Γιατί Η Επιτυχία Του AI Εξαρτάται Από Καλύτερες Ροές Εργασίας, Όχι Περισσότερα Εργαλεία AI

Έχω παρατηρήσει ένα σταθερό μοτίβο σε χρηματοοικονομικές ιδρύματα που έχουν δοκιμάσει γενικού σκοπού εργαλεία AI, αλλά αγωνίζονται να αναγνωρίσουν και να μετρήσουν την επίδραση. Η ηγεσία λαμβάνει την απόφαση να επενδύσει, στη συνέχεια εφαρμόζει σε ομάδες και περιμένει την επίδραση. Μετά από quelques μήνες, η σύγχυση χτυπά. Τα αποτελέσματα δεν είναι σαφή, οι διαδικασίες δεν βελτιώνονται, η υιοθέτηση είναι καθυστερημένη και τα νούμερα παραμένουν αμετάβλητα. Το ROI δεν είναι εμφανές, και δείχνουν το εργαλείο ως το πρόβλημα, αλλά η πραγματικότητα είναι ότι όταν εφαρμόζετε ένα γενικό εργαλείο για γενικές Produktivitätszuwächse, δεν υπάρχει ένας σημαντικός τρόπος για να καθορίσετε το ROI.

Όταν μιλάω με τράπεζες και πιστωτικές ενώσεις για το AI, προσπαθώ να κατανοήσω το πρόβλημα που προσπαθούν να λύσουν με αυτό. Η απάντηση συχνά αντανακλά μια προσεγγιστική προσέγγιση εργαλείων, αντί για μια προβληματική προσέγγιση. τους δίνεται τεχνολογία και τους λένε να είναι παραγωγικοί, αλλά κανείς δεν παίρνει τον χρόνο να αξιολογήσει ποιες ροές εργασίας είναι προβληματικές,哪里 ζουν τα μπλοκ και τι σημαίνει η επιτυχία για το ίδρυμα. Αυτή η αναγνώριση και διάκριση βοηθούν να αποσαφηνίσουν εάν το AI είναι ακόμη το σωστό εργαλείο για τη δουλειά και να μετριάσει την αποσύνδεση μεταξύ της τεχνολογίας και των ροών εργασίας που προσπαθούν να βελτιώσουν.

Γιατί Το Γενικού Σκοπού AI Είναι Το Πρόβλημα

Όταν προσθέτετε ένα γενικού σκοπού εργαλείο AI χωρίς να το ενσωματώσετε σε μια συγκεκριμένη ροή εργασίας, προσθέτετε μόνο στο βάρος. Το μέλος της ομάδας απαιτεί να μάθει κάτι νέο, να βγάλει συμπεράσματα γύρω από το πού και πώς να το χρησιμοποιήσει, να πλοηγηθεί σε πολλαπλά συστήματα για να ενημερώσει το контέκστ και στη συνέχεια να συνθέσει τα ευρήματα για να ενημερώσει τις αποφάσεις. Επίσης, συνεισφέρει στο τι πολλοί από εμάς αναφερόμαστε ως το swivel chair effect: συνεχώς να μετακινούμαστε μεταξύ πλατφορμών και συστημάτων για να χτίσουμε μια πλήρη εικόνα.

Συγκριτικά, τα εργαλεία AI που σχεδιάζονται για συγκεκριμένες ροές εργασίας συναντούν τους εργαζόμενους όπου εργάζονται, αντί να τους ζητούν να εισαγάγουν μια νέα συνήθεια ή σύστημα. Επειδή αυτά τα εργαλεία είναι κατασκευασμένα με σκοπό, κατανοούν τις νουάνς της ροής εργασίας, έχουν πρόσβαση σε πηγές δεδομένων και κατανοούν τι μπορεί και τι δεν μπορεί να γίνει.

Εάν τα γκολ είναι το ROI και η υιοθέτηση, αλλά δεν υπάρχει σχέδιο αλλαγής διαχείρισης ή προϋπολογισμός, η διαφορά μεταξύ «ένα ακόμη εργαλείο για να μάθω» και «μια κατασκευασμένη πρόσθεση στη ροή εργασίας» είναι η διαφορά μεταξύ της观察 των αποτελεσμάτων και όχι.

Πώς Αυτό Φαίνεται στην Πράξη

Οι περιπτώσεις χρήσης είναι οικείες. Ένας κλήρος διαβιβάζεται σε einen πελάτη υπηρεσίας για να ζητήσει υποστήριξη για έναν κάτοχο λογαριασμού που χρειάζεται να κάνει μια μεγαλύτερη πληρωμή από το συνηθισμένο και αναρωτιέται εάν τα όρια μετάβασης θα το εμποδίσουν. Χωρίς ένα ενσωματωμένο εργαλείο AI, ο πελάτης υπηρεσίας είναι αναγκασμένος να πηδήξει μεταξύ πολλαπλών συστημάτων: ένα για να αναθεωρήσει πρόσφατες συναλλαγές, ένα για να αξιολογήσει τα όρια, και πιθανώς ένα τρίτο για να ζητήσει οποιαδήποτε προσαρμογές, καθώς και μια πολιτική αναθεώρηση για να επιβεβαιώσει τι είναι εξουσιοδοτημένο. Αυτό συμβαίνει ενώ ο κάτοχος λογαριασμού είναι σε αναμονή και μερικές φορές διαρκεί μέχρι και τριάντα λεπτά.

