Kasvu edendajad: AI potentsiaali mõjuks muutmine

Olulisemad järeldused

Muutused loovad läbiva väärtuse. Suur tootlikkuse kasv on tavaline asi. Mõju saavutatakse, keskendudes suurimatele kasvuprobleemidele ja neid lahendades. Kopeerige tööprotsesse, mitte tööriistu. Laienemine saavutatakse otsuste ja üleminekute kaardistamise ning agentide paigutamisega muutuste punkti, mitte nende lisamisega olemasolevatele etappidele. Uus tegevusmudeli ulatus. Läbiv muutus eeldab funktsioonidevahelisi inimeste ja tehisintellekti rühmi, kattuvaid andmetoodeteid ja juhtimist, kus agenteid vaadeldakse talentidena hallatavate varadena. Rahvusvaheline jaemüüja kogeb ühes piirkonnas kõrgekvaliteediliste toodete nõudluse kasvu ja teises piirkonnas ülemääraseid varusid. AI-agentide meeskond suudab sekundite jooksul ümber jaotada reklaamikulusid, optimeerida hindu, ümber suunata varusid ja uuendada loomingulisi vahendeid, et need vastaksid ostjate soovidele. Järgmine samm on selles juhul koordineeritud töö, mis käivitatakse klientide signaalide ja kohapealse äri kasvu korraldamise abil. See ei ole väljamõeldud olukord, vaid AI tulevik funktsioonide laiendamisel. Agentsusega tehisintellekt paigutab automatiseeritud järelduste tegemise turunduse, müügi ja klienditeeninduse protsessidesse. Me hindame, et agentsusega tehisintellekti kasutades loob turunduses ja müügis rohkem väärtust üle 60 protsendi rakendustest. Esialgsed tõendid näitavad, et geneetiline tehisintellekt võib vabastada kuni 2,6–4,4 triljoni dollari väärtuses aastas ning kuni 20 protsenti prognoositavast tootlikkuse kasvust on seotud turunduse ja müügiga. Turundus ja müük on sõna otseses mõttes esirinnas, kui tegemist on agentuurse tehisintellekti potentsiaali kvaliteetse realiseerimisega reaalses väärtuses. Gen AI alusmudelid on agendilise AI aluseks, mis on süsteem, mis suudab tegutseda reaalses maailmas ja on rakendatav mitmeastmeliste protsesside läbiviimisel. Automaatika ja keerulised ülesanded, mida muidu teeksid inimesed, saab automatiseerida ja teha AI agentide abil loomuliku keele töötlemise abil. Mõju on juba näha varajaste liidrite seas. Näiteks on analüüsi põhjal hinnatud, et mõned Fortune 250 ettevõtted kogevad kampaaniate loomise ja elluviimise kiiruse 15-kordset kiirenemist tänu innovatsiooni ja protsesside optimeerimise kiiruse suurenemisele.

Nad saavad näiteks hindu ühtlustada, potentsiaalseid kliente edasi suunata, pakkumisi kohandada ja kliendisuhteid lõpuni viia. Kasum võib kasvada, kui organisatsioonid hakkavad aktiivselt kasutama agendil põhinevat tehisintellekti. Analüüsid on näidanud, et agendite õige ja mõõdetud kasutuselevõtt võib anda tootlikkuse kasvu 3–5% aastas ning võib kaasa tuua ka 10% või isegi suurema kasvu. Enamik organisatsioone ei ole siiski veel saavutanud AI mõtestatavat väärtust. Peaaegu 8 organisatsiooni 10-st ei ole üldiselt AI-st olulist kasu saanud, peamiselt seetõttu, et pilootprogrammid on killustatud, andmed on puudulikud ja puudub piisav juhtimisalane baas. Juhid, kes on läbinud murrangulise arengu ja saanud AI-st kasu, kujundavad ümber kasvu protsessi, võttes oma protsessi kasutusele AI-agendid. Tööstusharude kogemuste põhjal on neli õppetundi, mida on õppinud organisatsioonid, kes teevad läbimurdeid ja muudavad agentuurse tehisintellekti lubadused tulemuslikuks turunduses ja müügis:

