Czynniki wzrostu: przekształcanie potencjału sztucznej inteligencji w realne korzyści

Najważniejsze wnioski

Wartość kompleksowa jest generowana przez zmiany. Ogromne sukcesy w zakresie produktywności są podstawą. Wpływ osiąga się poprzez skupienie się na najważniejszych kwestiach związanych z rozwojem i ich rozwiązywaniem. Wykorzystujcie procesy robocze, a nie narzędzia. Ekspansję osiąga się poprzez mapowanie decyzji i przekazywanie zadań oraz umieszczanie agentów w punkcie zmiany, a nie przypisywanie ich do istniejących etapów. Nowa skala modelu operacyjnego. Kompleksowa transformacja wymaga międzyfunkcyjnych grup złożonych z ludzi i sztucznej inteligencji, nakładających się produktów danych i zarządzania, w którym agenci są postrzegani jako aktywa zarządzane jako talenty. Międzynarodowa sieć handlowa doświadczy wzrostu popytu na produkty wysokiej jakości w jednym obszarze i nadwyżki zapasów w innym. Zespół agentów AI może w ciągu kilku sekund realokować wydatki reklamowe, zoptymalizować ceny, przekierować zapasy i odświeżyć zasoby kreatywne, aby dostosować oferty do intencji kupujących. Kolejnym krokiem w tym przypadku jest skoordynowana praca uruchamiana przez sygnały od klientów oraz organizacja rozwoju działalności na miejscu. Nie jest to sytuacja wyimaginowana; jest to przyszłość sztucznej inteligencji w zakresie zwiększania funkcji. Sztuczna inteligencja agentyczna wprowadza automatyczne wnioskowanie do procesów marketingowych, sprzedażowych i obsługi klienta. Szacujemy, że liczba wdrożeń w marketingu i sprzedaży, które przyniosą większą wartość dzięki sztucznej inteligencji agentycznej, wyniesie ponad 60 procent. Wstępne dane wskazują, że sztuczna inteligencja może wygenerować nawet 2,6–4,4 biliona dolarów rocznej wartości, a aż 20 procent prognozowanego wzrostu wydajności dotyczy obszarów marketingu i sprzedaży. Marketing i sprzedaż są dosłownie czubkiem włóczni, jeśli chodzi o dostarczanie potencjału sztucznej inteligencji o charakterze agentycznym w postaci rzeczywistej wartości. Modele podstawowe sztucznej inteligencji generatywnej stanowią podstawę sztucznej inteligencji agencyjnej, która jest systemem zdolnym do działania w świecie rzeczywistym i ma zastosowanie w wykonywaniu wieloetapowych procesów. Automatyzacja i złożone zadania mogą być zautomatyzowane i wykonywane przez agenty sztucznej inteligencji przy pomocy przetwarzania języka naturalnego, które w przeciwnym razie byłyby wykonywane przez ludzi. Wpływ tego rozwiązania można już zaobserwować wśród pierwszych liderów. Przykładowo, na podstawie analizy oszacowano, że niektóre z 250 największych firm z listy Fortune odnotowują 15-krotne przyspieszenie tempa tworzenia i realizacji kampanii dzięki zwiększeniu tempa innowacji i optymalizacji procesów.

Możecie na przykład usprawnić ceny, przyspieszyć pozyskiwanie potencjalnych klientów, dostosować oferty i obsługiwać klientów aż do końca. Zyski mogą wzrosnąć, gdy organizacje w większym stopniu zaczną stosować sztuczną inteligencję agentyczną. Analizy wykazały, że właściwe i skalowane wdrożenia agentów mogą zapewnić wzrost wydajności o trzy do pięciu procent rocznie, a także spowodować wzrost o 10 procent lub nawet więcej. Jednak większość organizacji nie osiągnęła jeszcze znaczącej wartości AI. Prawie 8 na 10 z was nie odnotowuje żadnych istotnych korzyści finansowych wynikających z zastosowania AI, głównie z powodu ograniczeń związanych z fragmentarycznymi programami pilotażowymi, słabą jakością danych i brakiem wystarczających podstaw zarządzania. Liderzy, którzy osiągnęli przełom i wydobyli wartość z AI, przebudowują proces wzrostu, wdrażając agentów AI do swoich procesów. Dzięki doświadczeniu zdobytemu w różnych branżach organizacje, które dokonują przełomowych zmian i przekształcają potencjał sztucznej inteligencji w wyniki w marketingu i sprzedaży, wyciągnęły cztery wnioski:

