך סיכוי מצוין להצלחה. השקיעו במוצרים של בינה מלאכותית מתמקדים בפתרון בעיות ברורות עם גישה לנתונים יקרים לאימון.
2. מה יחלף על פני הלקוחות שלנו?
העצם את הסוכנים והלקוחות שלך. כל מערכת הבינה המלאכותית שאתה שוקל, יהיה מאוד ממוקד בחוויית הלקוח הסופית. לפורסטר יש דוח שמדבר על הסיכונים שחשופים חברות מלהנחית תנועת לקוחות (שיחה, טלפונים) במערכות בינה מלאכותית במקום בבני אדם במרוץ לחסוך כסף. בהנחה הזו בצורה אגרסיבית מדי, חברות נוטות להיתקל באובדן שיפור שביעות רצון לקוחות. אתה רוצה בינה מלאכותית כדי לעזור לך לחסוך כסף ולגרום להכנסות, אבל אתה בהחלט לא רוצה לעשות את זה על חשבון שביעות רצון הלקוחות.
שאלת “מה יחלף על פני הלקוחות שלנו?” תוכל לקבוע אם פתרון נוגע למחשבה כיצד אתה חושב על מתן חווית לקוח מצוינת. מה שהלקוח הסופי שלך הולך לראות כאשר הוא יתקשר עם כל מערכת צריך להיות הדאגה העיקרית שלך.
3. איך מערכת הבינה המלאכותית שלך לומדת ומשתפרת עם הזמן?
זהירות על ה"רוטב הסודי". שקיפות היא חשובה. ספקים צריכים להיות ברורים וישירים לגבי אילו נתונים הם אוספים ולמה. מערכות בינה מלאכותית נבנות מנותונים שאתה תספק להן, כך שזה מאוד חשוב בכל ספק בינה מלאכותית לומר לך אילו נתונים הוא ישתמש אי לכך, איך הנתונים הללו נשמרים ואורך הזמן שבו הנתונים הללו נשמרים.
שאלת "איך מערכת הבינה המלאכותית שלך לומדת ומשתפרת עם הזמן?” תקבל רמז לגבי קבוצות הנתונים שנדרשות לספק לבינה המלאכותית שלך על מנת לבצע את הדברים שלה.
4. איך נשמור את הידע שלנו מעודכן ומדויק?
בינה מלאכותית ללא ידע מעודכן תיכשל במרכזי קשר. זה קשור לרעיון על "ג'ק של כל העסקים". כשאתה חושב על הידע שקיים בסביבה שלך, זהו סיכום של הידע של המומחים שלך, של המוצרים שלך, של המערכות והליכים שלך, ואיך כל הדברים הללו עובדים יחד. כל בינה מלאכותית המניחה את הידע הזה צריכה לדעת כיצד להבטיח לך שהידע הזה יישמר מדויק ומעודכן.
יש מושג בבינה מלאכותית שנקרא המעגל הסגור. עם הזמן, הידע והדברים שאומנים אתמערכות הבינה המלאכותית שלך ישתנו כי המוצרים שלך משתנים; והטכנולוגיות שהמוצרים שלך תלויות ישתנו; ויבואו מתחרים חדשים לשוק שיצטרכו להסתגל; וכאשר הצוות שלך יגדל, אופן התמיכה יתכן וישתנה. עם כל השינוי הבלתי נמנע הזה, מהלא רוצה זה מערכת בינה מלאכותית שאין לה מעגל סגור טוב של התפתחות הלמידה שלה. תראה דוגמאות לכך כאשר מערכות הבינה המלאכותית מתחילה להחזיר מידע ירוד עם הזמן. כאשר המערכת מורידה את איכות הפלט, זו אינדיקציה שמראה שהיא לא לומדת ומתפתחת עם הארגון שלך.
הבעיה היא שאתה עשוי לא לראות את זה עד כמה חודשים, כאשר הידע מתחיל להתדרדר. אז שאלה גדולה לשאול מראש היא “איך נשמור את הידע שלנו מעודכן ומדויק?”
5. איך הפתרון שלך ישפר את העבודה של הסוכנים שלנו?
