Vzestup agentic AI: Strategický tříkrokový přístup k inteligentní automatizaci

Jako mnozí, mám rád dobré rady. Ale někdy potřebuji pomoc, abych něco dokázal.

Další verze AI — agentic AI — nás přesune z rad do skutečného jednání. Povolí firmám, které ji využijí, učinit transformační skok vpřed.

Ale skok kam? A transformovat jak?

Agentic AI může snížit náklady na zákaznickou podporu o 25-50 %, zatímco dramaticky zlepšuje kvalitu a spokojenost zákazníků, protože jde beyond jednoduché provádění úkolů. Může také autonomně řešit komplexní pracovní postupy a interakce se zákazníky. Při aplikaci na zákaznickou podporu, například, agenti ne pouze reagují na dotazy, ale komplexně řeší dotazy od začátku do konce, snižují lidskou intervenci a zvyšují efektivitu.

Jako u všech nových technologií, přijetí agentic AI představuje výzvy. Společnost musí mít své pracovní postupy dobře zdokumentované a hluboce pochopit a mít robustní znalostní základnu, na které agentic AI může čerpat. A stejně jako u generativní AI, obavy o ochranu dat a bezpečnost vyžadují, aby společnosti rozuměly velkým jazykovým modelům (LLM), do kterých se zapojují, a jak informace jsou ukládány a přenášeny jimi.

Nicméně, správná strategie přijetí pro inteligentní automatizaci může zajistit úspěch. Aby společnosti získaly maximum výhod, musí udělat tři věci:

• Začít na správném místě
• Vyvážit agentic AI s lidským odborným poznáním
• Připojit se k síti agentic odbornosti

Ačkoli je to stále raná fáze, zde je to, co se učím, když pracuji s klienty z různých odvětví na integraci agentic AI do jejich pracovních postupů a operací.

Nezačínejte malé — začněte chytré

Možná protichůdně, nejlepší místo pro začátek je s vašimi nejvyššími objemy případů použití. Není to riskantní? Ne, pokud se to udělá správně. Ve skutečnosti, začínání s nízkými objemy případů použití může snižovat riziko, ale ve skutečnosti zvyšuje riziko, že nebude dostatečný dopad, aby se ospravedlnil investice.

Začínání s vysokými objemy případů použití nabízí největší potenciál návratnosti investic (ROI), umožňující společnosti rychle realizovat významný dopad, maximalizovat zisky z efektivnosti a demonstrovat jasnou hodnotu používání AI agentů.

Jak snížit riziko začátku příliš velkého? Implementací agentů s pouze 1 % největších objemů případů použití. Tento přístup umožňuje identifikovat a opravit potenciální problémy, zatímco se připravujete na širší automatizaci.

Pro maloobchodní společnost to může znamenat automatizaci “kde je můj objednávka?” nebo zpracování vrácení zboží. Kromě monitorování zásilek napříč plněním společnosti může AI agent ověřit identitu zákazníka, zkontrolovat aktuální stav a aktualizovat zákazníka — dokonce nabízet možnosti, pokud objednávka byla neočekávaně zpožděna.

Pro vrácení zboží může agent zkontrolovat return politiku společnosti, shromáždit informace o zákazníkovi o vrácení, navrhnout další kroky a dokončit příslušné úkoly, jako je vytvoření return štítku, naplánování vyzvednutí, vydání refundace atd. Return agent může také sledovat vzorce zneužívání a, pokud je to odůvodněné, upravit svá rozhodnutí a další kroky.

Po společnosti nasadí AI agenta na vzorek části vysokého objemu pracovního postupu, musí monitorovat aktivitu pracovního postupu, aby identifikoval, kde by mohl potřebovat úpravy. Když agent funguje hladce, společnost může expandovat jeho použití ve předem definovaných částech, dokud nebude nakonec zpracovávat celý objem pracovního postupu.