Mõju algab kohast, kus agent saab midagi muuta, olgu see siis konversioon, hindade täpsus või kliendi kaasamine, ning agentide mobiliseerimisest, et neid tulemusi kiirendada. Mõelge personaliseerimise teemale, kus võimalus ei ole ainult katsetatud, vaid ka sügav. Uuringud on näidanud, et 71 protsenti tarbijatest ootab personaliseeritud suhtlust ja 76 protsenti on pettunud, kui seda ei toimu. Tulemused, mis on saavutatud AI-personaliseerimise abil, on muljetavaldavad: klientide rahulolu on kasvanud 15–20 protsenti, tulud on kasvanud 5–8 protsenti ja teeninduskulud on vähenenud kuni 30 protsenti. See on võimalik agentuurse tehisintellekti abil, mis rakendab kontekstuaalset mõtlemist ja reaalajas otsuste tegemist, et täiustada pakkumisi, sisu ja kogemusi iga interaktsiooni puhul.

Euroopa kindlustusandja edulugu

Analüüsi kohaselt ümberdefineeris üks Euroopa kindlustusandja oma müügiprotsessi, kasutades AI-agente, kes kohandasid kampaaniaid sadades mikrosegmentides, kohandasid skripte ostjate märguannete järgi ja koolitasid müügimeeskondi reaalajas tagasisidega. Tulemus:

• kaks kuni kolm korda suurem konversioonimäär
• vähendage klienditeeninduse kõne pikkust veerandi võrra
• pidevad õppetsüklid, mille efektiivsust käsiraamatute läbivaatamine ei suutnud võrrelda

USA lennufirma juhtumiuuring

Sarnaseid meetodeid rakendavad ka teised organisatsioonid, kasutades AI abi, et parandada klientide kogemust, mõistes, mida iga klient järgmisena soovib, ja pakkudes seda õigel ajal. USA lennufirma rakendas ennustavaid järeldusi, kohaldades lennuhäirete korral sama hüvitist, eristades sagedasi reisijaid ja juhuslikke reisijaid. Mõju:

• 210 protsenti suurenenud riskirühma kuuluvate klientide sihtimine
• 800 protsenti suurenenud klientide rahulolu
• 59 protsenti vähem kõrge väärtusega reisijate lahkumist

Dünaamilised hinnakujunduse rakendused

Sama tüüpi intelligentsust kasutatakse ka hindade parandamisel. On võimalik, et agentslik AI tajub turumuutusi, arvutab tulemused ja reageerib kohe, muutes hindu või jaotades varusid ümber reaalajas, sõltuvalt konkurentide tegevusest, tarbijate muutustest või nõudluse prognoosidest. Näiteks lennufirmad, kes juba kasutavad agendil põhinevat tehisintellekti, et luua kohandatud pakette, mis põhinevad hindadel, istekohtadel ja valikulistel pakkumistel, mida uuendatakse dünaamiliselt, et reageerida reaalajas teabele, sealhulgas otsingutrendid, ilm ja broneerimiskäitumine.

Organisatsioonid, kes näevad agentuurse tehisintellekti olulist panust, ei rakenda lihtsalt uusi agente praeguste ülesannete täiustamiseks, vaid kujundavad töövood ümber. Agendid lisavad väärtust, kui neid rakendatakse terviklikele protsessidele ja teekondadele, lisades automatiseerimise ja koordineerimise piiratud tugevuse, kuid kui neid rakendatakse üksikutele etappidele, on nende tugevus piiratud.