AI צריך להעצים אנשים, ולא להחליף אותם. וודא לשאול “איך הפתרון שלך ישפר את העבודה של הסוכנים שלנו?” על מנת לגלות מהם ההשפעות המיידיות של הפתרון הזה על החברה שלך. עם הזמן, יהיו הזדמנויות עמוקות לאוטומציה של משימות, אך נכון לעכשיו, חשוב לקבל תשובה לשאלה הזו שלא נשמעת ריקה מתוכן. מונחים כמו “אוטומציה” ו“סוכן וירטואלי” נוטים להצביע על פתרונות AI עם פחות יישומים מעשיים בטווח הקצר.
כי שוב, זה עדיין יחסית מוקדם. AI הוא עמוק ביכולתו ובהשפעתו לטווח הארוך, אך הוא עדיין רחוק מלהבין דברים כמו אמפתיה. אם תשים מערכת AI מול הלקוחות שלך ישירות כשהם עצבניים, מכונה לא תשפר את המצב. אלה הסוגים של שאלות שמוודאות שאתה חושב על התוצאה של המוצר בצורה הטובה ביותר.
מחשבות סופיות
כמו שהענן שינה הכל, ה-AI מהפכני לא רק עבור עסקים, אלא עבור כל בני האדם. בעוד שההייפ הוא עצום, והרבה אנשים מציגים בצורה שגויה את היכולות שלו, ישנם רווחים אמיתיים שאפשר להשיג היום אם אתה ממוקד בתוצאות הנכונות. במקום לחשוב על AI כעל “אוטומציה שלנו”, וליצור באופן סופי מעמד עליון של מכונות, מה אם במקום זאת נדבר על AI שעוזר לנו לגדול? AI שעוזר לנו להשתפר כבני אדם, הן אישית והן מקצועית? זו ההבנה שאנחנו צריכים לבצע והיא תהיה מאוד מרגשת לגבי מה שניתן להשיג עם הטכנולוגיה הזו.
למידע נוסף על שימוש ב-AI להעצמת בני אדם במוקד השירות שלך ובכל הארגון שלך (ותשובותיו של גורו לחמישה שאלות אלו), צור קשר info@getguru.com.
עם התקדמות טכנולוגיות כמו צ'אט-בוטים, בינה מלאכותית, מענה קולי אינטראקטיבי ולמידת מכונה, טכנולוגיות חדשות ממשיכות להפר את תעשיית מרכזי הקשר. ההתקדמות הללו מעוררת לעיתים פחד כי האוטומציה תחליף את בני האדם. כדי לפצח את ההייפ ולחקור את ההזדמנויות האמיתיות סביב בינה מלאכותית, חברתי לCustomer Contact Central לדיון על בינה מלאכותית בפתרונות מבוססי ענן. היכנסו לוובינר הקלטה כאן או קראו למטה לסיכום כיצד מרכזי שירות לקוחות צריכים לחשוב בצורה ריאלית על בינה מלאכותית, כולל חמש שאלות לשאול ספקים בעת הערכת פתרונות בינה מלאכותית.
מציאות מול הייפ בבינה מלאכותית
אז מה בדיוק אנו מתכוונים בבינה מלאכותית? ישנם תחומים רבים ומיוחדים בקטגוריה הרחבה של בינה מלאכותית, ולעיתים קרובות אנו רואים בלבול לגבי מה כל תחום באמת מכסה. ראשית, בינה מלאכותית היא תת קטגוריה של מדעי המחשב. היא מתמקדת בהטמעת אינטליגנציה אנושית מדומה במכונות. מתחת למטריה של בינה מלאכותית נמצאת למידת מכונה, עיבוד שפה טבעית ולמידה עמוקה.
למידת מכונה מתייחסת לטכניקות ההופכות מכונות ללמוד מנתונים ולאחר מכן להשתמש בלימודים הללו כדי לספק ערך חזרה למשתמש הסופי. NLP עוסקת בהפיכת מכונות ל"להבין" את משמעות השפה הטבעית, כולל את הכוונה של המילים בני האדם משתמשים כדי לתקשר זה עם זה. למידה עמוקה מתייחסת לאלגוריתמים המושפעים מהמבנה של המוח הביולוגי האנושי. למידה עמוקה עוררה הרבה התלהבות לאחרונה כי היא המתודה הקרובה ביותר של מכונה לדימוי איך המוח עובד באמת.