Wpływ zaczyna się od miejsca, w którym agent może coś zmienić, czy to w zakresie konwersji, dokładności cenowej, czy też zaangażowania klienta, oraz zmobilizowania agentów do przyspieszenia tych wyników. Pomyśl o personalizacji jako o kwestii, która nie tylko została sprawdzona, ale ma również głębokie znaczenie. Badania wykazały, że 71 procent konsumentów oczekuje spersonalizowanych interakcji, a 76 procent odczuwa frustrację, gdy tak się nie dzieje. Wyniki personalizacji opartej na sztucznej inteligencji w zakresie zwiększenia satysfakcji klientów o 15 do 20 procent, wzrostu przychodów o 5 do 8 procent oraz zmniejszenia kosztów obsługi nawet o 30 procent są imponujące. Jest to możliwe dzięki sztucznej inteligencji agentycznej, która wykorzystuje rozumowanie kontekstowe i podejmowanie decyzji w czasie rzeczywistym, aby udoskonalać oferty, treści i doświadczenia przy każdej interakcji.

Historia sukcesu europejskiego ubezpieczyciela

Zgodnie z analizą europejski ubezpieczyciel na przykład na nowo zdefiniował swój proces sprzedaży, wykorzystując agentów AI, którzy dostosowali kampanie do setek mikrosegmentów, dostosowali skrypty do wskazówek kupujących i przeszkolili zespoły sprzedaży, korzystając z informacji zwrotnych w czasie rzeczywistym. Wynik:

• dwa do trzech razy wyższe współczynniki konwersji
• skrócenie czasu trwania rozmowy z obsługą klienta o jedną czwartą
• ciągłe cykle uczenia się, których skuteczność nie mogła dorównać przeglądom instrukcji

Studium przypadku linii lotniczych w USA

Podobne praktyki są stosowane przez inne organizacje z pomocą sztucznej inteligencji w celu poprawy jakości obsługi klienta poprzez zrozumienie, czego każdy klient oczekuje w następnej kolejności, i zaoferowanie tego w odpowiednim momencie. Amerykańska linia lotnicza zastosowała prognozy, stosując takie same odszkodowania za zakłócenia lotów, rozróżniając pasażerów często podróżujących od pasażerów podróżujących sporadycznie. Skutki:

• 210-procentowy wzrost liczby klientów z grup ryzyka
• 800-procentowy wzrost zadowolenia klientów
• 59-procentowy spadek odpływu klientów wśród podróżujących o wysokiej wartości

Aplikacje do dynamicznego ustalania cen

Ten sam rodzaj inteligencji znajduje również zastosowanie w obszarze poprawy cen. Możliwe jest, aby sztuczna inteligencja agenccka dostrzegała zmiany rynkowe, obliczała wyniki i natychmiast reagowała, zmieniając ceny lub redystrybuując zapasy w czasie rzeczywistym, w zależności od działań konkurencji, zmian konsumenckich lub prognoz popytu. Przykładem są linie lotnicze, które już wykorzystują sztuczną inteligencję do generowania niestandardowych pakietów opartych na taryfach, miejscach i opcjonalnych ofertach, które są dynamicznie aktualizowane w odpowiedzi na informacje na żywo, w tym trendy wyszukiwania, pogodę i zachowania związane z rezerwacjami.

Organizacje, które dostrzegają znaczący wkład w rozwój sztucznej inteligencji agentycznej, nie tylko wdrażają nowe agenty w celu usprawnienia bieżących zadań, ale także przeprojektowują przepływy pracy. Agenci stanowią wartość dodaną, gdy są stosowani w procesach i ścieżkach od początku do końca, zapewniając automatyzację i koordynację, ale gdy są stosowani w poszczególnych etapach, ich siła jest ograniczona.