Traditsioonilisi protsesse võib kirjeldada ühesuunalise voona, mis tavaliselt kulgeb osakondade vahel: turundusosakond edastab töö müügiosakonnale, eskalatsioon teenindusosakonnale ja hinnakujundusosakonnale. Kõigi nende funktsioonide areng on viimastel aastatel olnud tohutu, tänu digitaalse ja analüütilise funktsionaalsuse integreerimisele ning agentuurse tehisintellekti arendamisele, mis tugineb nendele edusammudele, automatiseerides ja koordineerides tegevusi meeskonna ja funktsionaalse tasandi tasandil. Ületades keeruliste silode ja töövoogude vahelise koordineerimise endeemilised probleemid, võivad organisatsioonid saavutada lühemad tsükliajad, lisaks suurema järjepidevuse ja reageerimisvõime, mida ükski inimeste koordineerimine ei suuda pakkuda. Veelgi olulisem on see, et edu saavutamiseks on vaja protsessi kujundada agentide põhjal, mitte lisada agente vanadele protsessidele. Näiteks, selle asemel, et määrata agente abistama klienditeenindusosakondi nende kaebuste kiiremaks lahendamiseks, kasutavad juhtivad organisatsioonid agente võimalike probleemide prognoosimiseks, ennetavate kõnede tegemiseks kliendile enne kõnet ja olukordade eelneva lahendamise jaoks oma isiklike pakkumistega.

Euroopa kindlustusandjate ümberkujundamine

Et saada selge pilt sellest, kuidas see praktikas toimiks, annab Euroopa kindlustusandja selge ülevaate sellest. Analüüsi kohaselt kujundas ettevõte 16 nädala jooksul ümber kogu kliendikogemuse vältel tegutseva ühendatud agentide võrgustiku ärimudeli. Saadud parandused:

• Teadmiste haldurid olid koondanud enam kui 1000 poliitika- ja tootedokumenti, mis võimaldasid esmatasandi töötajatel leida kohe asjakohase vastuse.
• AI-põhine kõnede transkriptsioon ja hindamine treenerite poolt tõi kaasa selle, et 95 protsenti müügikõnedest vaadati läbi automaatselt, võrreldes varasema 3 protsendiga.
• Need funktsioonid integreeriti integratsiooniagentide poolt olemasolevasse CRM-i ja agendi portaali, järgides ühekordse sisselogimise turvapoliitikat ja pakkudes reaalajas toimivuse armatuure. Need agendilised süsteemid kokkuvõttes vähendasid keskmist kõne kestust 25 protsendi võrra, vähendasid käsitsi tehtud ristfunktsionaalsete üleminekute arvu ja loovad tagasiside ringi. See kogemus sundis agente jätkuvalt parandama järgmisi parimaid tegevusi, sõnumite järjestust ja toodete sobitamist, et pidada sammu muutuva kliendinõudlusega.

Agendi tüübid ja rollid

Lõplik muudatus nõuab väärtuse loomist AI-agentide abil, kuid selleks on vaja õiget agenti õigele ülesandele:

• domeenispetsiifilised agendid, mis teostavad keerukaid, kontekstist sõltuvaid toiminguid
• üldised agendid, kes teostavad selliseid toiminguid nagu andmete sünteesimine või sisu loomine
• veakontrolli agendid
• koordineerimisagendid kogu süsteemi koordineerimiseks ja ühtlustamiseks Selles ettevõtmises on kõige olulisem roll inimestel. Nad suudavad tihedalt koostööd teha agentidega, et jälgida, kontrollida ja käsitleda probleeme, mida AI-agendid neile esitavad. Kõige arenenumad ettevõtted integreerivad need inimese ja agendi vahelised interaktsioonid adaptiivsetesse töövoogudesse, mis muutuvad iga iteratsiooni ja kliendi signaali järel.