אז עכשיו כשכבר הגדירו את בינה מלאכותית, היכן אנו עומדים עם הטכנולוגיה הזו?
בינה מלאכותית הייתה “הדבר הגדול הבא” במשך זמן רב. מאז ומעולם, עם צמיחת המחשוב, המטרה הייתה ליצור טכנולוגיה מספיק מתוחכמת כדי לנהוג כעמיתה לבני אדם. בינה מלאכותית חוותה כל כך הרבה עליות ומורדות שניתן לקרוא לתופעה הזו “עונות”. כאשר הדברים הולכים היטב, אנו קוראים לזה 'אביב בינה מלאכותית'. וכאשר הדברים לא הולכים כל כך טוב, מדובר ב'חורף בינה מלאכותית'. כרגע, אנו בעונת אביב בינה מלאכותית.
מתוך השינוי הטכנולוגי הגדול האחרון – מחשוב בענן – הנתונים וכוח העיבוד הנדרשים לגרימת בינה מלאכותית לפעול הם כיום נגישים ומזמינים יותר מאי פעם. בעבר היה על חברות לבנות את הסביבות שלהן לאחסן את כמויות הנתונים העצומות ואת כוח העיבוד הנדרש כדי להניע את בינה מלאכותית, אך ההתפתחויות במחשוב בענן אפשרו להפעיל את הבינה המלאכותית ביתר קלות. עכשיו, אנחנו רואים את השחקנים הגדולים במחשוב בענן – אמזון, גוגל, מיקרוסופט – מספקים לא רק את כוח העיבוד והנתונים לענן אלא גם שירותי בינה מלאכותית. חברות יכולות לרתום ולהשתמש בטכנולוגיות הללו כדי להרכיב פתרונות מונעי בינה מלאכותית.
שיפור חוויית המשתמש (UX) בעסקים וממשקים קלים לשימוש הגדילו גם הם באופן אקספוננציאלי את צמיחת הבינה המלאכותית. ככל שתוכנה קלה יותר לשימוש, כך היא תייצר יותר נתונים. וככל שניתן לנצל יותר נתונים כדי לאמן בינה מלאכותית, כך הפתרון יהיה טוב יותר. תוכנות עסקיות עברו לאחרונה תהליך של קונסומריזציה: התוכנה בה אנו משתמשים בעבודה מתפתחת להיות מהנה לא פחות מהתוכנה בה אנו משתמשים בחיינו האישיים. הרעיון של חוויית משתמש (UX) כמרכז המוקד בתוכנה עסקית סייע לדחוף טכנולוגיה זו קדימה וליצור הרבה התלהבות.
עם התלהבות מגיע הייפ
לאור כל ההתלהבות סביב בינה מלאכותית, חשוב לקבוע מה בדיוק אפשרי עם טכנולוגיה זו. גארטנר מפרסם מה שהם מכנים “מעגל ההייפ” שמשרטט מגמות טכנולוגיה כדי להראות אילו טכנולוגיות חמות עולות. ההייפ גובר ככל שהפתרונות מטפסים על מעגל ההייפ, ולאחר מכן מגיע לשיא ציפיות מוגזמות, ואז שוקע שוב כאשר הטכנולוגיה בהכרח מאבדת הייפ ונכנסת לתהום המתוסכלים. המטרה הסופית היא לעלות על העקום ולעלות על מדרון ההארה לתוך המישור הפוריות.
חלק מהטכנולוגיות לא מצליחות לעלות על המעגל ומסולקות לעד, אבל רבות מצליחות. הדוגמה למעלה היא הגרסה האחרונה של מעגל ההייפ, ויש בה למידה עמוקה שמוזכרת הרבה בצד העליון. ב-2009, מחשוב הענן היה בראש מעגל ההייפ. ראינו את אותו ההתנהגות מתרחשת אז כמו שאנחנו רואים עכשיו, אז מעניין להשוות את זה עם הטכנולוגיות היום המופיעות הרבה.
כאשר טכנולוגיה מקבלת הייפ מופרז, אנו רואים כל מיני מאמרים משונים נכתבים וסרטים איום עושים אודותיה. בין התוכניות כמו Westworld למאמרים המצביעים על כך שבינה מלאכותית תכתוב בקרוב רומנים טובים יותר מבני אדם, הדרך שבה בינה מלאכותית מצויירת בתקשורת ובתרבות הפופולרית היא לעיתים מבלבלת, ומשחקת על פחדים לגבי מה עלול להשתבש אם היא לא תישמר. קיים פחד מאוד אמיתי ומציאותי כי הבינה המלאכותית מהווה איום על האנושות.
