لماذا سيفشل الجيناي بدون الحوكمة في دعم المؤسسات

فرق دعم المؤسسات تستثمر بكثافة في الجيناي مع توقع أن يؤدي ذلك إلى إعادة توجيه التذاكر وتقليل وقت التعامل وتقليل التكلفة لكل حالة. ومع ذلك ، في العديد من المنظمات ، يزداد التواصل مع أنظمة الذكاء الاصطناعي بينما تظل معدلات الإعادة والاتصالات المتكررة وأجمالي عدد الحالات دون تغيير.

الجيناي في دعم المؤسسات لن يفشل لأن النماذج ضعيفة. سيفشل لأن معظم التطبيقات لا يتم تزويدها بالمحتوى البياني القوي والإرشادات الاستراتيجية التي تحتاجها للنجاح. بدون حوكمة مناسبة وشفافية ومساءلة متأصلة في الأنظمة والعمليات التطبيقية ، يصبح الذكاء الاصطناعي طبقة غير مُدارة من المخاطر التشغيلية التي تؤدي إلى تفاعلات غير متسقة وتضخيم الأخطاء وتسليم نتائج أسوأ للعملاء. أداة كان من المفترض أن تحسن طبقة التفاعل مع العملاء وفرق العمل في المؤسسة تصبح عائقًا.

مع اندفاع فرق دعم المؤسسات لاعتماد الجيناي ، يركز معظم التطبيقات على البوتات المحادثية والإجابات الآلية وقدرات المساعدة الآلية. وقد أدى العجلة في التطبيق إلى إنتاج أنظمة غير متصلة تبدو مبتكرة على السطح ولكنها تكافح لتقديم نتائج متسقة للعملاء ومتغيرات الأداء في المؤسسة والخط الأساسي.

في هذه العملية المتسارعة ، غالبًا ما لا يتم طرح السؤال الحقيقي: كيف يمكننا قياس ما إذا كان الجيناي يؤثر بشكل قابل للقياس ، أو مجرد محتوى إضافي على نطاق واسع؟

تخفق العديد من عمليات نشر الجيناي في بيئات الدعم لثلاثة أسباب أساسية. يتم تقديم الإجابات المُنشأة بدون إشارات ثقة واضحة أو ضوابط متسقة. نادرًا ما يتم ربط التفاعلات مع الذكاء الاصطناعي بنتائج قابلة للقياس مثل إعادة توجيه الحالات أو وقت الحل أو رضا العملاء. كما أن المنظمات تفتقر إلى الرؤية فيما إذا كان أعضاء الفريق يثقون بالنظام أو يستخدمونه في سير عملهم اليومي. النتيجة هي ذكاء اصطناعي يبدو مقنعًا في العرض التوضيحي ولكنه ينهار تحت الضغط التشغيلي الحقيقي.

قادة الدعم لا يحتاجون إلى مزيد من المحتوى المُنشأ. إنهم يحتاجون إلى تحسينات قابلة للقياس يمكنهم التنبؤ بها والدفاع عنها ، مثل تقليل مستمر في عدد الحالات ، وتقليل وقت الحل ، وزيادة الحل في الاتصال الأول ، وتحسين رضا العملاء ، وتقليل التكلفة لكل تذكرة ، وزيادة إنتاجية الوكيل. التأثير التجاري المتوقع يعني معرفة أن الذكاء الاصطناعي عندما يتم تطبيقه ، سيقلل بشكل موثوق من حالات الإعادة ، أو يؤدي إلى إعادة توجيه جزء قابل للقياس من التذاكر ، أو ي缩ص وقت التعامل في نطاق محدد ، وليس مجرد توليد المزيد من الإجابات.

من الاحتكاك مع العملاء إلى العواقب التشغيلية

عندما تكون الحوكمة غير موجودة ، يظهر التأثير بسرعة في المترات. قد تولد البوتات المحادثية إجابات على نطاق واسع ، ولكن إذا كانت تلك الإجابات صحيحة فقط جزئيًا ، فإن العملاء إعادة فتح التذاكر أو يرفعونها. يمكن أن يمحو زيادة 5-10 في المائة في الحالات المفتوحة مرة أخرى المكاسب المتوقعة في الكفاءة ويدفع انخفاضًا قابلًا للقياس في رضا العملاء. ما يبدو تلقائيًا على الورق يصبح إعادة عمل في الممارسة.

الصعوبة تكمن في أن العديد من المنظمات تقيس النشاط بدلاً من النتائج. يمكنهم الإبلاغ عن عدد جلسات البوتات المحادثية أو كيفية استخدام الوكلاء لكتابة المساعدة الآلية. ومع ذلك ، غالبًا ما لا يستطيعون الإبلاغ بدقة عن ما إذا كانت تلك التفاعلات خفضت الطلب على فرق بشرية. بدون ربط البيانات المحادثية مباشرة بالبيانات المتعلقة بإنشاء الحالات ، لا يمكن للقادة تحديد ما إذا كان الذكاء الاصطناعي يلغي العمل أو يضيف فقط نقطة اتصال أخرى إلى رحلة العميل.