Όταν το AI είναι κατασκευασμένο στη ροή εργασίας, η ίδια εργασία μπορεί να διαρκέσει κοντά στα δέκα δευτερόλεπτα. Σχετικά λεπτομέρειες συναλλαγών επιφανείζονται άμεσα, τα όρια συγκρίνονται, οι προσαρμογές γίνονται που ταιριάζουν με τις πολιτικές του ιδρύματος, και όλα μπορούν να θεωρηθούν σε ένα μέρος. Η σχέση μεταξύ του πελάτη υπηρεσίας και του κατόχου λογαριασμού χτίζεται, και το ίδρυμα μπορεί να αφοσιωθεί ό,τι θα μπορούσε να ήταν τριάντα λεπτά σε πιο σημαντική δουλειά. Η διαφορά είναι μια ποσοτική βελτίωση μέσα στις ημερήσιες ροές εργασίας που επηρεάζουν trực tiếp την εμπειρία του πελάτη και του μέλους.

Μια Βάση για Μετρήσιμες Αποτελέσματα

Το κατασκευασμένο AI απλοποιεί την ικανότητα να ποσοτικοποιήσετε και να μετρήσετε την επιτυχία, επειδή είναι κατασκευασμένο για τις ίδιες ροές εργασίας που αναγνωρίστηκαν, μετρήθηκαν και επιλέχθηκαν ως ευκαιρία για βελτίωση με το AI. Αυτό σημαίνει ότι μια βάση already υπάρχει, και μπορείτε να μετρήσετε ενάντια σε αυτές τις βάσεις μετά. Αυτό έχει σημασία, επειδή το AI είναι ακριβό. Οι κόστοι χρήσης είναι συνεχείς και πρέπει να δικαιολογηθούν. Η ικανότητα να επικοινωνήσετε μετρήσιμες βελτιώσεις είναι κρίσιμη για να διασφαλιστεί ότι οι προϋπολογισμοί εγκρίνονται και λογαριασμοί.

Το Ανταγωνιστικό Πλεονέκτημα της Κοινότητας Ιδρύματος

Εργάζομαι στενά με πολλά ιδρύματα κοινότητας, και έχουν ένα πλεονέκτημα που συχνά παραβλέπεται. Αυτές οι τράπεζες και πιστωτικές ενώσεις γνωρίζουν τους πελάτες και μέλη τους προσωπικά. Κατανοούν τις λειτουργικές νουάνς που τις κάνουν μοναδικές, και μπορούν να αναγνωρίσουν γρήγορα πού οι ροές εργασίας σπάζουν, και πού υπάρχουν μπλοκ και ασυνέπειες. Αυτή η εγγύτητα έχει σημασία. Όταν κατασκευασμένο AI εφαρμόζεται σκεπτικά, υπάρχει συχνά μια άμεση επίδραση. Οι ομάδες εμφανίζονται πιο συνεπείς και πιο ενημερωμένες, και η γνώση του ιδρύματος γίνεται κάτι που όλη η οργάνωση μπορεί να προσεγγίσει και να χτίσει.

Όταν το AI λύνει πραγματικά προβλήματα πελατών και αρχίζει να αυτοματοποιεί τι είναι επαναλαμβανόμενο, μια ομάδα 20 ατόμων μπορεί να παραδώσει την παραγωγή και τη συνεπή της ομάδας 35 ατόμων. Η εμπειρία γίνεται καλύτερη για τους πελάτες και τα μέλη, και οι εργαζόμενοι παίρνουν πίσω τον χρόνο τους για να επικεντρωθούν σε τι κάνουν καλύτερα οι άνθρωποι, όπως κρίσεις, ευγένεια και η ευσπλαχνία που κρατά τους ανθρώπους να έρχονται πίσω και να θέτει τα ιδρύματα κοινότητας ξεχωριστά.

Πού Να Ξεκινήσετε

Εάν οι επενδύσεις AI φαίνονται αποθαρρυντικές, ξεκινήστε με το πρόβλημα, όχι με το εργαλείο AI. Πάρτε τον χρόνο να καθίσετε με τις ομάδες σας για να μάθετε ποιες είναι οι προκλήσεις τους και πού υπάρχει η ευκαιρία να βελτιώσετε την εμπειρία εργασίας τους. Κατανοήστε πού υπάρχει η τριβή, τι απαιτεί περισσότερη παραγωγή από ό,τι πρέπει, και ποια πληροφορία είναι συνεχώς μια πρόκληση να ανακαλύψετε. Οι απαντήσεις θα βοηθήσουν να ενημερώσουν πού το AI μπορεί να δημιουργήσει πραγματική αξία.

Τα χρηματοοικονομικά ιδρύματα που κάνουν την μεγαλύτερη πρόοδο με το AI δεν είναι αυτά που κινήθηκαν πιο γρήγορα, αλλά αυτά που χτίστηκαν με σκοπό.