Tradycyjne procesy można opisać jako przebiegające w jednym kierunku, zazwyczaj między działami: dział marketingu przekazuje pracę do działu sprzedaży, eskalacji do działu serwisowego i wyceny. W ciągu ostatnich kilku lat nastąpił ogromny postęp w każdej z tych funkcji dzięki integracji funkcji cyfrowych i analitycznych, a sztuczna inteligencja oparta na agencjach wykorzystuje te osiągnięcia, automatyzując i koordynując działania na poziomie zespołów i funkcji. Pokonując endemiczne problemy związane z koordynacją między skomplikowanymi silosami i przepływami pracy, organizacje mogą osiągnąć krótsze cykle, a także większą spójność i szybkość reakcji na skalę, której nie jest w stanie zapewnić żadna koordynacja ludzka. Co ważniejsze, sukces wymaga projektowania procesów w oparciu o agentów, a nie przypisywania agentów do starych procesów. Przykładowo, zamiast przydzielać agentów do pomocy działom obsługi klienta w szybszym odpowiadaniu na skargi, wiodące organizacje wykorzystują agentów do prognozowania potencjalnych problemów, wykonywania prewencyjnych połączeń do klientów przed zgłoszeniem i rozwiązywania sytuacji z wyprzedzeniem dzięki osobistym ofertom.

Transformacja europejskich ubezpieczycieli

Aby uzyskać jasny obraz tego, jak wyglądałoby to w praktyce, europejski ubezpieczyciel przedstawia jasną perspektywę tego samego. Zgodnie z analizą, w ciągu 16 tygodni firma przeprojektowała model komercyjny sieci połączonych agentów działających w całym obszarze obsługi klienta. Wynikające z tego ulepszenia:

• Agenci wiedzy scentralizowali ponad 1000 dokumentów dotyczących zasad i produktów, umożliwiając pracownikom pierwszej linii natychmiastowe znalezienie odpowiedniej odpowiedzi.
• Dzięki transkrypcji rozmów telefonicznych opartej na sztucznej inteligencji i ocenie przeprowadzonej przez agentów coachingowych 95 procent rozmów sprzedażowych zostało automatycznie sprawdzonych, w porównaniu z 3 procentami wcześniej.
• Funkcje te zostały zintegrowane przez agentów integracyjnych z dostępnym portalem CRM i portalem agenta — zgodnie z zasadami bezpieczeństwa pojedynczego logowania i oferując pulpity nawigacyjne wydajności w czasie rzeczywistym. Te systemy agencyjne łącznie spowodowały 25-procentowe skrócenie średniego czasu połączenia, zmniejszenie liczby ręcznie wykonywanych przekazów między działami oraz powstanie pętli informacji zwrotnej. To doświadczenie sprawiło, że agenci nieustannie ulepszali kolejne najlepsze działania, sekwencję wiadomości i dopasowanie produktów, aby nadążać za zmieniającymi się wymaganiami klientów.

Rodzaje agentów i role

Kompleksowa zmiana będzie wymagała stworzenia wartości za pomocą agentów AI, jednakże wymaga to dobrania odpowiedniego agenta do odpowiedniego zadania:

• agenci specyficzni dla danej domeny, którzy wykonują złożone, wrażliwe na kontekst działania
• agenci ogólni, którzy wykonują czynności takie jak synteza danych lub tworzenie treści
• agenci sprawdzający błędy
• agenci koordynujący, którzy koordynują i dostosowują cały system Najważniejszą rolę w tym przedsięwzięciu odgrywają ludzie. Są oni w stanie ściśle współpracować z agentami, nadzorując, sprawdzając i zajmując się problemami, które zgłaszają im agenci AI. Najbardziej zaawansowane firmy integrują te interakcje między ludźmi a agentami z adaptacyjnymi procesami roboczymi, które zmieniają się w każdej iteracji i w zależności od sygnałów od klientów.