Manifestation נפוצה של פחד זה היא הצוותים בשירות הלקוחות תוהים אם הם יידחקו ממקומות עבודה על ידי מכונות. כל השיח על בינה מלאכותית מחליפה בני אדם ואוטומטיזציה של תהליכים מפספסת את ההזדמנות האמיתית של איך בינה מלאכותית יכולה להיות טרנספורמטיבית.
ההזדמנות האמיתית עבור בינה מלאכותית במרכזי קשר
המון טכנולוגיה שהומצאה במקום העבודה הייתה מיועדת בדרך כלל לשימוש כדי לחסוך כסף. כעסקים, אנו מגייסים מקרים לקנייה של טכנולוגיה בהתבסס על חסכונות פוטנציאליים. אבל במקרה של בינה מלאכותית, רבים מהמקרים הללו מתבצעים בהתבסס על עליות פוטנציאליות בהכנסות במקום. עסקים לא שואלים איך בינה מלאכותית יכולה לחסוך להם כסף, אלא איך בינה מלאכותית יכולה להניב להם כסף. איך בינה מלאכותית יכולה לעזור לסוכני שירות לקוחות להמיר יותר לקוחות מתוכניות חינם לתוכניות בתשלום? איך בינה מלאכותית יכולה לעזור ללקוחות להבין את המוצרים בצורה טובה יותר כדי שיRenew?
זהו שינוי מעניין, השינוי הזה מהחיסכון בעלויות לייצוא הכנסות. זה מתרחש בצורה נאה עבור שירות הלקוחות, שמבצע שינוי דומה ממרכז עלויות למרכז הכנסות.
שירות לקוחות מתמTransform from a cost center to a revenue center
צוותי שירות הלקוחות מחזיקים בקשרים הראויים ביותר עם הלקוחות, הרבה לאחר שמכירת המפגש נחתמה והוזמן, אז כיצד נוכל לעזור להם לקיים שיחות טובות יותר ולקשר טוב יותר עם אותם לקוחות? למרות הקשרים הקרובים, כמות לא פרופורציונלית של שיח על בינה מלאכותית מתייחסת לפתרונות שמסירים את הסוכן שירות הלקוחות משיח ישיר בלקוחות במקום לקרב אותם יחד.
4 סוגי בינה מלאכותית עבור CX
הסטה מתייחסת ליוסצ'ים הבודדים לשאול בעיות חזרתיות וענות עליהם בטרם הם מבקשים. הטכנולוגיה מאריכה אינטראקציה עם סוכן תמיכה שלא מתרחש בפועל. זהו גישה לחיסכון בעלויות, ולא מנגנון להניב הכנסות.
בוטים מדמים חוויות שירות לקוחות אנושיות. עם זאת, כאשר אנו מודעים לחוויית הלקוח, אני חושב שבוטים הטובים ביותר מעבירים את זה שאנחנו מבינים שיש בוט בצד השני של הקו. בוטים טובים לא מנסים לדמות בני אדם, הם משלימים את ההזנה ומספקים ערך.
עיבוד או בינה עמוקה היא בדרך כלל לפנים של הסוכן. פתרונות אלה מצביעים על זיהוי והקלת בעיות כואבות. כמובן, קשה להצביע על מיקום שבו לקוחות נוטים להיתקע כי זה כולל אינדקס את כל הכרטיסים, מסווג אותם, מזהה נושאים, מגמות ורגשות. מכונות מתאימות יותר מאנשים לקבוצה ולנתח, כך שעיבוד AI מגיע בדרך כלל כאן לשחק.
אימון AI גם מתמקד בסוכנים ולא בלקוחות הסופיים. סוג זה של בינה מלאכותית נועד לעזור ולהעצים בני אדם להיות טובים יותר בעבודותיהם. זה נועד לסייע לסוכנים לקיים שיחות טובות יותר עם לקוחות כך שיוכלו לבלות יותר זמן ביצירת חוויות מפנקות במקום לחפש תשובות לשאלות. אימון הוא הדרך בה אנו מתבוננים ומבצעים בינה מלאכותית בגוּרוּ. העצמת בני אדם היא דרך נהדרת ליצור ערך לטווח ארוך עבור צוותי שירות לקוחות. טכנולוגיה זו של בינה מלאכותית מתמקדת 100% בעזרה לאנשים להיות טובים יותר במקום להחליף אותו.
