Oprettelse af teknologiens ryggrad for generative AI-kundesager

Medieopmærksomheden omkring ChatGPT har overvejende fokuseret på den transformative potentiale, denne teknologi har til at omforme arbejdets natur.  Men den større historie handler om, hvordan generative AI vil transformere kundeoplevelsen. En McKinsey-studie finder, at 80 procent af kundeaufgaben kan automatiseres på tværs af kanaler, hvilket resulterer i en besparelse på 20 procent i omkostninger til kundeservice.

ChatGPT og lignende værktøjer kan udnyttes til at understøtte talrige brugsområder på tværs af forretningsfunktioner som marketing og salg, leverandørkæde, kundesupport, produktudvikling og mere. Ved at øge medarbejderproduktiviteten, aktivt udvide og løse problemer, og afhjælpe almindelige friktionspunkter, kan generative AI-løsninger hjælpe hold med at udvikle kundeorienterede evner hurtigt. For at opnå denne vision skal virksomhedsgrupper dog overvinde fem forskellige hindringer og udvikle to forskellige arkitekturer: en for menneskeforstærkede interaktioner og en for fuldt automatiserede interaktioner.

5 udfordringer at løse for at få ChatGPT klar til primetime

Hvad er nogle af de hindringer eller risici ved at implementere generative AI – og hvordan kan de afhjælpes?

1. ChatGPT personliggør ikke beskeder: Nuværende generative AI-værktøjer kan ikke personliggøre beskeder, men personliggørelse er nøgle til at drive salg af produkter og tjenester, øge udgifter pr. køb, opnå gentagne salg og forbedre kundeloyalitet. Markedsførere har brug for virksomhedsklasse-generative AI-teknologi til at kunne personliggøre navne, billeder, tilbud, produktanbefalinger baseret på seneste køb og besked om forladt indkøbskurv.
2. ChatGPT hallucinerer indhold: Generative AI-løsninger bruger prompts og udnytter tidligere læring til at oprette indhold. Dette betyder, at de udfylder hullerne med indhold lært fra statistiske mønstre, ofte “hallucinerer” information, der ikke er sand. For at udnytte generative AI og skala det på tværs af kundesegmenter og brugsområder skal virksomheder være i stand til at identificere og fjerne dette fejlbehæftede indhold, før det når brugere og godkendere eller distribueres til kunder.

3. Generative AI kan ikke anvende forretningsregler: Forretningsregler strømliner kundeinteraktioner. Smal AI-chatbots har excelleret i at opdage disse ligheder og servere godkendte svar. Generative AI kan ikke opdage disse fælles træk og vil oprette originale svar på hver spørgsmål, hvilket skaber kundeforvirring og indfører fejl i interaktioner. En virksomhedsarkitektur, der kombinerer et generativt AI-værktøj med virksomhedens forhåndsdefinerede forretningspolitikker, ville hjælpe med at standardisere disse svar og give konsistente svar på tværs af kunder.
4. Generative AI kan ikke sikre overholdelse: Kundeorienteret indhold går normalt gennem juridiske gennemgang for at sikre, at billeder, tekst, tilbud og løfter overholder virksomhedens juridiske, regulative og kundeorienterede politikker. Denne proces beskytter virksomheder mod kundemishandling, regulatorisk censure og bøder samt andre former for forretnings skade. Generative AI kan ikke oprette overholdelsesindhold, da den ikke forstår disse nuancer. Derfor skal teknologi, der udnytter generative AI, integrere juridiske sikringsforanstaltninger for at identificere og fjerne ikke-overholdelsesindhold, før det distribueres eller offentliggøres.
5. Ustyret brug af ChatGPT skaber sikkerhedsrisici: ChatGPT-brug er et fascinerende case-study i, hvad der sker, når personer ikke er begrænsede af sikkerheds politikker. Mediehistorier omgærdende ansatte, der indtaster følsomme data i denne offentligt tilgængelige chatbot, og risikerer dataeksponering og tab af immaterielle rettigheder. Virksomhedens data og IT-hold kan afhjælpe disse problemer ved at segmentere information: sende følsomt indhold til domænechatbots, der er beskyttet af sikkerheds kontroller og systemer, og routere generelle forespørgsler til ChatGPT.

Evaluering af nye arkitekturer for generative AI

For at aktivere menneskeforstærkede B2C- og B2B-operationer og fuldt automatiserede B2C-operationer skal virksomheder have to forskellige arkitekturer.

Begge arkitekturer udnytter open-source-generative AI-værktøjer som ChatGPT og andre løsninger, der guider processer fra prompt-input; til data-syntese; til indhold-oprettelse, rensning og personliggørelse; og styring.

Brug af ChatGPT til at strømline menneskeforstærkede B2C/B2B-interaktioner

Lad os overveje en almindelig situation. En markedsføringsprofesionel indtaster en prompt i en virksomhedsgrænseflade, der bruger en foruddefineret spørgeskema til at guide indholdudvikling, såsom for en e-mail-kampagne.

Medarbejderen indtaster nøgleinformation, herunder e-mail-retningslinjer, ønsket publikum, produkt navn, markedsføringskrav og produktkarakteristika samt eventuelle brugsanvisninger.

Arkitekturen udnytter derefter kunde-personaer til at berige instruktioner med information, der vil appellere til denne sektor, hvis disse datamodeller er tilgængelige. Den forbedrede spørgsmål sendes derefter via en ekstern API til ChatGPT eller et lignende generativt AI-værktøj.

Herefter anvender en kurator forretningsregler og juridiske sikringsforanstaltninger for at sikre, at indholdet opfylder virksomhedens og regulatoriske standarder. Markedsføringsprofessoren ville derefter gennemse og godkende den resulterende e-mail, før den sendes til kundebasen.

Brug af ChatGPT til at automatisere B2C-interaktioner

Hvad med interaktioner, der kan automatiseres fuldt ud?

Efter at en bruger har indtastet et spørgsmål, beriges det med kunde-persona-data, som før. Men det opdaterede spørgsmål sendes derefter en af to veje: til en domænechatbot, der kan personliggøre svar for virksomhedsspecifikt indhold, eller via en ekstern API til ChatGPT for rutinemæssige spørgsmål. Domænechatboten personliggør indhold, mens ChatGPT ikke gør.

Det resulterende indhold renses herefter for fejl og sammenlignes med forretningsregler og sikringsforanstaltninger, før det automatisk distribueres til kunder.

Indhøst nye forretningsværdier fra ChatGPT ved at implementere nye teknologiarkitekturer

Kapløbet er i gang for at drive ROI fra generative AI. Virksomhedsledere analyserer forretningsprocesser for omkostninger og spild, taler med leverandører for at forstå deres tilgang og løsninger, og udvikler bevis for begreber. De søger indsigt og løsninger, som de kan udnytte til at opnå hastighed til værdi og hastighed til skala.

Da de udfører dette vigtige arbejde, kan disse ledere vurderer alle leverandører efter deres evne til at løse disse fem almindelige generative AI-udfordringer og aktivere både menneskeforstærkede og fuldt automatiserede interaktioner.

Ved at bruge disse to forskellige grundlæggende arkitekturer vil virksomheder kunne opnå talrige forretningsgevinster. De vil kunne øge teamproduktiviteten, forbedre kundeoplevelsen, reducere serviceinteraktionsomkostninger og drive salg af nye produkter.