Organisatsioonid peavad loobuma agentuurse tehisintellekti käsitlemisest lisavahendina ja hakkama neid pidama digitaalseteks partneriteks. See tähendab agentide rollide määramist, nende asjakohast kaasamist ja juhtimist selgete tulemusootustega – just nagu inimestest koosneva meeskonna liikmete puhul. AI-agentide tulemuslikkuse asjakohased mõõdikud erinevad siiski tavapärastest tootlikkuse KPI-dest. Kõnede või kampaaniate arvu loendamise asemel võtavad parimaid tulemusi saavutavad organisatsioonid arvesse mitmeid näitajaid:

• vestluse kvaliteet
• täpsus ülesannete täitmisel
• täpsus eskalatsiooni vastamisel
• õppimiskiirus, mis näitab agentide võimet omandada tagasisidet ja kohaneda muutuva ostjate käitumisega Neid näitajaid jälgitakse pidevalt, kuna kõik agentide tegevused salvestatakse ja on jälgitavad. Reaalajas töötavad juhtpaneelid näitavad tulemuslikkuse muutusi, võrdlevad võrdlusaluseid tulemusi inimese künnisega ja näitavad, millal on vaja uuesti koolitada või kalibreerida.

USA elamuehitaja juhtumiuuring

Üks suurimaid elamuehitajaid USAs näitab, kuidas see distsipliin võib tulemusi anda. Et parandada veebisuhtlust ja kohtumiste broneerimist, koolitas ettevõte tehisintellekti müügiesindajaid ja õpetas neid käituma nagu oma parimad müügiesindajad. Kui analüüsiti üle 500 000 müügikõne transkripti, tuvastati kümneid vestlusolukordi – tervitamine, vastuväidete käsitlemine, järelkontroll, tehingu sõlmimine – ning millised mustrid on kõige sagedamini seotud eduga. Nende teadmiste põhjal lõi meeskond agentide personaazhid, millel oli iseloomulik stiil, tempo ja vestlusviis. Seejärel võrreldi kõiki AI-dialooge inimeste baasjoontega hindamisagendi abil, mis hindas täpsust, personaliseeritust ja voolu. Dashboardid näitasid langusi ja tooni mittevastavusi, mis võimaldasid kiiresti häälestada. Tulemused:

• Konversioonimäär kohtumisteks on kasvanud kolm korda
• nädalased kohtumised suurenesid kaks korda
• kõige tõhusamad agendid näitasid inimlikku võrdset empaatiat ja voolu

Kuna agendid võtavad enda kanda turunduse, müügi ja klienditeeninduse vahelised töövood, peaksid ettevõtted ümber mõtlema kasvu korraldamise protsessi. Ajalooline lähenemisviis, mille kohaselt iga funktsioon töötas oma silos, asendatakse integreeritud lähenemisviisiga, kus agendid koordineerivad oma tegevusi, jagavad andmeid ja ühendavad kogu kliendikogemuse, et luua kliendikogemus teadlikkuse ja lojaalsuse vahelisel ajal. Kampaaniate kujundamine, potentsiaalsete klientide konverteerimine ja klientidega suhtlemine ei ole enam järjestikused protsessid, vaid moodustavad ühe õppimistsükli. Seda ei ole võimalik teha ilma uue, hübriidse inimese-AI töömudelita. See süsteem hõlmab agente, kes tegelevad koordineerimise ja rakendamisega, ning inimesi, kes pakuvad strateegiat, loovust ja kontrolli. Kasvumeeskondade ristfunktsionaalne olemus on üles ehitatud nii, et turundajad, müüjad, klienditeenindajad ja andmeteadlased töötavad koos ühiste töövoogude ja eesmärkide alusel.

Agendi tehased

Skaalimine eeldab, et juhtivad ettevõtted loovad agentide tehased: spetsiifilised keskused, mis industrialiseerivad agentide loomise, kasutuselevõtu ja reguleerimise protsessi. Need keskused vormistavad taaskasutatava arhitektuuri, ühised andmetooted ning turvalisuse ja vastavuse kaitsemeetmed. Nende poolt loodud standardiseeritud agendid on reserveeritud sidusrühmadele, rollipõhistele kohustustele, nii et:

• juhtivad agendid planeerivad töö
• praktiseerivad agendid teostavad tegevusi
• Kvaliteedikontrolli ja vastavuse agentuurid jälgivad tulemuslikkust Selle strateegia näideteks on mitmed globaalsed pangad, kes on asunud looma agentide tehaseid, et ümber kujundada oma hoolsuskohustuse täitmist. Igal tehases on oma agentide rühmad, kes töötlevad üksikuid samme, sealhulgas andmete väljavõtmist, valideerimist ja kvaliteedi tagamist, mis vähendab käsitsi tehtavate sammude arvu ja parandab täpsust ja kontrolli.