5 השאלות החשובות לשאול את ספקי הבינה המלאכותית שלך
כאשר שוקלים פתרון בינה מלאכותית חדש, חשוב להבטיח שהיוזמה שאתה חושב עליה מתואמת בצורה הטובה ביותר להתקדם להצלחה. הנה חמש התחשבות לשקול לצד שאלות שאתה יכול לשאול ספקים במהלך שלב ההערכה.
1. אילו מדדים צריכים לצפות שהפתרון שלך ישפר?
שימו לב ל"ג'ק של כל העסקים". טעות שכמה מערכות בינה מלאכותית עושות היא לנסות לעשות יותר מדי. מערכות הבינה המלאכותית של היום יש להן רק את היכולת לעשות הרבה, מה שהופך את זה לקריטי שהן יתמקדו בפתרון בעיות ספציפיות. הנתוני ההכשרה שמשתמשת מערכת בינה מלאכותית כדי להנחות את ההמלצות שלה יש קשר ישיר להצלחתה. אם אתה מנסה לפתור שלושה או ארבעה בעיות עסקיות עם מערכת בינה אחת וסט נתונים להכשרה אחת, אתה צריך לצפות לתוצאות בינוניות.
השאלה לשאול כדי לקבל את הלב של בעיה זו היא “אילו מדדים צריכים לצפות שהפתרון שלך ישפר?” אתה צריך להבין את התוצאה הסופית וכיצד זה יחזור למדדים מהם אתה מודד ביצועים. אתה רוצה תשובה ספציפית כאן; היזהר מכל פתרון הטוען שהוא פותר שבעה או שמונה דברים בו זמנית. אם פתרון מתמקד ספציפית בתוצאה מסוימת, זה נותן לך סיכוי מצוין להצלחה. השקיעו במוצרים של בינה מלאכותית מתמקדים בפתרון בעיות ברורות עם גישה לנתונים יקרים לאימון.
2. מה יחלף על פני הלקוחות שלנו?
העצם את הסוכנים והלקוחות שלך. כל מערכת הבינה המלאכותית שאתה שוקל, יהיה מאוד ממוקד בחוויית הלקוח הסופית. לפורסטר יש דוח שמדבר על הסיכונים שחשופים חברות מלהנחית תנועת לקוחות (שיחה, טלפונים) במערכות בינה מלאכותית במקום בבני אדם במרוץ לחסוך כסף. בהנחה הזו בצורה אגרסיבית מדי, חברות נוטות להיתקל באובדן שיפור שביעות רצון לקוחות. אתה רוצה בינה מלאכותית כדי לעזור לך לחסוך כסף ולגרום להכנסות, אבל אתה בהחלט לא רוצה לעשות את זה על חשבון שביעות רצון הלקוחות.
שאלת “מה יחלף על פני הלקוחות שלנו?” תוכל לקבוע אם פתרון נוגע למחשבה כיצד אתה חושב על מתן חווית לקוח מצוינת. מה שהלקוח הסופי שלך הולך לראות כאשר הוא יתקשר עם כל מערכת צריך להיות הדאגה העיקרית שלך.
3. איך מערכת הבינה המלאכותית שלך לומדת ומשתפרת עם הזמן?
זהירות על ה"רוטב הסודי". שקיפות היא חשובה. ספקים צריכים להיות ברורים וישירים לגבי אילו נתונים הם אוספים ולמה. מערכות בינה מלאכותית נבנות מנותונים שאתה תספק להן, כך שזה מאוד חשוב בכל ספק בינה מלאכותית לומר לך אילו נתונים הוא ישתמש אי לכך, איך הנתונים הללו נשמרים ואורך הזמן שבו הנתונים הללו נשמרים.
שאלת "איך מערכת הבינה המלאכותית שלך לומדת ומשתפרת עם הזמן?” תקבל רמז לגבי קבוצות הנתונים שנדרשות לספק לבינה המלאכותית שלך על מנת לבצע את הדברים שלה.