Organizacje muszą przestać postrzegać sztuczną inteligencję jako dodatkowe narzędzie i zacząć traktować ją jako cyfrowego partnera. Oznacza to przypisanie agentom odpowiednich ról, odpowiednie wdrożenie ich do pracy i zarządzanie nimi w oparciu o jasne oczekiwania dotyczące wydajności — tak jak w przypadku ludzkich członków zespołu. Odpowiednie wskaźniki wydajności agentów AI różnią się jednak od konwencjonalnych wskaźników KPI dotyczących produktywności. Zamiast liczyć połączenia lub liczbę kampanii, organizacje osiągające najlepsze wyniki biorą pod uwagę kombinację różnych mierników:

• jakość rozmowy
• dokładność w wykonywaniu zadań
• dokładność w reagowaniu na eskalacje
• tempo uczenia się, które pokazuje zdolność agentów do przyswajania informacji zwrotnych i dostosowywania się do zmieniających się zachowań kupujących Wskaźniki te są stale monitorowane, ponieważ wszystkie działania agentów są rejestrowane i można je śledzić. Pulpity nawigacyjne w czasie rzeczywistym wskazują zmiany wydajności, porównują wyniki benchmarków z progami ludzkimi oraz wskazują, kiedy konieczne jest ponowne szkolenie lub kalibracja.

Studium przypadku amerykańskiego dewelopera budowlanego

Jeden z największych producentów domów w Stanach Zjednoczonych pokazuje, jak ta dyscyplina może przynieść efekty. Aby usprawnić komunikację online i rezerwację terminów, firma przeszkoliła przedstawicieli handlowych AI i nauczyła ich zachowywać się jak najlepsi sprzedawcy. Po przeanalizowaniu ponad 500 000 transkrypcji sprzedaży zidentyfikowano dziesiątki stanów rozmowy – powitanie, radzenie sobie z zastrzeżeniami, działania następcze, zamknięcie – oraz wzorce najczęściej związane z sukcesem. Na podstawie tych spostrzeżeń zespół stworzył persony agentów o charakterystycznych stylach, tempie i stylu rozmowy. Następnie wszystkie dialogi AI zostały porównane z ludzkimi wzorcami za pomocą agenta punktującego, który oceniał dokładność, personalizację i płynność. Panele kontrolne wykazały spadki i niezgodności tonów, co pozwoliło na szybkie dostrojenie. Wyniki:

• Wskaźnik konwersji na wizyty wzrósł trzykrotnie.
• liczba cotygodniowych spotkań wzrosła dwukrotnie
• najskuteczniejsi agenci wykazywali się empatią i płynnością działania podobną do ludzkiej

Ponieważ agenci przejmują procesy obejmujące marketing, sprzedaż i obsługę klienta, firmy powinny ponownie przemyśleć proces organizacji rozwoju. Historyczne podejście, w którym każda z funkcji działała w swojej izolacji, jest zastępowane podejściem zintegrowanym, w którym agenci koordynują swoje działania, dzielą się danymi i łączą całość doświadczeń klienta, aby stworzyć doświadczenie klienta od momentu uświadomienia sobie istnienia marki do lojalności. Projektowanie kampanii, konwersja potencjalnych klientów i interakcja z klientami nie są już sekwencją, ale jedną pętlą uczenia się. Nie da się tego zrobić bez nowego, hybrydowego modelu operacyjnego łączącego ludzi i sztuczną inteligencję. System ten obejmuje agentów odpowiedzialnych za koordynację i wdrażanie oraz ludzi odpowiedzialnych za strategię, kreatywność i kontrolę. Wszechstronny charakter zespołów ds. rozwoju polega na tym, że specjaliści ds. marketingu, sprzedawcy, przedstawiciele obsługi klienta i analitycy danych współpracują w oparciu o wspólne procesy i cele.

Fabryki agentów

Skalowanie wymaga od wiodących firm utworzenia fabryk agentów: specjalnych centrów, które industrializują proces tworzenia, wdrażania i regulacji agentów. Centra te formalizują architekturę wielokrotnego użytku, wspólne produkty danych oraz zabezpieczenia i zabezpieczenia zgodności. Standaryzowane agenty, które tworzą, są zarezerwowane dla interesariuszy, obowiązków opartych na rolach, w taki sposób, że:

• główni agenci planują pracę
• agenci wykonujący czynności
• Agenci ds. kontroli jakości i zgodności nadzorują wydajność Przykładem tej strategii jest kilka globalnych banków, które podjęły decyzję o utworzeniu fabryk agentów w celu przebudowy swoich działań w zakresie należytej staranności. Każda fabryka ma własne zespoły agentów, które zajmują się poszczególnymi etapami, w tym ekstrakcją danych, walidacją i zapewnieniem jakości, co minimalizuje liczbę czynności wykonywanych ręcznie oraz zwiększa dokładność i kontrolę.