Näide välistingimustes elustiili tootja kohta

Üks Põhja-Ameerika suurimaid välistingimustes kasutatavate toodete tootjaid kasutas samu põhimõtteid oma lähenemisviisis klienditeenindusele. Nagu analüüs näitas, kujundas ettevõte pärast üle 30 000 teeninduspiletite ja kõne transkriptide analüüsimist funktsiooni ümber, et agendid tegeleksid diagnoosimise, andmete hankimise ja kokkuvõtete tegemisega ning jätaksid inimkeskse ravi inimestele. Rakendamine on olnud edukas tänu kohandatud muutuste juhtimise plaanile, mis hõlmas juhtide koolitamist KPI-dashboardide kasutamisel, esmatasandi töötajate koolitamist AI-abistatud töövoo tööabivahendite kasutamisel ning tehnilise personali koolitamist mudelite hooldamisel ja häälestamisel. Püsivad tagasiside tsüklid ja ühine juhtpaneel tagavad, et nii inimesed kui ka digitaalsed agendid on suunatud kiirema lahenduse leidmisele, suuremale rahulolule ja mõõdetavale tulude kasvule.

Inimvõimete transformatsioon

Selliste süsteemide arenedes muutub eristavaks teguriks inimeste võimekus. Inimesed ei tee enam tööd, vaid juhivad, täiustavad ja parandavad töö tegemise viisi. Juhtidele ja spetsialistidele tuleks õpetada, kuidas delegeerida ülesandeid agentidele, kontrollida tulemusi, tuvastada erandid ja suunata õppetsükleid. Uued pädevused, sealhulgas õigeaegne disain, tulemuste jälgimine ja eskalatsiooni kontroll, on kiiresti muutumas osaks praegustest kasvufunktsioonidest. Märkimisväärne hulk organisatsioone püüab juba kasutada agendilist tehisintellekti 25–50 protsendi töötajate puhul regulaarselt, mis on hea näitaja sellest, et võime tehisintellektiga koostööd teha on muutumas äri eeliseks.

Aasta hiljem, agendilise tehisintellekti ajastul, on õppetund nüüd selge: areng ei seisne mitte tööriistade kasvus, vaid pigem selles, kuidas juhid neid kehtestavad ja rakendavad. Konkurentsieelis ei sõltu mitte ettevõtte poolt turule toodud agentide arvust, vaid nende disainist, haldusest ja mastaabisäästlikkusest. Uued mõtteviisid on juba rakendatud juhtivates ettevõtetes. See on alles algus muutustele, mida agentuurne tehisintellekt kaasa toob, varsti tekivad suuremad küsimused, nagu näiteks:

• Kui teie müügiesindaja peab läbirääkimisi teie kliendi ostuagendiga, kuidas teie ettevõte silma paistab?
• Kui tegevus on standardiseeritud, mida saate oma brändina pakkuda?
• Kuidas säilitate vastutuse ja kontrolli töövoo silode ületamisel? See on juhtimise agentuurse ajastu test. Varsti ei ole juhtide peamine küsimus enam see, mida see agentuur meile teha saab, vaid milliseid tulemusi ma sellega saavutada tahan ja kuidas ma saan selle pakutavat ruumi kõige paremini ära kasutada, et inimesed saaksid teha seda, mida ainult nemad oskavad, veelgi paremini? Mida kiiremini organisatsioonid integreerivad agendilise tehisintellekti turunduse, müügi ja klienditoe protsessidesse, seda kiiremini suudavad nad leida vastused nendele suurematele küsimustele.