AI kan besvare spørgsmålet. Den næste udfordring er at hjælpe mennesker videre.

Vi er blevet særdeles gode til at udvikle AI, der kan besvare spørgsmål. Spørg, hvornår en ansøgning skal indsendes, hvilke dokumenter der kræves, eller hvordan en proces fungerer, og AI kan give et brugbart svar på få sekunder. Men når det gælder nogens uddannelse, økonomiske fremtid eller følelse af at høre til, er et svar kun begyndelsen. Det afgørende er, om personen rent faktisk kan komme videre.

Det er her, agentbaseret AI bliver interessant. I stedet for at behandle hver interaktion som et isoleret spørgsmål kan en AI-agent forstå, hvor en person befinder sig i et længere forløb, identificere, hvad der skal ske som det næste, og hjælpe personen med at nå dertil. Men det kræver mere end en avanceret sprogmodel at gøre det pålideligt. Det kræver forløb, der er udviklet til formålet, sammenkoblede systemer og menneskeligt tilsyn, som er tænkt ind i processen fra begyndelsen.

Tag for eksempel de videregående uddannelser. En studerende søger ind, færdiggør sin ansøgning om økonomisk støtte, tilmelder sig kurser, mødes med en studievejleder, finder faglig støtte, søger efter en praktikplads, forbereder sig på at afslutte studierne, leder efter et job og bliver med tiden alumn. Institutionerne organiserer disse begivenheder i separate afdelinger og teknologisystemer, men de studerende oplever ét universitet. De bør ikke være nødt til at forstå institutionens organisationsdiagram for at få den hjælp, de har brug for.

Folk vil ikke have endnu en brugerflade. De vil have noget fra hånden.

I en nyere undersøgelse blandt 1.058 studerende, der aktuelt er indskrevet på amerikanske videregående uddannelser, sagde 76 %, at de forventer at kunne løse de fleste behov i forbindelse med studerende uden at ringe til eller besøge et kontor. Alligevel sagde hver fjerde, at deres institution ikke lever op til den forventning. På spørgsmålet om, hvad der er vigtigst i en moderne digital oplevelse, pegede 64 % på hurtige svar og løsninger, 54 % på tilgængelighed døgnet rundt, alle ugens dage, og 50 % på muligheden for at gennemføre opgaver ét sted. Studerende ønsker hurtigere svar, færre overleveringer og mulighed for at gennemføre opgaver uden at skulle navigere mellem flere systemer.

En kommende studerende begynder på en ansøgning til et college, men færdiggør den aldrig. En traditionel chatbot kan besvare spørgsmål om ansøgningskravene, men den studerende skal stadig selv finde ud af, hvad der mangler, og hvordan vedkommende skal gå videre. Et agentbaseret system kan registrere, hvor ansøgningen gik i stå, identificere det næste trin og hjælpe den studerende med at fortsætte, hvor vedkommende slap. Hvis den studerende siger, at vedkommende allerede har uploadet en udskrift af sine karakterer, kan systemet kontrollere ansøgningen, bekræfte, at dokumentet er der, og gå videre til næste krav i stedet for at bede den studerende om at indsende det igen.

Det er også her, nogle af de største tekniske udfordringer stadig findes. Microsoft Research fremhæver pålidelighed, fastholdelse af kontekst og udførelse af arbejdsgange i den virkelige verden som nogle af de udfordringer, produktivitetsagenter står over for. En agent kan ikke pålideligt guide nogen gennem en proces, hvis den mister konteksten mellem trinnene eller ikke kan arbejde på tværs af de involverede systemer.

Fra reaktive svar til proaktiv hjælp

Muligheden rækker ud over at besvare spørgsmål: AI kan også registrere, hvornår nogen har brug for støtte, og hjælpe institutioner med at finde frem til det rette næste skridt. Et team, der arbejder med institutionens udvikling, kan for eksempel opdage signaler om, at en tidligere studerende er klar til at genoptage kontakten, engagere sig som frivillig eller give sin første donation. Men at opdage signalet er kun begyndelsen. Den egentlige værdi ligger i at forstå, hvilken henvendelse der passer til personen på netop det tidspunkt, og hvad der bør ske som det næste.

Forløb, der er udviklet til formålet, kan inddrage veletablerede metoder til forskellige målgrupper og formål og dermed give teams et bedre udgangspunkt end generiske værktøjer eller arbejdsgange, der er bygget fra bunden. Og gevinsten handler ikke kun om at spare medarbejdernes tid. Institutionerne har allerede enorme mængder data. Det, de har brug for, er hjælp til at fortolke signalerne og omsætte dem til velovervejet og rettidig kontakt.

Behovet er tydeligt. I den samme undersøgelse blandt studerende sagde halvdelen, at de havde undladt at kontakte deres institution, fordi processen virkede for besværlig. Yderligere 40 % var blevet bedt om at gentage oplysninger, de allerede havde givet, 34 % var blevet stillet videre uden at få løst deres problem, og 31 % kunne ikke finde det, de ledte efter, og gav op.

De mest nyttige AI-oplevelser hjælper institutioner med at opdage disse barrierer, før de får nogen til at trække sig.

Det er konteksten, der gør et svar til en brugbar handling

Vi har alle prøvet den frustration, det er at skulle give de samme oplysninger til en organisation igen og igen. Forestil dig nu, at du skal gøre det, mens du forsøger at tilmelde dig kurser, løse et problem med din økonomiske støtte eller genoptage kontakten med dit tidligere universitet. Hver usammenhængende interaktion får institutionen til at virke lidt mindre som en organisation, der kender dig.