Przykład producenta artykułów outdoorowych

Jeden z głównych północnoamerykańskich producentów artykułów outdoorowych zastosował te same zasady w swoim podejściu do obsługi klienta. Jak wykazała analiza ponad 30 000 zgłoszeń serwisowych i transkrypcji rozmów telefonicznych, firma przeprojektowała tę funkcję, aby agenci zajmowali się diagnozowaniem, pobieraniem danych i podsumowywaniem, a leczenie skoncentrowane na człowieku pozostawić ludziom. Wdrożenie zakończyło się sukcesem dzięki dostosowanemu planowi zarządzania zmianami, który obejmował szkolenie liderów w zakresie pulpitów KPI, pracowników pierwszej linii w zakresie pomocy roboczych w przepływie pracy wspomaganym przez sztuczną inteligencję oraz personelu technicznego w zakresie konserwacji i dostosowywania modeli. Trwałe pętle informacji zwrotnych i wspólny pulpit nawigacyjny zapewnią, że zarówno agenci ludzcy, jak i cyfrowi będą nastawieni na osiągnięcie krótszego czasu rozwiązywania problemów, większej satysfakcji i wymiernego wzrostu przychodów.

Transformacja zdolności ludzkich

W miarę ewolucji takich systemów czynnikiem wyróżniającym stają się umiejętności ludzkie. Ludzie nie wykonują już zadań, ale zarządzają nimi, udoskonalają i ulepszają sposób ich wykonywania. Kierownicy i specjaliści powinni zostać przeszkoleni w zakresie delegowania zadań agentom, sprawdzania wyników, identyfikowania wyjątków i kierowania procesami uczenia się. Nowe kompetencje, w tym terminowe projektowanie, monitorowanie wyników i kontrola eskalacji, szybko stają się częścią obecnych funkcji związanych z rozwojem. Znaczna liczba organizacji już teraz dąży do regularnego wykorzystywania sztucznej inteligencji przez 25 do 50 procent pracowników, co stanowi dobry wskaźnik tego, że umiejętność współpracy z AI staje się przewagą biznesową.

Rok później, w erze sztucznej inteligencji agentycznej, wniosek jest oczywisty: rozwój nie będzie polegał na tworzeniu nowych narzędzi, ale raczej na sposobie, w jaki liderzy będą je wdrażać i stosować. Przewaga konkurencyjna nie będzie zależała od liczby agentów zatrudnionych przez firmę, ale od ich projektu, zarządzania i efektywności skali. Nowe sposoby myślenia są już wdrażane w firmach, które przodują w tej dziedzinie. To dopiero początek transformacji, jaką spowoduje sztuczna inteligencja. Wkrótce pojawią się poważniejsze pytania, takie jak:

• Kiedy twój agent sprzedaży negocjuje z agentem zakupowym twojego klienta, w jaki sposób twoja firma może się wyróżnić?
• Jeśli realizacja jest standaryzowana, co masz do zaoferowania jako marka?
• Jak zamierzasz utrzymać odpowiedzialność i kontrolę w przypadku przepływu pracy między silosami? To jest era testów przywództwa opartego na agencie. Już wkrótce głównym pytaniem kierowanym do liderów nie będzie już to, co ten agent może nam dać, ale jakie wyniki zamierzam dzięki niemu osiągnąć i jak mogę najlepiej wykorzystać przestrzeń, którą zapewnia, aby umożliwić ludziom jeszcze lepsze wykonywanie zadań, które tylko oni potrafią wykonać? Im szybciej organizacje włączą sztuczną inteligencję do procesów marketingowych, sprzedażowych i obsługi klienta, tym szybciej będą w stanie znaleźć odpowiedzi na te ważniejsze pytania.