Samozřejmě, ne všechny úkoly a pracovní postupy se hodí pro úplnou automatizaci s agentic AI. Ve skutečnosti, udržování lidských odborníků spojených s celkovými pracovními postupy AI agentů poskytne nejlepší výsledky.

Vyvážit AI s lidským odborným poznáním

Jako společnost zkoumá své pracovní postupy a procesy pro kandidáty na automatizaci, najde instance, které jsou nejlepší pro lidskou kontrolu nebo přímou akci. Agentic AI je úžasná, vysoce schopná inovace, ale má omezení.

Tři zvláště:

AI agenti, jako LLM, které je podporují,目前 nepossess obecnou inteligenci. Funkcí nejlépe v úzkých, dobře definovaných oblastech. Zatímco lidé mohou naučit, jak provádět konkrétní úkol a abstrahovat z této znalosti principy, které pak aplikují na různé, nesouvisející úkoly, AI zatím nemůže.

Pak existují pracovní postupy s extrémně složitými rozhodovacími maticemi, které vyžadují významné zkušenosti a zkušenostní úsudky. Například, maloobchodní společnost může potřebovat obsah pro přímou marketingovou kampaň. Agent může zvládnout to — a provést kampaň.

Ale chcete revidovat vyjádření značky a slib napříč několika trhy? Agent by nebyl schopen zvládnout úkol. To by vyžadovalo vhled do tržních trendů, vnímání značky, kulturních rozdílů napříč trhy a vhled do toho, jak značky evokují emoce.

Konečně, pracovní postupy závislé na typicky “špinavé” lidské komunikaci a emocionální nuanci, které vyžadují zřetelně lidské prvky, jako je soucit, by měly zůstat u lidí. Myslete na problémy se zákaznickou podporou, které zahrnují rozzlobené zákazníky nebo zdravotnické interakce, kde může být emocionální nebo duševní stav pacienta ohrožen.

Ale nejsem popisující binární rozhodovací proces: dejte to AI agentům; všechno ostatní jde na lidi. V praxi funguje hybridní model nejlépe.

Zatímco existuje potřeba jasného rozlišení mezi AI a lidskými rolemi, i když úkoly potřebují být zpracovány lidskými odborníky, AI by měl být stále k dispozici, aby rozšířil jejich schopnosti a využil jejich odbornosti.

Obecně řečeno, společnosti by měly používat agentic AI pro transakční, opakující se úkoly a využívat lidské odborné znalosti pro vysoké rizikové interakce, emocionálně komplexní scénáře a situace vyžadující nuancované úsudky. $50 záruční nárok by mohl být plně automatizován, zatímco $5,000 nárok by pravděpodobně prospěl z lidské emocionální inteligence a značkové citlivé manipulace.

Připojit se k agentic síti

Možná nejdůležitější, nezkoušejte se ponořit do agentic AI sami. Založte síť odborných partnerů. Emergentní agentic AI platformy mohou dodávat technologii napříč digitálními a hlasovými kanály. Systémový integrátor a poradce, který rozumí zákaznickým provozním prostředí, může trénovat agentic modely pro specifické zákaznické potřeby a poté je integrovat do operací společnosti.

Integrace těchto modelů do podnikových systémů vyžaduje hluboké odborné znalosti v komplexních pracovních postupech a odvětvových výzvách. To také vyžaduje jemné pochopení rozhodovacích bodů pracovního postupu a kde je lidská interakce nejvíce potřebná — nebo přínosná, aby agentic AI byl přínosem pro pracovníky a týmovou produktivitu.

Agentic AI nabízí firmám mocný způsob, jak zlepšit efektivitu, zvýšit zákaznické zkušenosti a pohánět inovace. Ale úspěch není o tom, aby se spěchalo. Je o tom, aby se dělaly chytré, informované rozhodnutí: Začínání na správném místě, aplikování hybridního lidského/AI modelu a připojování se k správné síti.

Protože svět AI se mění velmi rychle, nemůžete si dovolit jít sám.