Når oplysninger samles omkring den enkelte i stedet for omkring separate afdelinger, ændrer det oplevelsen. Studerende, alumner og donorer får glæde af en mere sammenhængende og personlig kontakt, mens medarbejderne får den kontekst, der gør dem i stand til at reagere mere effektivt. Når institutioner gør kontakten lettere og mere personlig, skaber de grundlaget for stærkere relationer og varig loyalitet.

Studerende giver allerede udtryk for, at de ønsker, at digitale oplevelser skal fungere på denne måde. Den samme undersøgelse blandt studerende viste, at 56 % forventer, at systemerne opleves som sammenhængende, uden omdirigeringer eller gentagne indtastninger af de samme oplysninger. Halvdelen forventer, at digitale værktøjer proaktivt gør opmærksom på frister, krav eller problemer, før de udvikler sig til egentlige udfordringer.

Det kræver mere end at gøre de enkelte værktøjer smartere at levere den oplevelse. Det handler om at forbinde de oplysninger og arbejdsgange, der gør det muligt for institutioner at forstå, hvor den enkelte befinder sig i sit forløb, og reagere derefter.

Den bedste AI ved, hvornår den skal handle, beskytte og træde til side

Målet med agentisk AI bør ikke være størst mulig autonomi. Det bør være den rette kombination af hjælp, handling og menneskelig dømmekraft, hvor menneskelig godkendelse er indbygget i arbejdsgangen fra begyndelsen.

I takt med at AI bliver i stand til at handle mere, bliver det lige så vigtigt at beslutte, hvad den selvstændigt bør gøre, som at udvide, hvad den kan. Rutineopgaver som at identificere ufuldstændige formularer eller fremhæve relevante oplysninger kan egne sig godt til automatisering. Men når et AI-system forbereder en henvendelse eller anbefaler en handling, der kan påvirke en studerendes oplevelse, bør en person have mulighed for at godkende den, før noget når frem til den studerende.

Menneskelig kontrol bør ikke begrænses til at sende usædvanlige sager videre eller gennemgå beslutninger, efter at de allerede er truffet. I situationer med meget på spil skal godkendelsen ske før handlingen, ikke efter. AI kan identificere signaler, anbefale næste skridt og forberede kommunikation, mens medarbejderne bevarer kontrollen over, hvad der sker derefter.

Denne tilgang giver også plads til den dømmekraft og empati, som teknologi ikke kan erstatte. En studerende, der står i en usædvanlig økonomisk situation eller har faglige vanskeligheder, kan have brug for mere end en automatiseret anbefaling. Teknologien bør hjælpe medarbejderne med at genkende sådanne situationer og reagere med den nødvendige kontekst, frem for at fjerne dem fra processen.

Ansvarlig implementering indebærer også at beskytte de følsomme oplysninger, som disse oplevelser afhænger af. Når systemer forbindes, og AI får mulighed for at handle, opstår der vigtige spørgsmål om adgang til data, tilladelser, sikkerhed og ansvarlighed. En agent, der hjælper med en ansøgning eller en proces for økonomisk støtte, bør kun have adgang til de oplysninger og handlinger, der er relevante for den pågældende interaktion, med klare grænser for, hvad den kan gøre.

Microsoft Researchs arbejde med agenter med menneskelig medvirken understreger, hvor vigtigt det er at indbygge menneskelig kontrol og overvågning i stadig mere autonome systemer, herunder mekanismer, der gør det muligt for mennesker at deltage i og ændre retningen for en agents arbejde. Ansvarlig AI gør bedre oplevelser mulige ved at skabe den tillid, der skal til for at levere dem.

Den næste generation af AI handler om resultater

Institutioner skal også foretage en anden ændring: De skal ændre måden, de måler på, om AI faktisk virker.

I dag vurderes AI’s ydeevne ofte ud fra aktivitetsmålinger: håndterede samtaler, besvarede spørgsmål, svartider eller henvendelser, der ikke længere går videre til medarbejderne. Disse målinger kan vise, om et system bliver brugt eller mindsker arbejdsbyrden, men de fortæller ikke nødvendigvis, om det har hjulpet nogen med at opnå det, de kom for.

For den studerende, der gik i stå halvvejs i en ansøgning, betyder succes, at ansøgningen bliver færdiggjort – ikke blot at vedkommende får svar fra en AI-assistent. For en tidligere studerende, der gerne vil genoptage kontakten, betyder det at tage det næste skridt i relationen.

Disse digitale oplevelser har betydning langt ud over bekvemmelighed. Undersøgelsen blandt studerende viste, at 38 % havde udskudt en vigtig opgave i forbindelse med indskrivning, økonomisk støtte eller studier, fordi de digitale værktøjer var svære at finde rundt i. Hver fjerde sagde, at disse vanskeligheder havde fået dem til at overveje, om besværet ved at fortsætte på studiet var det værd. Når teknologien skaber så meget friktion, overser man det væsentlige ved at måle på selve brugen af teknologien. Institutioner bør spørge, om folk får gennemført de opgaver, de havde til hensigt at gennemføre, hvor de går i stå, og om oplevelsen bliver bedre med tiden.

Den næste generation af AI vil blive kendetegnet ved det, mennesker kan udrette takket være den, og det er en spændende udvikling. Uanset om nogen navigerer i universitetslivet, håndterer deres sundhed eller engagerer sig i en organisation, de holder af, er muligheden at gøre komplicerede oplevelser oprigtigt støttende. Det kræver forløb, der er udformet med udgangspunkt i virkelige mennesker, sammenhængende oplysninger, meningsfuld menneskelig kontrol og en forpligtelse til at måle resultater frem for aktivitet.

Målet er ikke mere automatisering for automatiseringens skyld. Det handler om at hjælpe mennesker videre med mindre friktion, større tillid og en stærkere fornemmelse af, at organisationen på den anden side faktisk forstår dem.