قياس ما يهم

في دعم المؤسسات ، يكون التأثير المهم مرئيًا عندما يحتاج عدد أقل من العملاء إلى إنشاء حالات بعد التفاعل مع النظام. إذا ما زالت حالات الإعادة تتبع التفاعل مع وكلاء الذكاء الاصطناعي ، فإن ذلك النتيجة يكشف عن وجود فجوات في المعرفة البيانية أو قيود في الاستجابة. يتطلب فهم هذه الأنماط ربط حواجز الذكاء الاصطناعي بالمتغيرات الداعمة لاحقًا ودراسة ما يحدث بعد كل تفاعل.

هذه الرؤية تغير كيف يتم تقييم الأنظمة التوليدية. عندما يتم تحليل بيانات المحادثة وبيانات التذاكر معًا ، يمكن للمنظمات تحديد التي تدفقات تعمل وتلك التي تتطلب تحسينًا. يصبح الارتباط وحده غير كافٍ كوسيلة لقياس النجاح ؛ فقط تقليل الحمل العمل الفعلي يُظهر التقدم الحقيقي.

الحوكمة كمتطلب تشغيلي

الحوكمة ليست وثيقة. إنها مجموعة من القرارات التشغيلية المتعمدة. يجب على قادة الدعم أن يطالبوا بأن تكون كل استجابة للذكاء الاصطناعي مدعومة بمصادر معرفة معتمدة ومرفقة بمعيار قابل للقياس للثقة. يجب عليهم تحديد قواعد واضحة لماذا يمكن للذكاء الاصطناعي حل قضية بشكل مستقل ومتى يجب أن يرفعها إلى وكيل بشري. يجب عليهم ربط كل تطبيق بأهداف محددة مثل تقليل عدد الحالات أو تحسين الحل في الاتصال الأول أو تقليل متوسط وقت التعامل ، ومراجعة تلك المترات باستمرار. إذا لم يكن يمكن قياس الذكاء الاصطناعي مقابل النتائج التشغيلية ، فلا ينبغي اعتباره جاهزًا للاستخدام مع العملاء الحقيقيين في سير العمل اليومي.

تعتبر الحوكمة ضرورية لنجاح الذكاء الاصطناعي في دعم المؤسسات. يجب على قادة الدعم تحديد المترات قبل التطبيق ، وليس بعده. يجب عليهم وضع أهداف محددة لتحويل الحالات وتقليل وقت التعامل ورضا العملاء ، ومراجعة الأداء بنفس القسوة المطبقة على أي استثمار تشغيلي آخر. إذا لم تتحرك الأرقام ، يجب تعديل النظام أو تقييده.

من التحسين إلى التغيير الهيكلي

مع تضييق الميزانيات التكنولوجية ، يتم استعراض استثمارات الذكاء الاصطناعي جنبًا إلى جنب مع كل بند آخر. القيادة لا تنظر إلى معدلات المشاركة في البوتات المحادثية. إنهم ينظرون إلى ما إذا كان عدد الحالات منخفضًا ربع سنوي ، وما إذا كان متوسط وقت التعامل قد انخفض ، وما إذا كان الحل في الاتصال الأول قد تحسن ، وما إذا كانت التكلفة لكل تذكرة أقل بشكل ملموس.

إذا لم تتحرك تلك الأرقام ، يكون التأثير فورياً. يتم تأجيل توسيع خطوط المنتجات الإضافية. لا تتحقق وفورات الموظفين التي تم توقعها. يطرح التمويل تساؤلات حول التجديد. ما بدأ كمبادرة إستراتيجية للذكاء الاصطناعي يصبح تجربة محصورة بتمويل ومراقبة تنفيذية مخفضة. الجيناي بدون رفع تشغيلي واضح قد يجعل الدعم يبدو مبتكرًا ، ولكنه يصبح صعبًا التبرير في الدورة التالية للميزانية.

سوف لن يحدد نجاح الجيناي في دعم المؤسسات من خلال مدى تعقيد استجاباته. سوف يُحكم بناءً على ما إذا كان يقلل من الاتصالات المتكررة ، ويخفض معدلات الإعادة ، ويحسن الحل في الاتصال الأول ، وي缩ص وقت الحل. الذكاء وحده غير كافٍ. التأثير يعتمد على التصميم المُنسق ، والحدود الواضحة ، ومراقبة الأداء المستمر ، والمساءلة تجاه المترات التشغيلية.

قادة الدعم يجب أن يحددوا تلك المترات قبل التطبيق ، وليس بعده. يجب عليهم وضع أهداف محددة لتحويل الحالات وتقليل وقت التعامل ورضا العملاء ، ومراجعة الأداء بنفس القسوة المطبقة على أي استثمار تشغيلي آخر. إذا لم تتحرك الأرقام ، يجب تعديل النظام أو تقييده.

الجيناي في الدعم لم يعد تمرينًا لاختبار概念. إنه قرار تشغيلي مع عواقب مالية قابلة للقياس. القادة الذين لا يستطيعون إظهار تحسين هيكلي في الحمل العمل والنتائج للعملاء يخاطرون بتحويل الذكاء الاصطناعي إلى مبادرة قصيرة الأجل بدلاً من القدرة المستدامة.