4. איך נשמור את הידע שלנו מעודכן ומדויק?
בינה מלאכותית ללא ידע מעודכן תיכשל במרכזי קשר. זה קשור לרעיון על "ג'ק של כל העסקים". כשאתה חושב על הידע שקיים בסביבה שלך, זהו סיכום של הידע של המומחים שלך, של המוצרים שלך, של המערכות והליכים שלך, ואיך כל הדברים הללו עובדים יחד. כל בינה מלאכותית המניחה את הידע הזה צריכה לדעת כיצד להבטיח לך שהידע הזה יישמר מדויק ומעודכן.
יש מושג בבינה מלאכותית שנקרא המעגל הסגור. עם הזמן, הידע והדברים שאומנים אתמערכות הבינה המלאכותית שלך ישתנו כי המוצרים שלך משתנים; והטכנולוגיות שהמוצרים שלך תלויות ישתנו; ויבואו מתחרים חדשים לשוק שיצטרכו להסתגל; וכאשר הצוות שלך יגדל, אופן התמיכה יתכן וישתנה. עם כל השינוי הבלתי נמנע הזה, מהלא רוצה זה מערכת בינה מלאכותית שאין לה מעגל סגור טוב של התפתחות הלמידה שלה. תראה דוגמאות לכך כאשר מערכות הבינה המלאכותית מתחילה להחזיר מידע ירוד עם הזמן. כאשר המערכת מורידה את איכות הפלט, זו אינדיקציה שמראה שהיא לא לומדת ומתפתחת עם הארגון שלך.
הבעיה היא שאתה עשוי לא לראות את זה עד כמה חודשים, כאשר הידע מתחיל להתדרדר. אז שאלה גדולה לשאול מראש היא “איך נשמור את הידע שלנו מעודכן ומדויק?”
5. איך הפתרון שלך ישפר את העבודה של הסוכנים שלנו?
AI צריך להעצים אנשים, ולא להחליף אותם. וודא לשאול “איך הפתרון שלך ישפר את העבודה של הסוכנים שלנו?” על מנת לגלות מהם ההשפעות המיידיות של הפתרון הזה על החברה שלך. עם הזמן, יהיו הזדמנויות עמוקות לאוטומציה של משימות, אך נכון לעכשיו, חשוב לקבל תשובה לשאלה הזו שלא נשמעת ריקה מתוכן. מונחים כמו “אוטומציה” ו“סוכן וירטואלי” נוטים להצביע על פתרונות AI עם פחות יישומים מעשיים בטווח הקצר.
כי שוב, זה עדיין יחסית מוקדם. AI הוא עמוק ביכולתו ובהשפעתו לטווח הארוך, אך הוא עדיין רחוק מלהבין דברים כמו אמפתיה. אם תשים מערכת AI מול הלקוחות שלך ישירות כשהם עצבניים, מכונה לא תשפר את המצב. אלה הסוגים של שאלות שמוודאות שאתה חושב על התוצאה של המוצר בצורה הטובה ביותר.
מחשבות סופיות
כמו שהענן שינה הכל, ה-AI מהפכני לא רק עבור עסקים, אלא עבור כל בני האדם. בעוד שההייפ הוא עצום, והרבה אנשים מציגים בצורה שגויה את היכולות שלו, ישנם רווחים אמיתיים שאפשר להשיג היום אם אתה ממוקד בתוצאות הנכונות. במקום לחשוב על AI כעל “אוטומציה שלנו”, וליצור באופן סופי מעמד עליון של מכונות, מה אם במקום זאת נדבר על AI שעוזר לנו לגדול? AI שעוזר לנו להשתפר כבני אדם, הן אישית והן מקצועית? זו ההבנה שאנחנו צריכים לבצע והיא תהיה מאוד מרגשת לגבי מה שניתן להשיג עם הטכנולוגיה הזו.
למידע נוסף על שימוש ב-AI להעצמת בני אדם במוקד השירות שלך ובכל הארגון שלך (ותשובותיו של גורו לחמישה שאלות אלו), צור קשר info@getguru.com.
חוויית הפלטפורמה של Guru מהלך ראשון – קח את סיור המוצר האינטראקטיבי שלנו
